Прогнозування ціни золота

🏅✍️ Прогнозування ціни золота 🟡💰

Золото протягом століть вважалося засобом збереження вартості, захищаючи багатство в довгостроковій перспективі, особливо в періоди інфляції, знецінення валюти або економічної нестабільності. Центральні банки тримають значні резерви золота, що відображає його важливість у глобальній фінансовій системі.

Твоя роль полягає в розробці автоматизованої системи, здатної прогнозувати ціну закриття золота (gold close) на основі комплексного набору фінансових, економічних та ринкових індикаторів, включаючи фондові індекси, ціни на товари та валютні курси.

📁 Набір даних

У твоєму розпорядженні є CSV файл:

• gold.csv – містить історичні дані з 2010 по 2024 рік про фінансові ринки, товари та економічні індикатори

Кожен рядок містить наступні стовпці:

• date – дата у форматі YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – значення для індексу S&P500
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – значення для індексу Nasdaq
• us_rates_% – базова процентна ставка США
• CPI – індекс споживчих цін
• usd_chf, eur_usd – валютні курси
• GDP – валовий внутрішній продукт
• silver open, silver high, silver low, silver close, silver volume, silver high-low – значення для срібла
• oil open, oil high, oil low, oil close, oil volume, oil high-low – значення для нафти
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – значення для платини
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – значення для паладію
• gold open, gold high, gold low, gold close, gold volume – значення для золота (наша ціль – gold close)

💡 Дані можуть мати різну гранулярність (щоденна, місячна, квартальна). Деякі значення відсутні (NaN), і модель повинна правильно це обробляти.

🧠 Завдання (100 балів)

Побудуй систему, яка може прогнозувати ціну закриття золота (gold close) для днів з test.csv.

Прогнози повинні бути збережені у файлі submission.csv з форматом:

1ID,gold close2R00001,1820.353R00002,1815.924R00003,1822.10

де:

• ID – унікальний ідентифікатор рядка з test.csv
• gold close – ціна, прогнозована твоєю системою

📊 Оцінювання

Прогнози будуть порівняні з реальними значеннями з ground_truth.csv і буде обчислено Root Mean Squared Error (RMSE):

1RMSE = sqrt( sum((y_true - y_pred)^2) / n )

Фінальний бал розраховується на основі отриманого RMSE:

• RMSE ≤ 0.5 → 100 балів
• RMSE ≥ 5 → 0 балів
• Для проміжних значень бал нараховується пропорційно між 0 та 100.