统计模型：如何基于时序分析，预测余额宝的申赎金额？国民教育毕业生

“统计模型用好了，预测准确性也很高。”

今天和大家分享一个14年下半年作者独立负责的、基于时间序列模型的预测项目：余额宝的申赎预测。

大家都用过余额宝。

用户将资金转入余额宝，在行业上叫“申购”；将资金转出余额宝，或者用余额宝进行转账、购买等，在行业上叫做“赎回”。总的申购量大于赎回量，对于余额宝来讲，就是净流入；反之是净流出。

好几亿余额宝用户，每天都会发生巨量的申购赎回行为。15年的时候，每天流入流出的规模都在百亿级别。且随着余额宝用户的活跃度不断提升，申赎的规模也不断扩大。

这给余额宝的资金管理带来了巨大的难题。

第一个问题就是，今天（或者近期）余额宝是净流入还是净流出？如果是净流入，基金经理需要将净流入的资金尽可能投资出去，避免滞留手中导致基金收益率下降；如果是净流出，基金经理则需要提前预留到账资金，应对资金赎回压力。

其次的问题是，到底净流入或者净流出的规模有多大？这就是一个典型的预测问题。如果预测的精准，基金经理可以预留比较少的资金安全垫，提升收益率。

因此，我基于余额宝的历史数据，建立了时序模型，预测未来一段时间（7天、14天、30天）以及当天的申赎金额。随着对业务理解的不断加深，预测模型的精准度也不断提升。最终实现当天预测当天的精准度在99%左右，预测未来7天时间的精准度平均95%以上，预测未来30天的精准度在90%以上。

有意思的是，在15年的5月份，阿里的天池大赛也搞了一个赛题，就是预测余额宝的申赎金额。如下图：

链接如下，感兴趣的朋友可以看看，题目里的数据进行了脱敏，且只提供了13年-14年8月份的训练数据，来预测14年9月份一个月的情况

https://tianchi.aliyun.com/competition/entrance/231573/introduction

这个赛题现在已经长期开放了。当初我还作为赛方到现场听了一些团队的分享。

首先讲讲业务在数据上的一些规律，这对建模过程至关重要。每个因素、每个业务规律，都是影响预测准确性的因子。也是模型的业务解释方向。

先看申购。先看一个总体转入金额的走势：

申购层面，影响的因素主要有星期周期因素、工资发放因素、阿里活动因素、节假日因素、收益率因素、支付宝的自动转入等。

星期周期：这个是比较明显的因素。由于受到基金特点的影响，在每天15点以后申购的行为将记为次交易日申购。因此周五15点以后的申购将与周一的申购一样，白白浪费周末两天的收益损失，因此周六周日申购很少。

月度工资发放：这个主要和工资的发放有直接关联。很多用户会在发工资后直接转入余额宝。因此工资发放日会带来更多申购。日期往往是1号、10号、15号、月末。

阿里系活动：这个和阿里经常做的活动密切相关。

节假日：和星期因素类似，大型节假日期间申购会丧失收益，因此转入很少。用户会在节假日之前转入。

余额自动转入：很多支付宝用户开通了余额自动转入余额宝。每天凌晨到9点会系统自动转入。

收益率：余额宝收益率的高低会影响大家转入的多少。

为了便于分享，关于影响因素的拆解，主要罗列以上这些。

再看赎回，以下是赎回的金额走势：

在赎回层面，影响的因素主要有星期因素、还信用卡、节假日、消费活跃情况、阿里活动、收益率（及资本市场情况）、转出到卡转账等。

星期因素：和申购类似，周末的赎回是延期到账的。因此整体周末的赎回是要远少于申购的

还信用卡：还信用卡日期经常固定在每个月几个比较大的日期，尤其是下旬的还卡金额较多

节假日：在很多节假日前用户会有较多资金需求，倾向转出

消费活跃：很多用户是用余额宝进行支付的。总体消费的活跃上升，会带来余额宝的赎回也上升

阿里活动：主要就是双十一等大促，对余额宝的赎回影响巨大

资本市场：在股市疯涨、IPO重启的时候，打新资金、流入股市的资金对余额宝赎回产生不小影响。

关于余额宝的申赎影响因素，以上是比较主要的一些，暂时分享到这里。

模型的核心逻辑，采用的是时间序列的分解法，将每日的申赎结果，认为是四个因素影响的：长期趋势因素、季节因素、星期因素、其他因素。最后用乘法模型，将每个因素参数相乘：

具体建模过程如下：

首先进行申购和赎回数据的预处理，进行异常值的剔除。主要包括大额机构的申赎、双十一大促等。

白名单机构的大额申赎，往往单笔金额就好几亿，对模型是有影响的，因此首先要剔除。另外双十一的活动，由于过于低频，且每年情况不一样，也进行数据的剔除。

另外，由于13年余额宝处于飞速发展期，在数据使用上，我直接用14年的数据开始建模，排除业务爆发期的影响。因此大约有8个月的数据作为建模数据。

这里的长期因素，其实主要就是上文分析中提到的收益率因素、用户余额宝使用活跃情况等。

从上面的截图中也可以看出，余额宝的申赎金额总体都在上涨趋势中。这里要预测的，就是该趋势。

具体实现上，在做完数据预处理的基础上，进行线性回归模型的建立。

上图其实是个示意图了，数据已经到了17年了。在当时的建模情况下，我使用的数据就是近半年的数据作为长期趋势的预测。过长的数据做预测，将失去意义，并不能很好反映当前的状况。因为历史数据会有较大干扰。

长期趋势因素确定后，用每天数据与长期因素做除法，排除掉长期因素的影响，只剩下周期因素等因素。

这里的周期因素，其实包括了星期和月度因素。

星期因素影响因子的确定，有很多办法，我是将历史同周期进行了求动态均值，即最近3个月平均值。

获得星期的参数后，再次用排除长期趋势的参数除以星期参数，排除星期的影响因素，此时主要是月份的影响因素了。

针对月份的因素做同样的处理，则得到月度的因子参数，如下是申购的：

从这个图中明显看出，1号、10号、15号确实是申购的小高峰。

申购、赎回，基本都是基于相似的逻辑，进行处理。

到这里，我们获得了长期趋势因素、月度因素、星期因素的因子。但根据第二章节中提到的，影响申赎的因素，还有节假日、活动等。这对节假日，需要再进行专门性的参数获取。

根本方法和之前也是一致的，用排除长期趋势、周期因素的数据后，专门讲节假日（国庆、春节等）前后的数据拿出来，做参数。但是由于当初是14年，可用的数据不多，因此对于长假的预测效果不是很好，但是3天小长假的数据表现还可以。

到这里，基本各类参数的计算，就算完成了。在做预测的时候，按照上述的过程，用各个因素进行乘法计算，即可获得未来一段时间的预测结果。

另外，在实践中，其实还有一个场景更高频一些，就是当天预测当天。比如目前是上午11点，预测今天截止下午3点的申赎。针对这个场景，在原来的模型基础上，做了一些调整。主要是加上了当日的数据走势。

由于能看到实时数据，而且只是预测当天数据，输入模型的数据采用了昨日数据以及当天的情况，因此这个预测精度极高，往往达到99.5%以上。

关于余额宝的申赎预测，就先分享到这里，很多细节内容一方面我已经没有原始数据了，另一方面确实写不完。所以就先把预测的思路框架写这些，欢迎各位小伙伴继续关注~

-END-