Winters、Holt、SES 该怎么数状态？图上没有明显年峰还能开本页吗？

SES 一个状态（水平），预报抄 ℓ_T。Holt 两个（水平+斜率），预报 ℓ_T+h b_T。Winters 三个，再乘或加上 s_{T+h−s}。看不见固定节拍时不要开本页：γ 会把噪声写成季节，旺季箱会被随机高峰灌满。本页旺季箱 139/233，是「分箱认为高峰更厚」的教学形状；若你自己的图四季一样平，应回 Holt，而不是把 γ 调到 0 假装本页仍在工作。

旺季箱占 59.66%，能不能写成季节因子等于 1.60？

不能。139/233 是强度箱条数，不是 s_t 的点估计。可乘因子围绕 1，可加因子围绕 0，量纲都不是百分比。因子应在工作台的季节向量里逐相位读取。占比只能核对「高峰箱有没有压过淡季箱」；三箱接近 1:1:1 时，季节项往往弱，优先降回 Holt。

可加和可乘季节看哪张图？振幅一年比一年高该勾哪个？

原序列高峰的垂直距离几乎不随水平上涨 → 可加（s_t 加减）。高峰随总量一起变高、低谷也按比例拉开 → 可乘。分解页那张四面板若季节波幅度恒定在 ±3，与可加同向。不要用「旺季箱百分比」决定可乘：59.66% 只是箱厚，不是振幅比。选错模式时，淡季外推会系统性偏正或偏负。

和 SARIMA 的 (P,D,Q)_s 是不是同一套季节？SPSS 冬季加法对占用表吗？

不是同一套。Winters 的季节是长度为 s 的因子，用 γ 递归；SARIMA 的季节是滞后多项式加季节差分，用 Φ、Θ。s=12 出现在两边，只表示周期，不表示 P=1。SPSS「指数平滑 → Winters 加法/乘法」对应本页点预测；它不打印淡/平/旺占用。核对应对齐同一列、同一 s、同一可加或可乘、同一预测步数，比较逐期 ŷ。不要拿专家建模器的季节 MA 系数来对 18.45%。

Winters法 · StatsX

这篇能回答什么

Winters（Holt–Winters）回答的是：「水平在走、斜坡也在走，而且每隔 s 期还有一套稳定的淡旺季，下一季各期应落在哪」。状态有三个：水平 ℓ_t、趋势 b_t、季节 s_t。季节可加（峰谷幅度不随水平涨）或可乘（高峰随总量放大）。h 步预报在可加时是 ℓ_T+h b_T+s_{T+h−s}，可乘时是 (ℓ_T+h b_T)s_{T+h−s}。

占用表按季节强度切三个互斥期箱：淡季箱（类别 A）、平季箱（类别 B）、旺季箱（类别 C）。教学合计 233：淡 43（18.45%），平 51（21.89%），旺 139（59.66%）。旺季箱独自近六成，说明季节占用并不均匀——这正是必须开第三次平滑、而不是停在 Holt 的理由。

什么时候不该用

看不见固定节拍，应停在双指数平滑；硬上 γ 会把噪声写成「季节」。只要水平、连斜坡都不稳，回单指数平滑。要季节 AR/MA 多项式与区间，用SARIMA。只要拆开看趋势/季节/残差、不预报，用时间序列分解。

如何选择方法

先数状态，再看季节是平滑因子还是滞后多项式。水平 → SES。水平+斜坡 → Holt。再加按 s 重复的因子、你接受点预测多于机制 → 本页。要把季节写成 (P,D,Q)_s 并给区间路径 → SARIMA。只想看四张分解图、不更新三个折扣 → 分解法。α、β、γ 都在 (0,1)；γ 接近 0 几乎冻结初值季节，接近 1 让每一季都重写因子。

Winters：1 条定量序列 + 周期 s + 可加/可乘；输出淡/平/旺占用、三分量拟合与带节拍的外推。
Holt：没有 s_t，外推是一条斜线。
SES：没有 b_t 也没有 s_t，外推抄水平。
SARIMA / 分解：多项式季节或探索性拆分，不是三次折扣。

双指数平滑法

同时平滑水平与趋势（Holt），用于有趋势但无季节的序列。

单指数平滑法

对无趋势无季节的水平序列用一次指数平滑做短期预测。

时间序列分解法

把序列分解为趋势、季节与残差，便于解释与季节调整。

季节性ARIMA模型

在ARIMA中加入季节AR/MA与季节差分，专门刻画周期波动。

输入、输出与限制

输入

分析序列须为定量、等间隔，并指定季节周期 s（月度常取 12，季度取 4）。可加或可乘在运行前选定：振幅不随水平变大选可加，高峰一年比一年高选可乘。α、β、γ 可手填或按样本内误差自动选。

分析序列：最少 1 个，最多 1 个，定量。
季节周期 s：正整数，至少能放下 2 个完整季节。
可加 / 可乘：决定 s_t 是加减还是相乘。
预测期数：正整数，外推里季节因子按 s 循环使用。

