数据准备与探索：打好资金流预测的第一仗

说实话，很多做资金流预测的朋友，一上来就急着调模型、跑参数。我见过太多这样的案例了。结果呢？数据质量不行，模型再花哨也是白搭。我个人习惯，花在数据准备上的时间，至少要占到整个项目的40%。

这一章，我们就来聊聊数据从哪里来，怎么洗干净，以及如何通过可视化找到规律。嗯，这些都是基本功，但恰恰是决定成败的关键。

数据来源：银行流水与ERP系统

资金流预测的数据，主要来自两个地方：银行流水和ERP系统。两者缺一不可。

• 银行流水：记录了每一笔真实的资金进出。包括收款、付款、手续费、利息等。这是最权威的数据源，但往往比较粗糙。
• ERP系统：记录了业务层面的订单、采购、库存、应收应付等信息。它能告诉你「为什么」会有这笔资金流动。

我在项目中遇到过一个问题：银行流水显示某天有大额支出，但ERP里找不到对应的采购单。后来一查，是财务手动做了笔调账。你看，两个系统对不上，预测就会出偏差。

数据清洗：缺失值与异常值处理

数据拿到手，第一件事不是分析，而是清洗。说白了，就是「去伪存真」。

缺失值处理

银行流水偶尔会有缺失，比如某天没有记录。ERP系统也可能因为人为操作漏掉一些单据。怎么处理？

• 删除法：如果缺失比例很小（比如<1%），直接删掉那几行。简单粗暴，但有效。
• 填充法：对于时间序列数据，我常用前向填充（ffill）或后向填充（bfill）。比如某天缺失，就用前一天的数据补上。
• 插值法：如果缺失较多，可以用线性插值或多项式插值。不过要小心，别引入太多人为噪声。

# 示例：用pandas处理缺失值
import pandas as pd

# 读取银行流水数据
df = pd.read_csv('bank_flow.csv', parse_dates=['date'])

# 检查缺失值
print(df.isnull().sum())

# 前向填充
df['amount'].fillna(method='ffill', inplace=True)

# 或者用线性插值
df['amount'].interpolate(method='linear', inplace=True)

异常值处理

异常值，就是那些明显不合理的数据。比如某天突然出现一笔100亿的转账，但公司实际业务规模只有几千万。这多半是数据录入错误。

我曾经遇到过一个案例：某公司连续几个月的数据都很平稳，突然有一天支出是平时的100倍。我一开始以为是业务爆发了，结果一查，是财务把「元」和「分」搞混了。嗯，这种坑，踩过一次就记住了。

常用的异常值检测方法：

• 3σ原则：数据服从正态分布时，超过均值±3倍标准差的值视为异常。
• 箱线图法：用四分位数（Q1和Q3）计算IQR，超出Q1-1.5*IQR或Q3+1.5*IQR的值视为异常。
• 业务规则法：比如单笔金额不能超过公司注册资本的某个比例。这个最靠谱，但需要业务知识。

# 示例：用箱线图法检测异常值
Q1 = df['amount'].quantile(0.25)
Q3 = df['amount'].quantile(0.75)
IQR = Q3 - Q1

lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

# 标记异常值
df['is_outlier'] = (df['amount'] < lower_bound) | (df['amount'] > upper_bound)

# 查看异常值
print(df[df['is_outlier']])

数据可视化：趋势图与季节性分解

数据洗干净了，接下来就是「看」数据。可视化能帮你快速发现规律，比如趋势、周期、异常点。

趋势图

最简单的，画一条时间序列折线图。横轴是时间，纵轴是资金流入或流出。一眼就能看出整体趋势是上升、下降还是平稳。

# 示例：绘制资金流入趋势图
import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(df['date'], df['inflow'], label='资金流入', color='blue')
plt.plot(df['date'], df['outflow'], label='资金流出', color='red')
plt.xlabel('日期')
plt.ylabel('金额（万元）')
plt.title('资金流趋势图')
plt.legend()
plt.grid(True)
plt.show()

你想想看，如果趋势图显示资金流入持续下降，但流出却在上升，那说明公司可能面临流动性危机。这种信号，模型再复杂也骗不了人。

季节性分解

资金流往往有季节性。比如零售行业，节假日前后资金流入会暴增。制造业，月底可能是付款高峰。季节性分解能帮你把这些规律拆开来看。

常用的方法是STL分解（Seasonal-Trend decomposition using LOESS）。它把时间序列拆成三部分：

• 趋势分量：长期的变化方向。
• 季节分量：固定周期的波动，比如每周、每月、每季度。
• 残差分量：随机波动，也就是无法解释的部分。

# 示例：用statsmodels进行季节性分解
from statsmodels.tsa.seasonal import STL

# 假设数据是日频，周期设为7天（周周期）
stl = STL(df['inflow'], period=7)
result = stl.fit()

# 绘制分解结果
fig = result.plot()
plt.show()

知识体系：一张图看懂本章核心

下面这张SVG图，总结了本章的核心逻辑。从数据来源到清洗，再到可视化，每一步都是环环相扣的。

这张图你看懂了吗？从左到右，数据从原始状态一步步变成可用的分析素材。每一步都有坑，但每一步也都有方法。

好了，数据准备和探索就聊到这里。记住，这一步做扎实了，后面的模型调优才能事半功倍。别急着跑模型，先把数据伺候好。

---