实战 A 股上市公司季度营收预测

1. 说明

 FDDC2018 金融算法挑战赛 01－A 股上市公司季度营收预测，是天池最近的一个算法比赛，7 月 15 是初赛提交的 deadline，就最后两天了，也没法做得太细，看看怎么用最短的时间，抓住最关键的值，搭个简单的架子。

2. 数据分析

1) 预测目标

 2018 年二季度的营业收入。

2) 已知数据

  题目提供的除了报表数据，提交格式以外，还有一些说明文档，这些文档都需要看一遍，很多对题目的疑问都可以从中找到答案。

3) 分析

  营业收入 REVENUE 在利润表 Income_Statement.xls 中，先来看看这个文件，它把金融，保险，银行和一般工商业分成四个 sheet 分别存放。

下面分析一下其中占比最高的一般工商业（General Business）公司，数据约 20 万条左右。涉及 3500 多家公司。时间范围是 2009 年 4 月到 2018 年 7 月。

一般报表中的所有项目都是一起发布的，所以预测营收时，同期的其它数据也不知道。相对于用上期的其它数据预测本期的营收，还不如用历史的营收数据预测本期营收。

  于是最简单的方法就是将其视为一个时间序列问题处理。用往期的营收，预测当期的营收，还可以参考：同比，环比作为对预测的验证。

4) 统计

  画个直方图看看每支股票对应多少条数据，如下图所示，多一半的公司数据条数在 80 条左右，从 2009-2017 约十年时间，每年四季度出四个报表，再去掉约一半的修正数据，也就是说一半以上的公司包含十年以来的全部数据。

  本来是想：将数据周期在 5 年以上的，使用周期趋势的预测方法，2-5 年的，用同比预测（参考去年同期）；2 年以下的用环比预测（参考前一季度）。后来一看，需要预测的 1500 支股票，基本没有少于 4 年的，看来是多虑了。于是直接使用周期趋势的预测方法。

3. 处理缺失处理

  数据有一些重复的情况，比如某支股票 N 在 2017 年一季报有两条，且数据不同，这是由于表中包含了起始发布的数据，和后来修改的数据，采取的方法是：最后发布的数据，还有一些重要，因为时间有限，暴力地使用了 drop_duplicates。

  另外，有一些月份数据缺失，按缺失数据的多少，参考同比、环比或者用均值填补，当然如果有时间，也可以在网上抓数据填充。主要是注意不要错位，导致周期混乱。我这次由于使用的是 prophet 模型，所以不存在这种问题，如果复赛平台不允许使用该库，就需要手工处理了。

4. 拟合时间序列曲线

  先找一个比较有规律的，比如 000009，方法是做 log1 后用 Prophet 模型回归。下图是对之后的三个季度做了预测。其中黑色点是实际值，蓝线是预测值，看起来还可以。

 Q1 是一季报，半年报 S1 包含了一二季，Q1 包含了前三季，A 是全年营收，一般来说，只把单个季度作为单位预测会更加准确一些，但本次我没做那么细。

  模型使用的是 Prophet，这个实在是特别简单。我觉得用其它方法真的很难在几个小时内完成一个比赛。预测 1500 个数据，我的机器大约训练半个小时左右。

5. 题外话

  看到这个题好长时间了，但评测的次数太少，少了很多刷榜的的乐趣，所以直拖到了截止日期的最后两天才开始写，核心代码 100 多行，天太热，不想弄了，提交参与一下，顺便分享给大家，算是抛砖引玉吧。

  虽然没花太多时间写代码，却也在这一个月里读了一些关于财报的科普书《手把手教你读财报》，《一本书读懂财报》，加上之前学过会计，对三张表有了些基本的了解。说实话，我觉得这两道股票相关的题出得也不是特别走心，像本题给出的数据，很容易从网上抓到。在其中主要以学习业务逻辑为主。除比赛以外，主要希望对之后的股票操作有一些帮助。

  明天最后一天，各位加油哦！