随着全球经济一体化的发展以及未来经济不确定性的增加,传统的行业景气分析已经不再适用于目前错综复杂的形式,而企业对于资金流的需求显著性增加。今年新冠肺炎引发的全球系统性风险使得人们对于灰犀牛以及黑天鹅事件的关注程度明显高于以往,企业往日那种高速发展举债度日的发展模式面临巨大的挑战,因此正是基于现实情况的不断发展以及潜在风险的变化,企业以及个人对于未来现金流的预测需求越来越高,本文就是在此背景之下通过阿里支付宝数据的资金流作为研究对象,试探性的对资金预测展开分析。本文将基本的数学原理进行组合得到小波神经网络,对小波神经网络的优点以及组合原理进行了详细的阐释,其次通过两部分析法对小波神经网络进行时间序列建模,得到线性分离式小波及非线性嵌入式小波神经网络。最终本文通过2.8万用户的基金购买指标进行分析,利用上述模型对上证50信息、余额宝用户流水信息进行预测,构造出模型的预测信息结果,随后再利用预测日的上证50结果作为新模型的输入,对现金流进行预测。并对比经典支持向量机模型、狼群算法模型得到嵌入式小波神经网络预测综合性能更优的结论。本文还加入了资金预测经典模型支持向量机模型、狼群优化算法模型进行资金预测效果对比分析,证明了本文创新模型的可行性及预测精度。本模型的实现,可为资金预测企业提供服务,故具有一定意义。