基于时间序列算法的网银交易量预测

摘要

在“数据爆炸”的大数据时代，巨大的数据量，价值密度低的数据特点促使人们学习从庞大的数据转换成有用的信息和知识的技能。数据挖掘是大数据时代的产物，它是从庞大数据中发现潜在的有用信息的过程。
　　时间序列分析是大数据分析中很常见的一个部分，时间序列预测又占据了十分重要的地位，它是指根据历史数据，利用科学的方法和技术进行合理的分析，发现其中的规律，最终实现对事物发展趋势的评估。时间序列分析的挖掘与预测具有非常重要的现实意义，被广泛运用在宏观经济、企业管理等方方面面，特别是对于金融行业的发展和金融规律的研究。
　　本文实践基础是基于浦发银行网银交易量预测项目。网银越来越多的进入到人们生活中，网银交易成为银行一大主要业务。每日网银交易量形成一个时间序列，所以我们试图建立合适的模型，让经营者对未来的数据进行预测并对自己的业务作出相应调整。
　　本文首先分析国内外学者对时间序列的特性、分析方法以及预测进行的相关研究，并将其最终运用到实际项目中。数据由浦发银行提供，通过预测分析的基本方法：回归法、移动平均法来分析浦发银行网银交易量历史数据，从而预测2014年5月后每日网银交易量。取得预测结果之后，通过预测结果即数据曲线的拟合程度来判断该系统的合理性和可信性，最终搭建完成时间序列预测系统。
　　本文完成工作包括：
　　（1）分析不同时间序列模型的优缺点，分析时间序列、数据挖掘的发展，并阐述数据处理的一般方法进行数据预处理，增强数据预测能力，优化数据结构和质量，达成最终预测结果准确率提升的目的。
　　（2）分析阐述算法的用法，对时间序列经典算法进行综合比较并确定合适此项目的时间序列预测算法。最终确定本项目利用Microsoft时序算法，这是使用ARIMA与ARTXP相结合的时间序列预测算法。
　　（3）实现时间序列预测平台搭建与完善，实现网银交易量分析，改变系统参数配置，优化数据处理等方式，完善系统的使用性。