指数加权移动平均模型_【时间序列】从移动平均到指数平滑

移动平均

移动平均法是用一组最近的实际数据来预测未来一期或几期内目标值的常用方法。移动平均法适用于即期预测，当时间序列不会快速变化，且不存在季节性因素的时候，移动平均法能有效地消除预测中的随机波动，对序列具有修匀或平滑作用。

简单移动平均

是下一期的预测值，代表移动窗口大小，代表的是前n期实际值

公式浅显易懂

缺点也显而易见，历史所有时间点对现在的影响权重都一样

加权移动平均

代表第t期的权重

权重的选择是个分析活，需要根据数据的特点进行选择，考虑数据的时间粒度，是否具有周期性等等。一般来说，近期数据对未来更有预测意义，但是如果近期数据存在异常数据，则预测的时候会出现问题，但是期数变多的话，虽然会使得序列更平滑，但是也使得预测值对数据的实际波动不敏感。

如果序列具有季节性，移动平均的项数N与季节波动长度一致才可以消除季节波动，当序列具有周期性的时候同样道理。

移正平均

移动平均项数k为奇数，其移动平均值为移动平均项数中间一期的数值。如果是偶数，则再需要对相邻两个平均值的移动平均，就能使得平均值对正某一时期了。(对于简单移动平均来说)

很简单的,序列13579，移动平均值就是5

移动平均线

移动平均最常见的使用就是在股市中了，将一定时期内的证券价格(指数)「加以平均」，并把不同时间的平均值连接起来，形成一根MA，用以观察证券价格变动趋势的一种技术指标