機器學習
使用機器學習預測非到期存款
我需要預測銀行中的非到期存款。我的意圖是使用遞歸神經網路（又名深度學習）來模擬時間序列。
該模型將從過去的銀行數據和宏觀經濟變數中學習，並根據預測變數預測未來三年的存款。
兩個問題：
- 您認為這種方法有問題嗎？
- 我相信使用這種技術不需要計算核心存款水平來預測總存款，這個假設是否正確？
這歸結為時間序列預測，這對金融數據尤其具有挑戰性，因為金融展示了所有使預測變得困難的因素：非平穩、低信噪比等。
在預測存款的情況下，我非常懷疑即使您設法弄清楚所有相關變數，您能否獲得令人滿意的結果。然後你會遇到一個叫做維度災難的問題，因為你永遠不會有數百萬或數千（甚至數百）年的數據來訓練你的模型。
一般來說，關於機器學習算法需要注意的一件事是，它們（可能）非常擅長插值，但非常不擅長外插，這意味著你的模型在你最需要它的時候會失敗。
所以我對你的問題的回答“你覺得這種方法有問題嗎？” 是你可能會在無關緊要的時候得到好的預測，即當存款沒有真正改變時，但當你在未知領域時，預測可能會慘遭失敗。
這適用於提前幾個月的預測……更不用說三年了。
關於第二個問題，我會嘗試有無核心存款，看看是否有任何解釋力。
一個有用的起始參考是 tensorflow 關於時間序列預測的教程，它使用卷積和循環神經網路來預測天氣。您可以嘗試將它與您的數據一起使用來預測樣本期之外的情況。
https://www.tensorflow.org/tutorials/structured_data/time_series