基于机器学习资金流入流出预测
案例介绍
该项目根据资金流入流出历史数据，对蚂蚁金服公司余额宝资金未来30天流入流出的预测问题进行研究。主要任务是根据
1、用户信息表
2、用户申购赎回数据表
3、余额宝收益率表
4、上海同行业拆解利率表四个数据表中的时间序列数据信息进行预测，主要目的是预测所有用户每天的申购赎回的发生数量。
业绩:
该项目通过 EDA （探索性分析）报告，分析各因素联系，找出主要影响用户申购与赎回因素，因为数据由于历史数据不稳定且多
噪声。首先采用序列转换方法对不平稳序列进行差分处理提高其数据稳定性，其次对该序列进行模型识别和参数估计，利用基于 A
RIMA 时间序列模型初步预测，并对残差序列进行模型检验，不断优化模型为 SARIMA ，并对比长短期记忆（Long short-term m
emory，LSTM ）进一步提高预测准确性，此外并从周期性因子角度出发进行预测，最后利用通过检验的模型预测结果。
在此次的项目中主要是运用 Python 语言 进行数据的分析与可视化、建模以及优化。其中运用到 Python的 numpy、pyechart
s、pandas 等数据分析及可视化方法。
基于机器学习资金流入流出预测
案例介绍
内容:
该项目根据资金流入流出历史数据，对蚂蚁金服公司余额宝资金未来30天流入流出的预测问题进行研究。主要任务是根据
1、用户信息表
2、用户申购赎回数据表
3、余额宝收益率表
4、上海同行业拆解利率表四个数据表中的时间序列数据信息进行预测，主要目的是预测所有用户每天的申购赎回的发生数量。
业绩:
该项目通过 EDA （探索性分析）报告，分析各因素联系，找出主要影响用户申购与赎回因素，因为数据由于历史数据不稳定且多
噪声。首先采用序列转换方法对不平稳序列进行差分处理提高其数据稳定性，其次对该序列进行模型识别和参数估计，利用基于 A
RIMA 时间序列模型初步预测，并对残差序列进行模型检验，不断优化模型为 SARIMA ，并对比长短期记忆（Long short-term m
emory，LSTM ）进一步提高预测准确性，此外并从周期性因子角度出发进行预测，最后利用通过检验的模型预测结果。
在此次的项目中主要是运用 Python 语言 进行数据的分析与可视化、建模以及优化。其中运用到 Python的 numpy、pyechart
s、pandas 等数据分析及可视化方法。
案例图片
相似案例推荐
-
私有化系统部署
项目通过ansible脚本封装， 能快速实现私有化部署mys
-
日志系统kibana日志二级排序
背景：之前搭建ELK时候经常听开发人员反馈说日志的数据和服务
-
统一存储服务系统
项目描述 连用大数据邮件归档系统是用于协助企业将全部的
-
餐厅管理系统
餐厅管理系统开发项目 项目描述：本项目是一个订餐网站
-
餐厅管理系统
餐厅管理系统 开发项目 项目描述：本项目是一个订餐网
-
自动爬取题干并从题库中筛选出正确答案
通过网页爬虫获取对应问题的题干，然后在题库中查找到对应的题目
1小时精推人才
需求方专属客服，免费梳理匹配
