Exponential Smoothing[指数平滑法]

大规模统计预测。 Exponential Smoothing[指数平滑法]解析。 - 中文

没有人能够真正看到未来，但是，现代统计方法、计量经济模型以及Business Intelligence[商业智能]软件却可以在一定程度上帮助企业预测未来。

指数平滑模型（ESM）

指数平滑模型（ESM）通过对过去值和当前值进行加权平均、以及对当前前的权数进行调整以前抵消统计数值的摇摆影响（如季节性变化）。通过选取不同的Alpha值（0-1之间），即可以消除数值的季节敏感性。因为ESM便于操作，也很强大，所以它通常被应用于大型的统计预测项目。

ESM产生一个平滑的时间序列。在单一移动平均数的情况下，过去观测值被赋予相等的权重，当观测值变得陈旧，其权重也逐渐减少。换句话说，在预测过程中，新值较之旧值被赋予更多的权重。

在移动平均数的情况下，观测值的权重相等，为1/N。但是，需要注意的是，运用ESM涉及到一个或多个平滑参数，对它们要有准确的估计，它们对观测值的权重会产生影响。