随着信息技术逐渐深入人们的日常生活,金融领域也开始了全方位的科技化改革,以互联网为依托的网上银行得到了金融业的高度关注。为了提高自身竞争力,加速完成从传统银行的转变,各大银行均将网上银行的发展提上了日程。网上银行的实质是虚拟银行,它不存在任何实体机构,仅以互联网为载体连接客户与银行。网上银行可以帮助客户在任何时间、任何地点以任意的方式实现交易需求、获得全方位的服务。在这个快节奏的社会里,实时、快捷、方便和成本低等优势使网上银行极大的满足了客户的使用需求。近年来,网上银行个性化产品的开发在向更深层次纵深,年交易额总量也在逐年增加。虽然与传统业务相比,网银业务的消费者占比和交易额占比较小,但仍存在着较大的发展空间。因此对网上银行的交易量情况进行研究,可以为网上银行的产品开发以及多维度发展提供重要依据,对整个银行业的发展具有重要意义。本文选取工商银行网上银行2018年9月到2019年3月的交易量数据作为研究对象,利用Eviews软件、Excel软件和R语言对数据进行处理并建立模型分析。模型建立前,选取2018.9至2019.2共180天的交易量数据作为训练数据集,2019.3的交易量数据作为测试数据集。经过对国内外研究情况的对比分析,选择ARIMA模型、岭回归、Lasso和弹性网络对数据建模,对比预测结果。实证分析显示ARIMA模型的预测精度高于正则化线性模型。ARIMA模型可以对交易量数据进行一个较为系统的描述,正则化线性模型能够捕捉到多元化因素对交易量数据的影响。因此本文利用ARIMA模型和正则化线性模型的组合模型再次对交易量数据建模,将单一模型和组合模型的预测结果比对后发现组合模型的预测精度高于单一模型。最后本文将选取的7种模型的预测结果进行统一比对,旨在找到解释性强且预测精度最高的模型。