天池竞赛-资金流入流出预测总结

天池竞赛-资金流入流出预测总结

1.竞赛背景

时序问题:根据2013年7月份到2014年8月份的用户数据，预测支付宝每日的资金流入流出情况。

数据集情况

数据集主要包括四个表格:1.用户信息表主要记录用户的性别、城市

2.用户申购赎回数据表包括用户操作时间2013-07至2014-09之间，操作记录包括申购与赎回两个部分

data_balance = pd.read_csv("data/user_balance_table.csv")
data_balance['date'] = pd.to_datetime(data_balance['report_date'],format="%Y%m%d")
data_balance['day'] = data_balance['date'].dt.day
data_balance['month'] = data_balance['date'].dt.month
data_balance['year'] = data_balance['date'].dt.year
data_balance['week'] = data_balance['date'].dt.week
data_balance['weekday'] = data_balance['date'].dt.weekday
print(data_balance.head())

total_balance = data_balance.groupby(['date'])['total_purchase_amt','total_redeem_amt'].sum()
total_balance.reset_index(inplace=True)
fig = plt.figure(figsize=(20,6))
plt.plot(total_balance['date'],total_balance['total_purchase_amt'],label='purchase')
plt.plot(total_balance['date'],total_balance['total_redeem_amt'],label = 'redeem')
plt.legend(loc='best')
plt.title("在2013年7月13到2014年9月14的总出入金额")
plt.xlabel('Time')
plt.ylabel('amount')
plt.show()

3.收益表:余额宝14个月内收益率表

4.银行间拆借利率表: 14 个月期间银行之间的拆借利率表

结果表:主要提供对应日期的申购、赎回总额

评估指标:RE

2.竞赛思路

对数据进行分析

3.传统方法

使用xgboost、STL分解进行时序预测

4.深度学习方法

面对时序问题使用LSTM一般都具有较好的效果，LSTM的优势在于1.有效的解决的梯度消失的问题2.，

def create_data(amt):
    mid_time = 50
    d = []
    for i in range(len(amt)-mid_time):
        x = amt[i:51+i]
        d.append((x.tolist()))
    amt_np = pd.DataFrame(d).values
    amt_np = amt_np.reshape((101,51,1))
    X_train ,y_train = amt_np[:,:50],amt_np[:,-1]
    return X_train,y_train
amt = data[:-1]
X_train,y_train = create_data(amt)

def create_model():
    model = Sequential()
    model.add(LSTM(units=256,input_shape=(None,1),return_sequences=True))
    model.add(LSTM(units=256))
    model.add(Dense(units=1))
    model.add(Activation('linear'))
    model.compile(loss='mse',optimizer='adam')
    return model

model = create_model()
model.fit(X_train, y_train, batch_size=20,epochs=101,validation_split=0.1)

下面对数据集进行预处理将(条件进行处理),对网络当中的…参数进行设置，
构建模型，开始训练。

结果判断