时间序列之指数平滑法(Exponential Smoothing)

 

        统计中，预测方法除了利用多个影响因素建立回归模型来做预测外，在影响因素复杂，或者是没办法得到相关影响因素的数据信息时，回归模型就无能为力了。如果数据是时间序列上的值，在时间上可能呈现一定的稳态或者规律，利用过去时间区间的值来预测未来值，指数平滑法是其中的一个方法。

α平滑常数的确定

       指数平滑法中最重要的一个参数是平滑常数α，α的取值范围是[0-1]，α值是主观选定的，值越大表示对未来的预测中越近期的数据权重越大。在市场预测中，α的确定方法，一般是先根据经验做一个大概的预估，基本判断标准如下：

        1.时间序列比较平稳时，选择较小的α值，0.05-0.20。

        2.时间序列有波动，但长期趋势没大的变化，可选稍大的α值，0.10-0.40。

        3.时间序列波动很大，长期趋势变化大有明显的上升或下降趋势时，宜选较大的α值，0.60-0.80。

        4.当时间序列是上升或下降序列，满足加性模型，α取较大值，0.60-1。

       再重复试算过程，比较不同α值下，预测的标准误差，从而选取误差较小