基金交易量预测比赛_1_数据分析
1 简介
比赛
AFAC2025挑战组-赛题一：基金产品的长周期申购和赎回预测
提供了自 2024-04-08 以来 20
支基金的申购和赎回数据，以及对应几个界面的曝光量，比赛的目标是预测未来七天的交易量。
- 比赛地址：https://tianchi.aliyun.com/competition/entrance/532352/
- 官方数据下载地址：https://github.com/AFAC-2025/AFAC2025_train_data
本文将探讨面对未知领域数据的分析方法及对该领域的理解过程，力求结合常识与数据进行解读。
下面，先来看一下基金类型的分布情况，然后分析两个典型数据，一个偏股型基金和一个偏债型基金，为每支基金画个像。
（以下基金相关信息来源于大模型，可能不完全准确）
2 基金类型分布
比赛提供的数据虽然只有 20 支基金，但包含了 10 种不同类型，如下图所示。这些类型包括长债、短债、DQII、军工、科技、煤炭和新能源汽车等，每种类型的数据量并不多，时间跨度也较短，知识迁移可能受限。
从行业逻辑上来看，可以简单地分为偏股和偏债两种类型。偏债类型类似银行存款，波动小，上涨空间也有限；偏股类型则类似于股票投资，与具体股指或行业相关，一些灵活配置的基金与基金经理人的操作能力密切相关。
3 偏债类基金分析
000192 是一支典型的债券基金。图的上半部分，蓝色表示基金的申购量，绿色表示赎回量。下半部分的蓝色线表示该基金的净值，灰色则显示了大盘指数在同一时间段内的收盘价变化。可以看到，该基金表现一直比较平稳，盈利在前半段优于大盘，后半段逊于大盘。
1 | 基金代码: 000192 |
4 偏股类基金分析
再来看 164906，这是一支比较典型的偏股基金，DQII，重仓科技，涵盖互联网平台、云计算、人工智能等领域。其 90% 以上的资产投资于指数成分股（如腾讯、阿里、美团等），各个股票的权重与指数保持一致。
可以看到，该基金从始至终都跑赢大盘。在最后阶段，当大盘盈利 20% 时，它的盈利已接近 40%。
1 | 基金代码: 164906 |
5 申购和赎回的差异
从上图中可以看到，时序交易数据的典型特征表现为：周末和工作日的交易量存在差异，以及偏股型基金在 24.9 月的位置出现异动。可以看到，短期内的剧烈变化难以事先准确预测。
同时，上图中绿色线和蓝色线展现了不同的规律。通过对图的观察以及后续建模中特征重要性的分析，蓝色线代表申购量与时间的相关性较强，例如与某天是星期几或是处于月份中的哪个阶段等因素相关。这可能源于购买基金时常采用定投方式。从模型结果也可以看到申购量的误差更小。
相对来说，赎回量波动更大，更容易受到股市的影响。尤其是偏股基金在大幅上涨后，通常伴随着大量赎回，这可能是投资者用脚投票的一种选择。
以下纯属个人观点：我们注意到的大量赎回往往先于股市下跌，那么这是否可以视作上涨过程中的预警信号呢？例如，在 164906 基金中，可以观察到变盘发生在 2024 年 10 月 8 日（港股也差不多），而在图中 9 月底就已经出现了两次“迅速增高”的赎回峰值（后来我查看了所有 20 只基金，图中无论是偏股还是偏债，大多数在 9 月底都显示了这两次尖峰）。
6 大盘的影响
并不是每一只偏股型基金都都与 164906 波动形态一致，这可能涉及具体持仓的股票、赎回规则、特殊事件以及基金性质等因素。
可以看到的是，从 24 年 4 月到 25 年 7 月，大盘从 3000 点涨到 3600 点，上涨了 20%。因此，如果这段时间我的股票账户也有类似的表现，并不意味着我有什么操作能力，只是赶上好时机了。同时这也说明了这段时间相对短暂，数据无法覆盖涨跌的各种情况。
在这一年多的大盘趋势中，图中的灰线展示的是每日收盘价，因此没有反映出 3674 点的高点。高点这一天的收盘价为 3489 点。值得注意的是，在 24 年 9 月的低点，仅用了不到 10 天的时间，大盘便从 2700 点上涨到 3600 点。这种情况非常特殊，几乎无法泛化。
7 单支基金分析
下面详细分析 164906，它重仓的股票腾讯、阿里、美团都在港股，所以需要参考恒生指数，如下图所示：
每一波大涨都会伴随一波基金赎回，而赎回通常从上涨的后期就开始了。不过，并不是所有普通的上涨都会触发卖出，例如 25 年的 4-5 月，尽管上涨力度不小，但并没有导致大量赎回。
注意：需要对比基金所在市场的整体趋势，如果是 164906 基金就需要参考恒生指数，而不是沪深 300，否则就无法理解 3 月底的赎回量为何增加。
近期数据变化
比赛最后两天的数据（7 月 23 日和 7 月 24 日）显示出明显的放量赎回，这两天的数据甚至对模型产生了偏差——将这两天的数据加入模型训练后，模型对 6 月中旬至 7 月中旬的预测误差明显增大了 10%。
可能都不需要建模，普通人从 164906 的申赎图中也大概能猜到下周的赎回量将如何变化。
从下图指生指数日线中可以看到（鼠标虚线停在 7 月 24 日），23 日和 24 日这两天股市仍在上涨，而接下来的一周（25.7.28-25.8.1）如何发展——在图中也看到了。
相应的 A 股数据如下，基金大量赎回出现在蓝色标记框的那两天（20 支基金中至少有 15 支的赎回量明显增加：之前量能都是正常的，这两天的赎回量突然大幅增加，而申购量变化不大。全画在一张图上太乱，大家可以自己画一下），但在看 K 线图上是完全看不出变化的。
也就是说在 7 月 23 日和 24 日的上涨过程中，出现了大量基金赎回单。
背后的逻辑可能是：基金的赎回必定引发对应股票的下跌，而下跌的数据一旦形成，可能导致一些技术指标发生变化。一方面会引发近期上涨后获利盘的逃离；另一方面可能触发量化算法识别并卖出，形成踩踏。
据说现在的私募基金中，量化私募已经占了一半甚至更多，因此市场可能比以往更敏感，涨跌情况都会被放大，尤其在处于短期高位时，风险更大。
8 我的比赛失误
我对接下来的一周的预测，以 164906 为例，应该是这样的（红色表示赎回）：
（放大后可以看到从 25.07.22 开始，赎回单就变多了）
我发现最后两天的数据会影响模型，使得它对历史数据的预测精度下降了 10%。为了获得更好的成绩，我耍了一个小花招：去掉了 7.24 的数据。结果没考虑到历史数据是通过滚动填充的，这样就整体偏移了一天，最后以失败告终。我提交的结果如下：
不解释了，这些奇奇怪怪的前处理和后处理，为了拟合数据拼拼改改总是有点凑数的意思，最终我也自食恶果。
9 后续
看到这两天的数据后，我对周围的朋友说，最近几天可能会有变盘。有的小伙伴一直和我争论说长线还会涨，也有小伙伴听信我的判断，比我减仓还猛。
至于后面会怎么样，我也不知道。基金的申购和赎回数据是一个非常“有限开放”的领域，一般情况下 API 很难直接获取。比赛结束了，我也拿不到基金申赎量能数据了。而在这种信息极其有限的情况下，我们只能对短期进行预测。