一、
数据说明：
- 针对全国的余额宝用户，按照一定的规则抽样，给出对应的性别、城市和星座
- 针对抽样用户，抽取他们的余额宝交易数据，并归类为申购和赎回两类
- 训练数据：20130701到20140731期间用户的所有申购赎回数据
- 预测数据：20140801到20140831之间，31天内所有用户每天的申购和赎回总量
用户申购赎回数据表
user_balance_table
核心财务表，包含了申购数据和赎回数据
申购：支付宝余额，银行卡，收益自动申购
赎回：消费，转出到支付宝，转出到银行卡
列名及含义
user_id 用户 id
report_date 日期
tBalance bigint 今日余额
yBalance bigint 昨日余额
total_purchase_amt 今日总购买量 = 直接购买 + 收益
direct_purchase_amt 今日直接购买量
purchase_bal_amt 今日支付宝余额购买量
purchase_bank_amt 今日银行卡购买量
total_redeem_amt 今日总赎回量 = 消费 + 转出
consume_amt 今日消费总量
transfer_amt 今日转出总量
tftobal_amt 今日转出到支付宝余额总量
tftocard_amt 今日转出到银行卡总量
share_amt 今日收益
category1 今日类目 1 消费总额
category2 今日类目 2 消费总额
category3 今日类目 3 消费总额
category4 今日类目 4 消费总额
评估指标
评估指标的设计主要期望能够对未来30天内每天申购和赎回的总量数据预测的越准越好，每天的误差选用相对误差来计算，然后根据用户预测申购和赎回的相对误差，得到一个每天预测结果的得分，将30天内的得分汇总，然后结合实际业务的倾向，对申购赎回总量预测的得分情况进行家全球和，得到最终评分。具体操作如下：
二、数据预处理
python代码(使用了pandas科学计算包)
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
user_balance = pd.read_csv('./data2/user_balance_table.csv',usecols=[0,1,4,8],names=['userid','date','purchase','redeem'],parse_dates = ['date'])
#读取源数据，取第一列，第二列，第五列，第九列。对data列做parse操作
timeGroup = user_balance.groupby(['date'])
#按date进行分组
purchaseRedeemTotal = timeGroup['purchase', 'redeem'].sum()
#求出总申购量、总赎回量
print purchaseRedeemTotal
purchaseRedeemTotal.to_csv('./data2/total_date_purchase_redeem.csv')
#导出到本地文件
purchaseRedeemTotal.plot()
plt.show()
#数据呈现
三、关于ARIMA
- 模型介绍
ARIMA并不是一个特定的模型，而是一类模型的总称。它的3个参数p,d,q分别表示自相关(p阶AR模型)，d次差分，滑动平均(q阶MA模型)。因此有：
p=d=0，ARIMA模型即MA(q)模型；
d=q=0，ARIMA模型即AR(p)模型。
关于d的确定
对于原始数据做差分运算
0次差分评分，d=0
1次差分后平稳，d=1
...
关于pq的确定
p的值就是ACF第一次穿过上置信区间时的横轴值。q的值就是PACF第一次穿过上置信区间的横轴值。
通过ACF,PACF进行ARIMA（p，d，q）的p，q参数估计
实验python代码
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
from statsmodels.tsa.stattools import acf,pacf
from statsmodels.tsa.arima_model import ARIMA
import statsmodels.api as sm
purchaseRedeemTotal = pd.read_csv('./data2/total_date_purchase_redeem_after20140301.csv',names=['date','purchase','redeem'],parse_dates=['date'])
purchaseRedeemTotal.index = purchaseRedeemTotal['date'].tolist()
del purchaseRedeemTotal['date']
"""
1次差分 diff1
2次差分 diff2
两次差分均具备一定的周期性
故确定差分项d=0
"""
# purchase_log_diff1 = purchase.diff(1)
# purchase_log_diff2 = purchase.diff(2)
# purchase_log_diff1.plot(color='red')
# purchase_log_diff2.plot(color='blue')
# purchase.plot(color='yellow')
purchase = purchaseRedeemTotal['purchase']
redeem = purchaseRedeemTotal['redeem']
model = ARIMA(purchase.astype(float),order=(2,0,2))
results_ARIMA = model.fit(disp=-1)
predict_purchase = results_ARIMA.predict('2014-08-01','2014-08-31',dynamic=True)
print predict_purchase
# model2 = ARIMA(redeem.astype(float),order=(2,0,2))
# results_ARIMA2 = model2.fit(disp=-1)
# predict_redeem = results_ARIMA2.predict('2014-08-01','2014-08-31',dynamic=True)
# print predict_redeem
purchaseACF = pd.DataFrame(acf(purchase))
purchaseACF.plot(title = 'purchaseACF', kind ='line')
purchasePACF = pd.DataFrame(pacf(purchase))
purchasePACF.plot(title = 'purchasePACF', kind ='line')
plt.show()
