银行离岸汇款客户交易预测

这是2018年招商银行最新的Fintech的复试习题，对于初学者而言，个人认为是一个不错的习题。
我在写这篇博客的时候，在这道数据分析题上已经战斗了5天，目前为止虽然得分不高，但是已经取得了阶段性的胜利。
在接下来几天里我回持续公布自己的思路，用到的方法。
希望与有志于数据分析的童鞋们切磋经验，欢迎留言交流！
## 赛题背景 
离岸汇款作为境外汇款的重点，通过历史交易信息，提前预测客户未来的交易频度及资金安排，尤其涉及账户行（关联行）的资金头寸调拨，对银行中收及存贷产品销售具有重要指导意义。本次比赛为选手提供脱敏的交易流水数据，希望参赛选手通过分析数据并建模，解决85%的可能下，币种为美元 ( 32 USD )：
1. 未来3个月的汇出汇款（QRTA）与汇入汇款（ISIR）的平均日交易数； 
2. 未来3个月的汇出汇款（QRTA）日平均交易额；
3. 结合汇入汇出交易及其他相关交易数据，预测3个月后联机余额排名前20的客户名单。

评价指标

 该题目是让参赛者提交概率下的交易数据，由于交易数据是已知的，我们会根据参赛者提交的数据和真实实际的数据进行打分，该题目的打分是根据平均日交易数及交易额通过mae进行评判打分（日平均交易次数及日平均交易额各占总分值30% ），TOP 20 用户根据预测结果排序与实际结果排序位移方差进行判定，如未能命中TOP 20客户，则记录超过20位移的值，与实际结果方差越小分数越高（占总分值 40%）。有关TOP20的评分法则，可参考TOP-N.py文件。

数据说明

 以下为竞赛数据集用于提供训练数据及建模验证。其中：
1. train_dataset.txt 为16年12个月交易数据，以 \t 为分隔符，可用作模型建立的数据训练集使用。
2. 预测及计算结果以UTF-8无BOM编码的txt文件上传，包含以下信息，如下所示： QRTA xxx 
ISIR xxx 
TOP20 xxxx 各标题与数据之间用 \t 为间隔符，
TOP20 中的各个客户编号，用 \t 分割开，具体格式如sample.txt所示。
计分规则：
参赛选手提交答案后会获得此次提交答案分数，计分规则是通过对已提交数据的偏差并根据偏差范围域进行评分的。
其中偏差计算逻辑为：
1. 问题1及问题2偏差规则。参赛选手通过提交日均交易数值x，与实际每天发生的交易数值相减后，除以天数n，得到偏差数值。偏差计算公式为
2. 问题3显示偏差信息为提交的TOP20结果排名与实际客户排名编号位置的标准差。实际计算python代码

偏差越小，分值越高，问题1、2各占30%，问题3占40%

 特别提醒 1）数据使用：本赛题数据仅允许用于本次竞赛相关活动，禁止其他用途。 2）外部数据：本赛题仅允许使用“竞赛数据”中提供的数据，不允许使用任何外部数据。 3）数据提交：每日每位参赛选手最多通过系统提交5次的结果，重复提交或提交格式错误均扣除有效提交次数，请谨慎提交答案集。

train.txt

https://pan.baidu.com/s/16FGZaCWgwmDvV4eabTs7gA

sample.txt

https://pan.baidu.com/s/1g-vbG1lQ8psYxe0PvuXfPg