指数平滑法 指数平滑预测法指以某种指标的本期实际数和本期预测数为基础，引入一个简化的加权因子，即平滑系数，以求得平均数的一种指数平滑预测法。它是加权移动平均预测法的一种变化。平滑系数必须呈大于0、小于1，如0.1、0.4、0.6等。其计算公式为：下期预测数=本期实际数×平滑系数+本期预测数×（1-平滑系数）上列公式是从下列公式演变而成：下期预测数=本期预测数+平滑系数（本期实际数-本期预测数）这个公式的含义是：在本期预测数上加上一部分用平滑系数调整过的本期实际数与本期预测数的差，就可求出下期预测数。一般说来，下期预测数常介乎本期实际数与本期预测数之间。平滑系数的大小，可根据过去的预测数与实际数比较而定。差额大，则平滑系数应取大一些；反之，则取小一些。平滑系数愈大，则近期倾向性变7a686964616fe58685e5aeb931333166353037动影响愈大；反之，则近期的倾向性变动影响愈小，愈平滑。这种预测法简便易行，只要具备本期实际数、本期预测数和平滑系数三项资料，就可预测下期数。如某种产品销售量的平滑系数为0.4，1996年实际销售量为31万件，预测销售量为33万件。则1997年的预测销售量为：1997年预测销售量=31万件×0.4+33万件×（1-0.4）=32.2。
什么是平滑指数 指数平滑法（Exponential Smoothing，ES）是布朗2113(Robert G.Brown)所提出，布朗认为5261时间序列的态势4102具有稳定性或规则性，所以时间序列可被1653合理地顺势推延；他认为最近的过去态势，在某种程度上会持续到未来，所以将较大的权数放在最近的资料。St-时间t的平滑值；yt-时间t的实际值；St-1-时间t-1的平滑值；a-平滑常数，其取值范围为[0，1]；由该公式可知：1.St是yt-1和 St-1的加权算数平均数，随着a取值的大小变化，决定yt-1和 St-1对St的影响程度，当a取1时，St=yt；当a取0时，St=St-1。2.St具有逐期追溯性质，可探源至St-t+1为止，包括全部数据。其过程中，平滑常数以指数形式递减，故称之为指数平滑法。指数平滑常数取值至关重要。平滑常数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。平滑常数a越接近于1，远期实际值对本期平滑值的影响下降越迅速；平滑常数a越接近于 0，远期实际值对本期平滑值的影响下降越缓慢。由此，当时间数列相对平稳时，可取较小的a；当时间数列波动较大时，应取较大的a，以不忽略远期实际值的影响。生产预测中，平滑常数的值取决于产品本身和管理者对良好响应率内涵的理解。3.尽管St包含有全期数据的影响，但。
指数平滑法
在指数平滑法的公式中，α是怎样确定的 1、预测值＝aX（上一期的实际值）＋（1－a)X（上一期的预测值）。2、指数平滑法是布朗(Robert G.Brown)所提出，布朗(Robert G.Brown)认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。
指数平滑法中的平滑系数怎么求啊
指数平滑法的简介 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。简单的全期平均法是对时间数列的过去数据一个不漏地。
简述指数平滑法的特点 指数平滑法兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数.简单来说，就是越久远的数据，权数越小，但不为0.移动平均法则不考虑较远期的数据.
