资金流入流出-EDA

载入包

pacman::p_load(tidyverse, data.table, forecast, zoo)

读入数据

balance = fread("tianchi-zijin/datasets/user_balance_table.csv")

## 
Read 0.0% of 2840421 rows
Read 23.9% of 2840421 rows
Read 51.4% of 2840421 rows
Read 63.0% of 2840421 rows
Read 74.3% of 2840421 rows
Read 95.1% of 2840421 rows
Read 2840421 rows and 18 (of 18) columns from 0.147 GB file in 00:00:09

head(balance)

##    user_id report_date tBalance yBalance total_purchase_amt
## 1:       1    20140805    20385    20383                  2
## 2:       1    20140808    20391    20389                  2
## 3:       1    20140811    20397    20395                  2
## 4:       1    20140814    20403    20401                  2
## 5:       1    20140817    20409    20407                  2
## 6:       1    20140820    20415    20413                  2
##    direct_purchase_amt purchase_bal_amt purchase_bank_amt total_redeem_amt
## 1:                   0                0                 0                0
## 2:                   0                0                 0                0
## 3:                   0                0                 0                0
## 4:                   0                0                 0                0
## 5:                   0                0                 0                0
## 6:                   0                0                 0                0
##    consume_amt transfer_amt tftobal_amt tftocard_amt share_amt category1
## 1:           0            0           0            0         2        NA
## 2:           0            0           0            0         2        NA
## 3:           0            0           0            0         2        NA
## 4:           0            0           0            0         2        NA
## 5:           0            0           0            0         2        NA
## 6:           0            0           0            0         2        NA
##    category2 category3 category4
## 1:        NA        NA        NA
## 2:        NA        NA        NA
## 3:        NA        NA        NA
## 4:        NA        NA        NA
## 5:        NA        NA        NA
## 6:        NA        NA        NA

每日申购及赎回总量

首先，直接汇总每日申购和赎回总量(2013-07-01至2014-08-31)。

# 汇总到每日
dt = balance[, .(purchase = sum(total_purchase_amt),
                 redeem = sum(total_redeem_amt)), report_date]
dt$report_date = as.Date(as.character(dt$report_date), format = "%Y%m%d")
dt = dt[order(report_date)]
head(dt)

##    report_date purchase  redeem
## 1:  2013-07-01 32488348 5525022
## 2:  2013-07-02 29037390 2554548
## 3:  2013-07-03 27270770 5953867
## 4:  2013-07-04 18321185 6410729
## 5:  2013-07-05 11648749 2763587
## 6:  2013-07-06 36751272 1616635

tail(dt)

##    report_date  purchase    redeem
## 1:  2014-08-26 306945089 285478563
## 2:  2014-08-27 302194801 468164147
## 3:  2014-08-28 245082751 297893861
## 4:  2014-08-29 267554713 273756380
## 5:  2014-08-30 199708772 196374134
## 6:  2014-08-31 275090213 292943033

画出每日趋势图

dt_reshape = melt(dt, id.vars = "report_date")
ggplot(dt_reshape, aes(x = report_date, y = value, group = variable)) +
  geom_line(aes(color = variable), size = 1) + 
  scale_color_manual(values = c("red", "black")) + 
  theme_bw() +
  theme(legend.position = "top", legend.title = element_blank()) 

初步的观察结果：

• 数据趋势：前期缓慢增长，中期快速增长，后期又趋于平稳
• 数据存在频繁的周期波动，应该是周波动，即存在周期为7
• 根据数据的性质，应该存在月周期性，比如发工资的高峰（每月10日等）应该也会带来申购的高峰，图上暂不易看出，后续进一步分析
• 长期来看，数据应该还存在年周期性
• 数据的最低谷是2014年的春节期间，因此数据受到假期因素影响
• 申购赎回相关性：
  • 在大部分日期，可以看出红黑线条波动很相似，在2014年3月之前，申购一般多于赎回，而2014年3月之后，申购和赎回的量级相似，甚至赎回大于申购
  • 相关性说明同时预测两者损失的信息会比较少
  • 整体来看，虽然申购和赎回是正相关的，然而在一些异常的日期，申购特别高、赎回特别低，或者赎回特别高、申购特别低，可能存在推广活动或利好、不利信息带来的影响

---

待续。