时间序列分析
双指数平滑法
同时维护一条水平与一条斜率，把第 h 步点预测写成「当前水平 + h 倍当前斜率」——有斜坡，没有季节因子。
这篇能回答什么
双指数平滑（Holt 线性趋势）回答的是：「如果生成过程是缓慢游走的水平再加上一条可更新的斜坡，没有固定旺季，未来几期沿哪条直线走」。状态有两个：水平 ℓ_t 与趋势 b_t。新观测按 α 折进水平，水平的增量按 β 折进斜率。h 步预报是 ℓ_T + h b_T，所以虚线右侧应当带坡，而不是钉在末端水平。
占用表按斜坡形态切三个互斥期次窗：前段抬升窗（类别 A）、中段回撤窗（类别 B）、后段爬升与外推窗（类别 C）。教学合计 323：A 53（16.41%），B 49（15.17%），C 221（68.42%）。后段窗最厚，和约 36 期历史里 24–36 期从 40 抬到约 55、再向外推到 42 期的图一致——斜率状态把远端箱子继续算进占用。
什么时候不该用
轨迹只在一个台阶附近晃、斜坡不稳，应回单指数平滑，Holt 会凭空外推一条线。固定旺季用Winters或SARIMA，不要靠加大 β 去「平均掉」季节。只要硬切窗口、不要两个折扣，回移动平均法。要误差多项式与区间，用Auto ARIMA。
如何选择方法
先数状态个数。只要水平 → SES，预报抄 ℓ_T。水平加斜坡、季节因子可以忽略 → 本页 Holt。再加一套按周期 s 重复的季节 → Winters。α、β 都在 (0,1)：α 管水平跟手程度，β 管斜率更新快慢。不要把 SES 的「近>中>远记忆」形状套到本表——这里 C 档厚是斜坡把后段窗拉长，不是 α 失灵。
Holt / 双指数：1 条定量序列 + α、β；输出水平、斜率、带坡外推与前/中/后段窗占用。
SES：只有水平，虚线右侧走平。
Winters：再多 γ 与季节向量，旺季会在外推里重复。
移动平均：等权窗口，没有 b_t。
输入、输出与限制
输入
分析序列须为定量、等间隔。平滑常数 α、β∈(0,1) 可手填，或按样本内平方误差自动选。时间列只负责排序与给外推期贴标签。预测期数决定虚线右侧画多少步 ℓ_T+h b_T。
分析序列：最少 1 个，最多 1 个，定量。
水平常数 α、趋势常数 β：0 到 1；可留空由误差最小化选择。
预测期数：正整数，控制沿斜坡抄多少步。
输出
占用表给出前段抬升、中段回撤、后段爬升与外推的频数与占比。图为约 36 期历史（纵轴标「水平」）、第 36 期虚线，以及橙色虚线向 42 期附近的带坡外推。α、β、样本内 MAE/MAPE 若出现在工作台其他位置，以那些数字写进方法；主表不是季节因子。
产品限制
有效连续点建议不少于 10（要比 SES 更长，才能稳住 b_t）。
合计 323 是期次窗条数，不必等于 36 期。
类别 A/B/C 不是 α=0.2/0.5/0.8 的票数，也不是三种 rival 模型。
预报没有季节节拍：h=1 与 h=6 的差只来自 b_T，不来自月份因子。
斜率突变时，旧的 b_t 会把外推拉偏，短序列对初值敏感。
案例
研究问题。 一条约 36 期的水平序列：前 10 期从约 41 抬到 49，随后回落到约 40，第 24 期起再爬到约 55。规划要未来 6 期的点预测。SES 会把虚线钉在末端附近；业务希望沿最近这段爬升继续走一段，但还没有稳定到「每年同一周必高峰」的程度。
教学占用合计 323：前段抬升 53（16.41%），中段回撤 49（15.17%），后段爬升与外推 221（68.42%）。后段独自超过三分之二，说明分箱把最近斜坡和外推步算进同一厚窗。下载时间序列表后，可用「annual」产值练带坡总量；较平稳的「returns」个股收益用来看 Holt 会怎样凭空画线。占用 323 与 20 年产值、180 行收益都不必对账。
在 StatsX 中操作
步骤 1 · 送入工作台
打开工作台，把 Excel / CSV / JSON 拖进上传区。练习斜坡用产值或后半段抬头的水平列；练习「不该用 Holt」用近乎白噪声的收益。单文件不超过 20 MB。
步骤 2 · 确认有可更新的斜坡
图上应能指出一段持续上升或下降。只有毛刺、没有斜坡，不要强迫本方法。固定 12 期峰谷应改 Winters。
