这里的alpha预测值为0.59，beta预测值为1.00。这都是非常高的值，告诉我们无论是水平上，还是趋势的斜率，当前值大部分都基于时间序列上最近的观测值。这样的直观感觉很好，因为其时间序列上的水平和斜率在整个时间段发生了巨大的变化。系数a为0.13，b为-0.004。
图3误差平方和
预测样本内误差的误差平方和是0.0716，误差非常的小。
我们可以用黑色线条画出原始时间序列分布，用红色线条画出顶部的预测值：
图4Holt-Winters filtering
从该图我们可以看到样本内预测趋势非常接近观测值，尽管他们对观测值来说有一些延迟。
未来8个月预测
图5未来8个月预测结果
通过霍尔特指数平滑我们也测了从2016年7月到12月6个月行业的资金流入率的值，由图可知2016年8月行业的资金流入率为12.53%，80%预测区间的下限是-5.23%，上限是30.3%，95%预测区间下限是-14.64%，上限是39.71%。
图6原图及预测图
预测的部分使用蓝色的线条标识出来了，深蓝阴影区域为80%预测区间，浅蓝阴影区间为95%的预测区间。
图7残差检验结果
从样本相关图中可以看出自相关系数在0.6阶以内未触及置信界限。为了验证在滞后0.6阶以内非0相关是否显著，我们可以使用Ljung-Box检验，通过R软件运行得到以下结果：
图8Ljung-Box检验
自由度为9时，这里Ljung-Box检验统计量为2.3，并且P值是0.9858，所以这是不足以证明样本内预测误差在1-20阶是非零自相关的。
图9时间段预测误差图
由于数据量较少，数据的预测误差的平稳性不太明显，因此我们才需要用Ljung-Box检验。
图10正态曲线的预测误差分布的直方图
这个图展现出预测误差大致集中分布在零附近，或多或少的接近正太分布，尽管图形看起来是一个偏向右侧的正态分布。然后，右偏是相对较小的，我们可以可以认为预测误差是服从均值为零的正态分布。
这个Ljung-Box检验告诉我们并不足以证明样本内预测误差是非零自相关的，预测误差的分布看起来似乎也是零均值的正态分布。这暗示我们这个霍尔特指数平滑为资金流入率的预测提供一个适当的预测模型，它是不能再被优化的。此外，假定基于80%和95%的预测区间是可能有效的（这里预测误差没有自相关系数，并且预测误差服从零均值，方差不变的正态分布）。
图11成交额&资金流入率
2015年11月之前，网贷行业成交额上升速度较快，之后增速开始变缓，但是整体上在保持增长趋势，市场份额的增加并没有促进网贷行业的资金流入率增长，P2P行业的资金流入率一直在保持下降趋势，12月降幅特别大，这与去年某租宝暴雷事件有直接关系，某租宝涉案金额巨大。此外在监管政策下，P2P成交额始终保持增长，增幅减慢了，处在一定的影响，但并不是那么明显，然而对资金流入率的影响非常明显，直接淘汰了一批不合规平台，规范了各个P2P平台，促进平台进行资金安全隔离、银行存管及第三方托管，投资的规范操作使沉淀在平台的资金越来越少。
图2霍尔特指数平滑结果
统计预测结果
P2P网贷行业资金流入率分析霍尔特指数平滑与拟合样本图
预测方法是基于Holt指数平滑法，应用R统计分析软件得到的结果。
Holt指数平滑法估计当前时间点的水平和斜率。其平滑化是由两个参数控制的，alpha，用于估计当前时间点的水平，beta，用于估计当前时间点趋势部分的斜率。正如简单指数平滑法一样，alpha和beta参数都介于0到1之间，并且当参数越接近0，大多数近期的观测则将占据预测更小的权重。
如果你的时间序列可以被描述为一个增长或降低趋势的、没有季节性的相加模型，你可以使用霍尔特指数平滑法对其进行短期预测。
霍尔特指数平滑法简介
P2P，P2P网贷行业资金流入率分析1.1 资金流入率——霍尔特指数平滑预测
2015年11月到12月，某租宝事件发生时期，事后有专业人事宣称此次事件对行业影响不大，但是从图中可以看到资金流入率实际上却发生了重大的影响，这个影响非常显著，使整个行业的资金流入率从43.5%直接暴跌到19.52%，降幅超过20%，这种变化影响是非常深远的，本来资金流入率从2015年7月至2016年6月以来是呈现出缓慢下降的趋势的， p2p行业整体吸收资金的比率是在不断下降的，但是某租宝事件大大加速了这一变化的进程，野蛮而直接的使行业的资金流入率出现暴跌。
自2015年7月到2016年6月1年，网贷行业的资金流入率表现为逐月下降趋势，周期季节性因素影响较弱，资金流入率从高于40%跌至12.89%，说明P2P行业受监管政策的影响导致资金净流入比例整体上下降，P2P资金流入率逐渐下降，受政策紧缩的影响，沉淀在网贷平台的资金占比越来越少了。
网贷行业上半年的平均资金流入率为27.81%，占比不到三分之一。
图1行业资金流入率（2015/7-2016/6）
P2P网贷行业资金流入率分析三、资金流入率数据分析
由于是对网贷行业做的整体性研究，所以抽样时我们按比例抽取正常平台和问题平台，最终，我们从网贷天眼数据库中选定了477家平台的P2P网贷平台，进行抽样统计。
另外，为减少P2P网贷平台同质化对平台资金流入率的影响，在选择样本平台时，我们尽量选择差异性较显著的P2P网贷平台，在地域、业务模式、平台规模、资本背景等参考指标上尽可能体现样本平台的多样性。
截至2015年6月底，全国正常运营的P2P网贷平台有4056家，逐一计算每家P2P网贷平台的资金流入率存在一定困难。为简化运算，我们选择网贷天眼数据库中数据比较详实的P2P网贷平台为样本，通过样本分析观测P2P网贷行业平台的资金流入率指标。
二、样本选择
P2P，P2P网贷行业资金流入率分析比如，假设某平台2016年1月份完成的标的金额为164万元，资金净流入103万元，那么该P2P网贷平台1月份的资金流入率为103/164*100%，即62.8%。
Tm为m月成交额。
Sm为m月资金净流入；
Vm为m月的资金流入率；
m为月份，自变量；
P2P网贷行业资金流入率分析其中，
根据以上分析，定义有完成标的金额中资金净流入占比，那么P2P网贷平台的月度资金流入率算式表示为：
2、公式定义
解读：P2P监管细则与征求意见稿的差别都在这里
资金流入率表征一段时间内资金净流入占成交额的比率，可以定义为一个状态变量，短期可以显示为资金净流入变动比率，长期可以表征平台资金净流入与发标量的关系。理论上流入资金应该与流出相等，但是结合我国P2P发展的实际情况，流入资金与流出存在着差异，这就使资金净流入变的非常有意义，资金净流入占成交额的比率（平台资金流入率）也是一个很有研究意义的指标。
P2P，P2P网贷行业资金流入率分析1、平台资金流入率的定义
一、指标释义
温馨提醒：随时光飞逝，岁月变迁，文章观点，准确性、可靠性、难免有所变动，因此文章观点仅供参考！