Instructions: The submitted report must present work and outputs clearly separated by Question. Submit ONLY ONE zip ile named LASTNAME.zip that includes pdf ile, code, html, data and any other supporting or working iles.   Python notebook with auxiliary output  (data, plots) is not an analytical report: such submission will receive a deduction.

Please do not discuss this assignment in groups or messengers.  Raise a support ticket for your queries. Only clarifying questions are allowed.

Introduction: Short-term asset return is a challenging quantity to predict. Efficient markets produce near-Normal daily returns with no signiicant correlation between rt , rt-1 .  This exam is a limited exercise in supervised learning.  You are expected to explore multiple features or may use a set of features from Table 1 without an expectation of predictive powers.  Original and inal selected features should be sufficiently large.

Objective

Your objective is to produce a model to predict positive moves  (up trend) using machine learning model as speciied in the below section.  Your proposed solution should be comprehensive with the detailed feature engineering and model architecture.

.  Choose one ticker of your interest from the index, equity, ETF, crypto token, or commodity.

.  Predict  trend only,  for  a  short-term  return  (example:   daily,  6  hours).   Limit  prediction  to binomial classiication: the dependent variable is best labeled [0, 1]. Avoid using [-1, 1] as class labels.

.  Analysis should be comprehensive with detailed feature engineering, data pre-processing, model building, and evaluation.

Devise your own approach on how to categorise extremely small near-zero returns (drop from training sample, group with positive/negative).   The threshold will strongly depend on your ticker. Example:  small positive returns below 0.25% can be labelled as negative.