资金流预测模型参数调优实战

📚 共计 30 章节

资金流预测概述

什么是资金流预测 · 为什么需要 · 典型应用场景：企业现金流、银行头寸、个人理财

数据准备与探索

数据来源（银行流水、ERP系统）· 数据清洗 · 可视化：趋势图、季节性分解

时间序列基础

平稳性 · ACF与PACF · 白噪声检验

统计自相关

经典模型：MA/AR/ARMA

移动平均(MA) · 自回归(AR) · ARMA模型原理与实现

差分操作 · ARIMA(p,d,q)定阶 · 模型拟合与诊断

季节性ARIMA (SARIMA)

季节性周期识别 · SARIMA参数 · 案例：月度现金流预测

Facebook Prophet原理 · 趋势与季节项 · 节假日效应 · Python实战

Prophet节假日

RNN基础 · LSTM门控机制 · 时间步与序列长度

Keras搭建LSTM · 数据归一化 · 训练与预测 · 模型评估

XGBoost与LightGBM

特征工程（滞后特征、滚动统计）· 树模型在时间序列中的应用

XGBoostLightGBM

模型集成策略

简单平均 · 加权平均 · Stacking集成 · 多模型融合预测

超参数调优基础

网格搜索 · 随机搜索 · 贝叶斯优化原理

GridSearch贝叶斯

安装与配置 · 定义目标函数 · Trial与Study · 可视化结果

搜索空间 · TPE算法 · 并行调优

ARIMA参数调优

自动定阶(auto_arima) · AIC/BIC准则 · 调优案例

Prophet参数调优

changepoint_prior_scale · seasonality_prior_scale · 调参实战

LSTM超参数调优

神经元数量 · 层数 · 学习率 · Dropout率 · 批次大小

n_estimators · max_depth · learning_rate · subsample · 早停法

num_leaves · min_data_in_leaf · feature_fraction · 调优对比

交叉验证策略

TimeSeriesSplit · 滚动窗口验证 · 扩展窗口验证

交叉验证时间序列

MAE · MSE · RMSE · MAPE · SMAPE · MASE · 适用场景

过拟合与欠拟合

诊断方法 · 正则化 · 早停法 · Dropout · 数据增强

过拟合正则化

特征工程进阶

日历特征 · 滞后特征 · 滚动统计 · 差分特征

特征工程日历

多步预测策略

递归多步 · 直接多步 · Seq2Seq · MIMO策略

不确定性量化

预测区间 · 分位数回归 · Monte Carlo Dropout · 贝叶斯方法

不确定性区间

异常检测与处理

基于统计 · 基于模型 · 异常值对预测的影响

异常检测鲁棒

Pickle/Joblib · Flask API · Docker容器化

部署FlaskDocker

监控与回测

性能监控 · 数据漂移检测 · 定期重训练 · 回测框架

案例实战（一）

企业周现金流预测 —— 从数据到模型全流程

实战现金流

案例实战（二）

银行日头寸预测 —— 多模型对比与调优报告