predict gold prices

Prévision du prix de l’or

Auteur : Nhi Yen

J'écris sur l'apprentissage automatique sur Medium || GitHub || Kaggle || Linkedin. Si vous avez trouvé cet article intéressant, votre soutien en m'apportant m'aidera à diffuser mes connaissances aux autres.

Introduction

Ce référentiel contient du code permettant de prévoir le prix de l'or à l'aide de diverses méthodes de prévision de séries chronologiques. L’ensemble de données utilisé est le prix quotidien de l’or en USD de 1950-01 à 2020-07.

Ensemble de données

L’ensemble de données sur le prix mensuel de l’or utilisé pour cette analyse correspond au prix quotidien de l’or en USD de 1950-01 à 2020-07. L'ensemble de données contient 847 observations avec 2 colonnes - Date et Prix.

Modèles de prévision

Le notebook Jupyter Gold_Price_Forecasting_Models.ipynb contient le code permettant de créer et d'évaluer trois modèles de prévision de séries chronologiques différents :

• Modèle de régression linéaire

• Modèle naïf

• Modèle de lissage exponentiel

Pour le modèle de régression linéaire, l'ensemble de données a été divisé en ensembles de formation et de test. Le modèle de régression linéaire a été adapté aux données de formation et utilisé pour prédire les prix de l'or pour les données de test. L'erreur moyenne absolue en pourcentage (MAPE) a été utilisée pour évaluer les performances du modèle.

Pour le modèle naïf, la dernière valeur de l'ensemble d'apprentissage a été utilisée pour prédire les prix de l'or pour les données de test. Le MAPE a de nouveau été utilisé pour évaluer les performances du modèle.

Pour le modèle de lissage exponentiel, le package statsmodels a été utilisé pour ajuster un modèle de lissage exponentiel sur l'ensemble de données. Le modèle a ensuite été utilisé pour prédire les prix de l’or à partir des données de test. Les intervalles de confiance à 95 % pour les prévisions ont également été calculés. Le MAPE a de nouveau été utilisé pour évaluer les performances du modèle.

Résultats

Les résultats des trois modèles ont été comparés sur la base de leurs scores MAPE. Le modèle de lissage exponentiel a obtenu les meilleurs résultats avec un score MAPE de 17,235 %.

Conclusion

Le modèle de lissage exponentiel a été utilisé pour prédire les prix de l’or pour la période 2020-08 à 2025-02. Les prix prévus sont stockés dans un fichier CSV nommé gold_price_predictions.csv .

Références

• Ensemble de données Kaggle : prix mensuel de l'or

• Dépôt Github - ICI

• Projet Kaggle - ICI

• Visualisation de séries chronologiques sur Tableau

• Explication détaillée sur le code sur MEDIUM