python 二次平滑_时序分析 指数平滑

该帖主要介绍了一次指数平滑法、二次指数平滑法以及三次指数平滑法。

1 简介

指数平滑法是对单变量数据进行时间序列预测的一种方法，它可以推广到具有系统趋势或季节成分的数据。

建模类似Box-Jenkins ARIMA的建模方式，但其预测是最近的过去观测或滞后的加权线性和。

指数平滑预测法与用过去观测值的加权和进行预测相似，但是模型的过去观测值的权重是指数递减的。

具体地说，过去的观测结果是按几何递减比例加权的：

Forecasts produced using exponential smoothing methods are weighted averages of past observations, with the weights decaying exponentially as the observations get older. In other words, the more recent the observation the higher the associated weight. — Page 171, Forecasting: principles and practice, 2013.

指数平滑和ARIMA有时被统称为ETS模型，指的是对误差、趋势和季节性的建模。

指数平滑预测法主要有三种：