时间序列分析
单指数平滑法
用一个折扣因子把历史折成当前水平，再把这个水平原样抄到未来各期——没有斜坡，也没有季节因子。
这篇能回答什么
单指数平滑（SES）回答的是：「如果生成过程近似一个缓慢游走的水平，没有稳定斜坡也没有固定旺季，下一期最合理的点预测是什么」。状态只有一个水平 ℓ_t：新观测按 α 折进水平，旧水平按 1−α 留下。h 步预报全部等于最后的 ℓ_T，所以虚线右侧应当接近一条水平线；若你看见明显继续爬坡，那是图上的视觉残差，方法本身并不估计斜率。
适合：投诉量、到店人数、周转库存这类在一个台阶附近晃的周序列。占用表把指数权重打进三个互斥期次分箱：近记忆（类别 A）、中记忆（类别 B）、远衰减（类别 C）。本页 A>B>C（43% / 34% / 23%），正是折扣衰减该有的占用形状——最近的时期拿走最多权重。
什么时候不该用
图上有持续斜坡，应改双指数平滑 / Holt，否则预报会钉在末端水平、系统性落后。固定旺季用Winters或SARIMA。要误差多项式与区间，用Auto ARIMA。只要硬切窗口、不要折扣，回移动平均法。
如何选择方法
先数状态：只要水平 → SES；水平加斜坡 → Holt；再加季节因子 → Winters。α 接近 1 几乎只信本期，α 接近 0 几乎不更新。不要用「有没有趋势」的眼睛去逼 SES 长出斜率。
单指数平滑：1 条定量序列 + α（或自动优选）；输出水平、平坦外推与近/中/远记忆占用。
Holt / 双指数：多一个趋势状态，预报随 h 线性走。
Winters：再多一套季节因子。
移动平均：硬窗口，权重不按指数排。
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∈(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。
分析序列：最少 1 个，最多 1 个，定量。
平滑常数 α：0 到 1 之间；可留空由误差最小化选择。
预测期数：正整数，控制虚线右侧抄多少期水平。
输出
占用表给出近记忆、中记忆、远衰减的频数与占比。图为历史水平、样本内拟合，以及虚线后接近平坦的橙色路径。α、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 Holt 的斜率。
产品限制
有效连续点建议不少于 8。
合计 193 是记忆分箱条数，不必等于 36 期。
类别 A/B/C 不是三种 rival 模型，也不是 α=0.2/0.5/0.8 的票数。
预报没有斜率项：h=1 与 h=6 的点预测相同（都是 ℓ_T）。
本页不估计季节因子；旺季会被折进水平，外推会偏。
案例
研究问题。 约 36 期的水平序列后半段在抬，但仍有人只想要「当前水平」的短预报，而不是 Holt 的斜线。教学占用呈现近>中>远，用来核对折扣形状是否还像 SES；若远衰减反而最厚，应怀疑 α 过小或序列其实该用趋势模型。
教学占用合计 193 条：近记忆（类别 A）83（43.01%），中记忆（类别 B）65（33.68%），远衰减（类别 C）45（23.32%）。权重向近端倾斜。下载时间序列表后，可用较平稳的「returns」个股收益练习水平过程；对「annual」产值这种带坡总量，本页主要用来对比「不该用 SES」的落后外推。占用 193 与 180 行收益不必对账。
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。练习水平过程用收益或周频计数；带坡产值用来看 SES 会怎样落后。单文件不超过 20 MB。
步骤 2 · 确认近乎水平
轨迹应在一个台阶附近晃。持续爬升或固定旺季不要强迫本方法。时期列只排序。
步骤 3 · 选「单指数平滑法」
在算法目录搜「指数平滑」或「SES」，点选单指数平滑法。有趋势时改点双指数，不要在本页找斜率开关。
步骤 4 · 设定 α
分析序列勾一列。α 可留空自动选，或先试 0.2–0.4。填预测期数。点运行。
步骤 5 · 看记忆占用与平坦预报
确认近>中>远。虚线右侧若被画成斜线，对照表：点预测应等于末端水平。历史在爬而预报走平，是 SES 的正确行为，不是画错。
如何阅读输出
占用表把 193 条记忆记录分进三档。近记忆 83（43.01%）最厚，中记忆 65（33.68%），远衰减 45（23.32%）最薄。这是折扣衰减的占用形状，不是「三类客户」。不要把 43.01% 写成 α 本身；α 若出现在工作台，是 (0,1) 上的一个数，不是占比。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 单指数平滑法 | 类别 A | 频数 | 83 |
| 单指数平滑法 | 类别 B | 频数 | 65 |
| 单指数平滑法 | 类别 C | 频数 | 45 |
| 单指数平滑法 | 合计 | 有效样本 N | 193 |
| 单指数平滑法 | 类别 A | 占比(%) | 43.01 |
| 单指数平滑法 | 类别 B | 占比(%) | 33.68 |
| 单指数平滑法 | 类别 C | 占比(%) | 23.32 |
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。
近 43.01% > 中 33.68% > 远 23.32%。若某次运行变成远档最厚，先查 α 是否接近 0（几乎不更新），或序列其实是带坡的产值被硬套进来。历史后半段抬头、预报仍钉在末端附近：SES 拒绝外推斜率，这正是它和 Holt 的分界。
阅读顺序：图是否像水平过程 → 占用是否近>中>远 → α 是否极端 → 虚线右侧是否按水平抄写。要斜率用 Holt；要季节用 Winters；要区间与 d 用 Auto ARIMA。
理论与公式
Brown 的简单指数平滑只维护水平。新息按 α 折入，预报不随步长改变：
Holt 再加一个趋势状态 b_t，预报变成 ℓ_t+h b_t，斜坡会被外推。Winters 再乘或加上季节因子。SES 是后两者在 b_t=0 且季节因子为常数时的退化。α 可由最小化样本内平方误差选择；α→1 退化为「预报等于上期观测」，α→0 几乎冻结初值。
本页占用把 ω_j 按近、中、远三档求和后清点条数。A>B>C 与几何衰减同向；它是权重直方图，不是 α 的点估计。远档一旦反超，先读 α，再决定是否该换 Holt。
注意事项
带坡序列上 SES 的样本内误差会系统性偏，外推钉在末端。
近记忆厚 ≠ α 已经很大；占比和 α 不是同一量纲。
h 步点预测相同，并不表示不确定性相同；本页若无区间，不要假装越远越准。
初值 ℓ_0 常用第一期或前几期均值，短序列对初值敏感。
季节峰会被折进水平，下一年同一周会偏。
193 是分箱条数，写方法时同时报告 α 与原始期数。
常见问题
参考文献
Brown, R. G. Statistical Forecasting for Inventory Control[M]. McGraw-Hill.
Holt, C. C. Forecasting seasonals and trends by exponentially weighted moving averages[J]. International Journal of Forecasting, 2004, 20(1): 5–10.
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.