什么是指数平滑法?

指数平滑法实际上是一种特殊的 加权移动平均法 。 其特点是: 第一，指数平滑法进一步加强了观察期近期观察值对预测值的作用，对不同时间的观察值所赋予的权数不等，从而加大了近期观察值的权数，使预测值能够迅速反映市场实际的变化。 权数之间按等比级数减少，此级数之首项为平滑常数a,公比为 (1- a)。 第二，指数平滑法对于观察值所赋予的权数有伸缩性，可以取不同的a 值以改变权数的变化速率。 如a取小值，则权数变化较迅速，观察值的新近变化趋势较能迅速反映于指数 移动平均值 中。 因此，运用指数平滑法，可以选择不同的a 值来调节时间序列观察值的均匀程度 (即趋势变化的平稳程度)。 [1] 指数平滑法是生产预测中常用的一种方法。 也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。

如何计算一次指数平滑值?

用一次指数平滑值预测下个月的销售量y16。 为了分析加权系数a的不同取值的特点，分别取a=0.1,a=0.3,a=0.5计算一次指数平滑值，并设初始值为最早的三个数据的平均值，：以a = 0.5的一次指数平滑值计算为例，有 计算得到下表：

如何确定指数平滑系数α?

1、当时间序列比较平稳，α取值在0.05～0.2之间。 2、当时间序列有波动，呈一定的随机变化，α取值在0.1～0.4之间。 3、当时间序列波动大，数据的随机性较大，α取值应在0.5以上，以消除更多的噪音。 另外，当需要α取值大于0.5才能赶上序列变化（即序列波动很大），那么表示需求有很强的趋势，不能单独采用一次指数平滑进行预测，需要采取比如Holt双参数指数平滑法等其它办法进行预测。 二、试算评估法。 试算评估法是最常用的平滑系数α确定方法。 试算评估法是对需要进行预测的时间序列，按指数平滑模型采用不同α值分别预测（试算），然后对比评估不同α值的预测结果，选取预测结果最优的α值为最终确定的α值。