一次指数平滑
公式:s[i] = alpha*x[i] +(1-alpha)*s[i-1]
分析:alpha月接近1,平滑后的数据月接近当前时间的数据值,这种情况下数据越不平滑;当alpha越接近0,平滑后的数据s[i] 越接近前i-1个数据的平滑值,数据越平滑。
alpha取值标准:偏差平方的均值(MSE)最小,即各期实际值x[i]与平滑数据s[i]的差的平方和除以总数据数目最小。
适用:对无明显变化趋势的时间序列进行预测(处理)
缺点:指标上所呈现的上升或者下降趋势,将导致预测值滞后于真实的数据
二次指数平滑
公式:s[i] = alpha*x[i] +(1-alpha)*(s[i-1]+b[i-1])
修正值b[i] = beta*(s[i]-s[i-1]) + (1-beta)*b[i-1]
分析:beta为趋势平滑系数,如何设定需要尝试,参考值0.05.R语言中可以使用holtwinters函数进行选择。