🏆 Altın Fiyat Analizi

✨ Özellikler

📊 İkili Model Yaklaşımı

• SARIMA Modeli
• XGBoost Modeli

🔮 Gelişmiş Tahmin

• Güven aralıklı 3 aylık SARIMA tahminleri
• Özellik önem sıralaması ile 30 günlük XGBoost ML tahminleri
• Teknik göstergeler (RSI, MACD, Bollinger Bantları)
• Çoklu zaman dilimi momentum analizi

⚠️ Risk Değerlendirmesi

• Volatilite analizi ve risk seviyesi göstergeleri
• Özellik önem sıralaması
• Model performans metrikleri (MAE, RMSE, R²)

📈 Profesyonel Görselleştirme

• Yüksek kaliteli çift grafik çizimleri
• Özellik önem görselleştirmeleri
• Tahmin doğruluğu dağılım grafikleri
• Etkileşimli model karşılaştırması

🚀 Hızlı Başlangıç

Ön Gereksinimler

pip install -r requirements.txt

Kullanım

https://tr.investing.com/currencies/gau-try-historical-data

1. Altın fiyat CSV dosyanızı proje dizinine yerleştirin

2. CSV dosyanızın aşağıdaki sütunlara sahip olduğundan emin olun:

   • Tarih (GG.AA.YYYY formatında tarih)
   • Şimdi (Güncel fiyat)
   • Açılış (Açılış fiyatı)
   • Yüksek (En yüksek fiyat)
   • Düşük (En düşük fiyat)
   • Fark % (Yüzde değişim)

3. Etkileşimli analizi çalıştırın:

python index.py

4. Analiz yönteminizi seçin:
   • Seçenek 1: SARIMA Analizi (Geleneksel Zaman Serisi)
   • Seçenek 2: XGBoost ML Modeli (Yeni Model Eğit)
   • Seçenek 3: Eğitilmiş XGBoost Modeli Kullan (Hızlı Tahmin)
   • Seçenek 4: Kapsamlı (Her İki Model + Karşılaştırma)
   • Seçenek 5: Hızlı SARIMA Analizi

📊 Çıktılar

SARIMA Model Çıktısı:

• Konsol Analizi: Detaylı istatistikler ve tahminler
• Grafik: Tarihsel veri ve tahminlerle gold_price_analysis.png
• Risk Değerlendirmesi: Volatilite analizi ve risk seviyeleri

XGBoost Model Çıktısı:

• Performans Metrikleri: Eğitim/test setleri için MAE, RMSE, R² skorları
• Özellik Önemi: En önemli tahmin özelliklerini gösteren feature_importance.png
• Tahmin Doğruluğu: Gerçek vs tahmin grafikleri ile xgboost_predictions.png
• 30 Günlük Tahmin: Model güveni ile detaylı günlük tahminler
• Eğitilmiş Model: Gelecekte hızlı kullanım için gold_xgboost_model.pkl

Birleşik Analiz:

• Her iki modelin kapsamlı karşılaştırması
• Çoklu görselleştirme çıktıları
• Detaylı performans kıyaslaması

🔧 Teknik Detaylar

SARIMA Model Konfigürasyonu

• ARIMA Bileşenleri: (1,1,1) - Otoregresif, Entegre, Hareketli Ortalama
• Mevsimsel Bileşenler: (1,1,1,12) - 12 aylık mevsimsel döngü
• Tahmin Periyodu: 90 gün (3 ay)
• Güven Aralıkları: %95 güven sınırları

XGBoost Model Konfigürasyonu

• Özellik Mühendisliği: 29 gelişmiş teknik gösterge
• Model Parametreleri: Aşırı öğrenmeyi önlemek için optimize edilmiş
• Tahmin Periyodu: 30 gün
• Performans Metrikleri: MAE, RMSE, R² ile değerlendirme

Veri İşleme

• Türkçe sayı formatının otomatik işlenmesi (1.234,56 → 1234.56)
• GG.AA.YYYY formatı için tarih ayrıştırma
• İleri doldurma ile eksik veri interpolasyonu
• Zaman serisi sürekliliği için günlük frekans yeniden örnekleme

📈 Analiz Bileşenleri

1. Tarihsel Performans

   • Başlangıç tarihinden toplam getiri hesaplama
   • Bileşik yıllık büyüme oranı (CAGR)
   • Tüm zamanların en yüksek/düşük değerlerinin belirlenmesi

2. Tahmin

   • SARIMA tabanlı 3 aylık tahminler
   • Güven aralığı hesaplamaları
   • Aylık tahmin dökümü
   • XGBoost ile 30 günlük makine öğrenmesi tahminleri

3. Risk Analizi

   • 30 günlük hareketli volatilite
   • Yıllıklandırılmış volatilite metrikleri
   • Dinamik risk seviyesi değerlendirmesi

4. Teknik Analiz

   • RSI, MACD, Bollinger Bantları
   • Momentum göstergeleri
   • Hareketli ortalamalar (SMA, EMA)

⚠️ Sorumluluk Reddi

Bu araç yalnızca eğitim ve analiz amaçlıdır. Mali tavsiye değildir. Yatırım kararları vermeden önce her zaman finansal profesyonellerle görüşün.