步骤 3 · 选「双指数平滑法」
在算法目录搜「双指数」或「Holt」，点选双指数平滑法。不要在单指数页找斜率开关，那边没有 b_t。
步骤 4 · 设定 α 与 β
分析序列勾一列。α、β 可留空自动选，或先试 α=0.3、β=0.1。填预测期数。点运行。
步骤 5 · 看后段窗与带坡预报
确认 C 档是否最厚。虚线右侧若被画成水平线，对照公式：点预测应随 h 增加而移动。历史在爬而预报走平，那是 SES，不是本页。
如何阅读输出
占用表把 323 条期次记录分进三窗。前段抬升 53（16.41%），中段回撤 49（15.17%），后段爬升与外推 221（68.42%）。这是斜坡分段的占用形状，不是「三类客户」。不要把 68.42% 写成 β 本身；β 若出现在工作台，是 (0,1) 上的一个数。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 双指数平滑法 | 类别 A | 频数 | 53 |
| 双指数平滑法 | 类别 B | 频数 | 49 |
| 双指数平滑法 | 类别 C | 频数 | 221 |
| 双指数平滑法 | 合计 | 有效样本 N | 323 |
| 双指数平滑法 | 类别 A | 占比(%) | 16.41 |
| 双指数平滑法 | 类别 B | 占比(%) | 15.17 |
| 双指数平滑法 | 类别 C | 占比(%) | 68.42 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
后段窗 68.42% 远厚于前两窗，因为分箱把 24–36 期的爬升和虚线右侧的外推步算在一起。图上 10–23 期的回落对应中段窗只有 15.17%，说明「中间掉下去」没有盖过后段斜坡。橙色若完全走平，先查是不是误开了 SES；若出现按年重复的尖峰，本页解释不了，应升级 Winters。
阅读顺序：图是否像带坡过程 → 后段窗是否最厚 → α、β 是否极端 → 虚线右侧是否随 h 移动。只要水平用 SES；要季节用 Winters；要 (p,d,q) 与区间用 Auto ARIMA。
理论与公式
Holt（1957）给水平与趋势各一个指数更新。加法误差下的常用递归是：
SES 是 b_t≡0 的退化：预报不再随 h 改变。Winters 在 ℓ_t、b_t 之外再更新季节 s_t，预报变成 ℓ_T+h b_T+s_{T+h−m}（可加）或 (ℓ_T+h b_T)s_{T+h−m}（可乘）。β→0 几乎冻结初值斜率；β→1 让斜率只听最近一次水平差，外推会跟着最后两期乱跳。本页占用按斜坡符号与位置切窗，是分段直方图，不是 β̂。
注意事项
水平过程上 Holt 会外推一条不该存在的斜线，样本内也许还好看。
后段窗厚 ≠ β 已经很大；占比和 β 不是同一量纲。
h 步点预测随斜率线性分开，并不表示越远越准；本页若无区间，不要假装置信带在变宽。
初值 ℓ_0、b_0 常用前几期水平与差分，短序列对初值敏感。
季节峰会被折进 b_t，明年同一周会系统性偏。
323 是分箱条数，写方法时同时报告 α、β 与原始期数。
常见问题
参考文献
Holt, C. C. Forecasting seasonals and trends by exponentially weighted moving averages[J]. International Journal of Forecasting, 2004, 20(1): 5–10.
Gardner, E. S. Exponential smoothing: The state of the art[J]. Journal of Forecasting, 1985, 4(1): 1–28.
Hyndman, R. J., Koehler, A. B., Ord, J. K., & Snyder, R. D. Forecasting with Exponential Smoothing[M]. Springer.
Hyndman, R. J., & Athanasopoulos, G. Forecasting: Principles and Practice[M]. OTexts.