互联网货币基金作为一种新型的理财产品,其收益的监测与预测越来越受到大众关注。由于互联网货币基金的收益数据具有非平稳性和非线性的特征,会使收益数据表现出一定的波动性,并伴随有许多无效噪声成分。这些波动和噪声受随机因素的影响,难以控制,传统时间序列预测方法很难将其中的噪声信息分离,从而造成预测精度不佳。基于此,本文以互联网货币基金为研究对象,从特征角度出发对其发展现状进行深入探析,并剖析当前发展所存在的问题与可能带来的风险。针对传统时间序列模型的不足,本文在此基础上引入小波分析,首先对数据进行去噪处理,剔除数据中的无效噪声,极大程度地保留有效信息,再将去噪后的数据带入时间序列模型中进行收益预测。特别地,选取余额宝进行具体预测研究,结果发现:①传统金融时间序列模型预测结果整体趋势与实际数据相一致,说明了模型拟合的整体效果良好,但一些细节处无法较好的拟合,预测结果具有一定滞后性。②基于Birge-Massart策略,利用sym4小波进行五层分解的去噪过程,对本文样本数据的适应性最好,既保留了原始序列的特征,又保留了部分细节特征。③基于小波分析的金融时间序列模型,避免了在传统时间序列预测模型中显现出的无关波动性,预测数据的滞后现象也有所消除。通过对两组预测结果均方根误差的对比发现,引入小波分析的时间序列预测模型预测效果优于传统模型,投资者能够通过前者的预测结果作出相对准确的投资决策。