时序学习预测赛-读书笔记3

Day 5&6 建模预测&总结

时序建模与其他类型数据建模的差别

一、training set, testing set, validation set的划分（滑窗划分法）

​ 与其他结构型数据采取随机shuffle后切割原始数据集，或者考虑样本分布（targets分布）shuffle后划分原始数据集不同，时序数据由于其连续性，如果随机shuffle后切割会破坏时序特征。

​ 因此，时间序列数据需要通过滑窗的方法进行划分训练集、测试集和验证集。具体划分方法如下：

​ 步长为7天的解释：

​ 对于此次竞赛数据，当以一周为维度做EDA分析时，发现total_purchase_amt，total_redeem_amt有较为规律的周期性，因此选择步长为7天，可以确保每次在采取不同时间段数据训练、测试时，里面的周期是完整的。

二、加入周期因子

​ 回归到企业的真实业务场景，如果该时序数据是具体产品的某方面数据，那么在该产品运营的各个阶段，会存在不同程度的周期性规律。（如股票市场经历慢牛，会出现长期较为稳定的交易量增长趋势，此时定投人数较市场行情剧烈波动时多；如美元外汇市场，会跟随美国定期发布的非农业就业人口数据呈现周期性反应……）

​ 在此次比赛中，数据是关于支付宝的一项货币型基金的业务数据。支付宝货币型基金一般而言，有着低风险、流动性好（提现即时到账）、利率高于银行活期储蓄等特点。这也使得购买人群有以下习惯：

1. 有闲钱就想存进去

2. 缺钱用就取出来

3. 利率震荡期购买和赎回量随利率高低波动

4. 利率稳定期，交易量呈现较为明显的周期性变化

   因此加入周期因子可以在预测利率稳定期有着较好的预测效果。