互联网金融近几年成为业界和学术界讨论的热门话题。从国内学术界开始关注互联网金融领域不到三年的时间内,大部分研究都还只停留在定性层面,缺乏定量研究。本文从互联网金融资金流预测的角度出发,希望对国内互联网金融领域的研究起到补充作用。本文首先回顾了互联网金融领域目前国内外主要的研究成果和应用。然后详细介绍了STL分解法的理论原理和算法实现,并归纳梳理了时间序列预测的一些经典方法。之后本文重点介绍了STL分解和ARIMA、HW、Theta的组合预测模型。在最后的实证研究中同时用三种经典预测方法和组合方法对“余额宝”日申购额未来一个月的数据进行预测,并将不同模型的预测效果相比较,得出以下几项重要结论:1)组合预测模型先用STL分解将序列的各个成分分离,再针对各个成分选择最合适的预测模型,更容易了解数据的结构特征,使整个预测过程更容易解释且实用性强。2)组合模型将残差成分融入整个预测过程,提高了信息利用率,最大程度上减少了模型拟合过程中的信息损失。3)由于组合模型的思想是将各个成分表现优秀的预测模型组合在一起,因此组合模型在短期预测方面不仅表现良好,而且稳定。4)组合模型在长期预测上表现最好。长期预测的良好表现主要依赖于对长期趋势的预测,组合模型采用先分离时间序列成分,再对趋势项单独预测的方式,更好地刻画了长期趋势,进而保证了整体模型在长期预测上的出色表现。