{
  "fetched_at": "2026-10-19T19:22:27Z",
  "source_url": "https://www.kaggle.com/competitions/diklat-python/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## DATA\n\nData yang diberikan adalah data perdagangan US corporate bond. Tiap baris berisi detail dari trade, beberapa informasi dasar atas bond yang diperdagangkan, serta informasi atas 10 perdagangan terakhir. Peserta diminta untuk memprediksi kolom ‘trade_price’.\n\nTerdapat 3 data yang disediakan antara lain:\n\n- **train.csv** : dataset yang digunakan untuk membangun model prediksi\n- **test.csv** : dataset yang dianggap sebagai soal ujian pada kompetisi ini, silahkan prediksi menggunakan model yang dibangun\n- **submit.csv** : dataset contoh submission menggunakan model *linear regression* dengan data preprocessing sederhana (input missing = 0). \nPerforma dari file submit.csv ini menjadi nilai benchmark pada leaderboard.\n\nUntuk membantu sobat pembelajar dalam mengerjakan, sudah disiapkan contoh_notebook_submit pada github pelatihan ini.\n\nColumn details:\n\n- id: id baris.\n- bond_id: id unik dari bond dan diurutan berdasarkan urutan waktu perdagangan (kolom ini hanya ada pada train data)\n- trade_price: harga atas bond saat terjadi tradi (Kolom yang harus di prediksi pada data test)\n- weight: weight atas tiap baris yang terkait atas proses evaluasi.\n- current_coupon: coupon dari bond pada waktu perdagangan.\n- time_to_maturity: Angka tahun dari waktu perdagangan hingga bond tersebut mature\n- is_callable: nilai binary yang menindikasikan apakah bond tersebut callable atau tidak oleh issuer\n- reporting_delay: angka detik antar waktu terjadi trade hingga trade itu dilaporkan\n- trade_size: Jumlah nominal perdagangan\n- trade_type: 2=penjualan (customer sell), 3=pembelian (customer buy), 4=trade between dealers. \n- curve_based_price: Estimasi harga wajar berdasarkan implied hazard dan funding curves dari penerbit bond.\n- received_time_diff_last{1-10}: The time difference between the trade and that of the previous {1-10}.\n- trade_price_last{1-10}: harga dari perdagangan ke-{1-10} terakhir.\n- trade_size_last{1-10}: jumlah nominal dari perdagangan ke-{1-10} terakhir.\n- trade_type_last{1-10}: tipe dari perdagangan ke-{1-10} terakhir.\n- curve_based_price_last{1-10}: Harga berdasarkan kurva dari perdagangan ke-{1-10} terakhir",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "##BACKGROUND:\n\nABCD Solutions adalah salah satu provider harga corporate bond secara realtime. Tiap 10 detik, kami menyediakan harga yang akurat yang menggabungkan data suku bunga, trades atau quotes dari bond yang bersangkutan, trades atau quotes bond lain atau CDS dari penerbit bond yang bersangkutan serta sumber masukan lainnya. Penetapan harga bond secara akurat membutuhkan pengetahuan yang tepat tentang jadwal pembayaran, kalender perdagangan, dan data referensi untuk setiap bond. Selain hal-hal tersebut perlu juga pertimbangan atas hazard dan funding curve dari quotes dan trades seluruh bon serta CDS. Sebaliknya, kami memberikan informasi harga referensi yang merupakan hasil antara dari perhitungan kami dan diberi label 'curve_based_price' dalam kumpulan data. Dengan demikian kompetisi ini berfokus pada dinamika perdagangan dan struktur mikro tiap obligasi, daripada semua obligasi dari penerbit tertentu.\n\nTujuan kompetisi ini adalah untuk memprediksi harga trade selanjutnya atas US corporate bond. Para peserta diberikan informasi mengenai bond termasuk current coupon, time to maturity dan harga referensi yang dihitung oleh ABCD Solutions. Detail dari 10 trade sebelumnya atas bond juga disediakan.\n\n##DESKRIPSI\n\nDari background konteks di atas, teman-teman pembelajar Pusdiklat KU diposisikan sebagai peserta kompetisi yang diselenggarakan oleh ABCD Solutions. Silahkan seluruh kompetensi yang didapat dari beberapa hari pelatihan pengelolaan data python diimplementasikan untuk berkompetisi.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "##EVALUASI:\n\nPerforma dari prediksi akan dievaluasi menggunakan metric weighted mean absolute error. Tiap baris dalam data test akan di-weighted menggunakan nilai pada kolom weight. Nilai weight ini dihitung berdasarkan akar atas jeda waktu dari perdagangan terakhir, nilai akar tersebut di scaled sehingga mean dari seluruh weight adalah 1.\n\nUntuk menggunakan metric yang sama, silahkan gunakan metric mean absolute error yang disediakan library sklearn, namun sertakan kolom weight pada argument sample_weight metric tersebut.\n```\nmean_absolute_error(y_true, y_pred, sample_weight=test_df[‘weight’])\n```\n\n##SUBMISSION:\n\nData yang disubmit adalah data dalam format csv yang terdiri dari 2 kolom yakni ‘id’ dan ‘trade_price’. \n```\n\"id\",\"trade_price\"\n762679,100\n762680,100\n```\nPada section data kompetisi ini, diberikan contoh file yang dapat digunakan untuk template format data submisi. Jika setelah mensubmit data ternyata Kaggle menghasilkan error, silahkan cek format data submisi. Kemungkinan terdapat perbedaan dengan contoh data submisi yang diberikan.\n\nFile contoh submisi juga akan diupload dan menjadi nilai benchmark performa prediksi. Prediksi pada contoh submisi adalah prediksi menggunakan linear regression dengan default hyperparameter dan preprocessing sederhana (input missing dengan angka 0)\n\n## PRIZE\n\nNilai evaluasi performa akan dibagi menjadi 2 yakni public leaderboard dan private leaderboard. Public leaderboard berisi nilai performa prediksi atas 30% data test yang diuji. Sedangkan private leaderboard berisi nilai performa prediksi atas 70% data test. Public leaderboard akan selalu dapat diakses selama kompetisi, sedangkan private leaderboard akan terbuka setelah kompetisi ditutup.\n\nPemenang dan urutan peserta akan Tiap peserta dapat memilih 2 submisi hasil prediksi untuk dimasukan dan ditandingkan pada private leaderboard. Dari hasil leaderboard, 5 besar urutan pemenang akan diberikan souvernir dari pusdiklat KU.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "The poins are have fun and apply all your knowledge.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}