输出

占用表给出淡季、平季、旺季箱的频数与占比。图为历史水平、样本内拟合，以及虚线后带节拍（或末端爬升后略收）的橙色路径。季节因子向量若出现在工作台其他位置，以那些数字写进方法；主表不是 (P,D,Q)。

产品限制

有效期数建议不少于 2s，否则 γ 不稳。
合计 233 是季节箱条数，不必等于 36 期。
类别 A/B/C 不是 1 月/2 月/3 月，而是淡/平/旺强度箱。
本页不估计季节 AR/MA；s=12 不能写成 P=1。
周期漂移（旺季每年挪一周）时，固定 s 会把峰对错格子。

案例

研究问题。 月销售额带着春节/国庆一类的固定高峰，同时后半段整体在抬。Holt 能跟上斜坡，但会把高峰摊进 b_t，明年同一月对不上。研究者要一套可循环的季节因子，而不想先搜 (P,D,Q)_s。

教学占用合计 233：淡季箱 43（18.45%），平季箱 51（21.89%），旺季箱 139（59.66%）。旺季箱比淡、平两箱之和还厚，说明分箱听见了重复高峰，而不是把所有期平均对待。下载时间序列表后，可用带年周期的产值或客流列练习；「returns」个股收益几乎没有稳定旺季，本页主要用来看「不该开 Winters」时 γ 会怎样乱抖。占用 233 与工作表行数不必相等。

下载教学示例表（时间序列）

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。练习季节用月度或季度列；练习「不该用」用近乎白噪声的收益。单文件不超过 20 MB。
步骤 2 · 先数完整季节

至少两圈同样的 s。一圈半不要估 γ。峰谷幅度随水平涨，勾可乘；幅度几乎恒定，勾可加。
步骤 3 · 选「Winters法」

在算法目录搜「Winters」或「季节指数平滑」，点选 Winters法。不要在双指数页找季节开关，那边没有 s_t。
步骤 4 · 设定 s 与三次常数

分析序列勾一列。s 填 12 或 4。α、β、γ 可留空自动选。填预测期数，最好覆盖下一整季。点运行。
步骤 5 · 看旺季箱与循环外推

确认旺季箱是否明显厚于淡季箱。虚线右侧若只是一条无节拍斜线，对照占用：旺季箱仍占 59.66% 时，应检查图是否被坐标压扁，或 s 填错。

StatsX 工作台上传供 Winters 法的季节序列 — 将教学示例表拖入工作台上传区。

核对待平滑列为定量、间隔整齐、能数出周期。

为 Winters 指定序列、周期与可加或可乘 — 分析序列勾选定量列并设定 s 与季节模式后运行。

如何阅读输出

占用表把 233 条季节记录分进三箱。淡季 43（18.45%），平季 51（21.89%），旺季 139（59.66%）。这是强度分箱，不是 12 个季节指数本身。不要把 59.66% 写成「季节因子 = 1.60」；因子若出现在工作台，可加时在 0 附近摆动，可乘时在 1 附近摆动。

Winters法结果表

项目	类别	统计量	取值
Winters法	类别 A	频数	43
Winters法	类别 B	频数	51
Winters法	类别 C	频数	139
Winters法	合计	有效样本 N	233
Winters法	类别 A	占比(%)	18.45
Winters法	类别 B	占比(%)	21.89
Winters法	类别 C	占比(%)	59.66

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。

Winters 淡季、平季与旺季占用表 — 工作台中的季节期次分箱，数字应与上表一致。

历史水平在末端爬升，虚线后橙色外推带轻微收势 — 第 36 期虚线之后橙色继续高位运行。若完全看不见节拍，先对旺季箱：59.66% 说明季节占用仍偏高峰，不要改口写成 Holt。

旺季箱 59.66% 压过淡、平两箱，和「必须保留 s_t」同向。图上后半段从约 40 爬到 55，Holt 也能画出斜坡；差别在于下一圈同一相位应再抬一次。三箱几乎均分时，γ 往往接近 0，这时降回 Holt 更干净。要看趋势、季节、残差四面板且不外推，去分解页。

阅读顺序：s 是否写对 → 旺季箱是否最厚 → 可加还是可乘 → 虚线右侧是否按相位循环 → 要多项式季节还是只要因子。只要斜坡用 Holt；只要水平用 SES；要 (P,D,Q)_s 用 SARIMA。

理论与公式

可加 Winters 把季节当作对水平的加减项。一个常见递归是：

可乘形式把 y_t 除以 s_{t−s} 再更新水平，预报改为 (ℓ_T+h b_T)s_{T+h−s}。分解法的可加 / 可乘与这里同名，但分解通常用移动平均一次性抽出 T、S、I，不递归更新，也不默认外推。SARIMA 的季节部分是滞后多项式与季节差分，参数是 Φ、Θ，不是 γ。Holt 令所有 s_t 为常数（可加时为 0，可乘时为 1）即退回双指数。

注意事项

旺季箱厚 ≠ 已经证明存在季节单位根；那是 ADF / 季节差分的事。
可加因子与可乘因子不能直接比大小，先统一模式再谈「哪个月最高」。
有效期不足 2s 时，γ 会把仅有的一圈高峰当成永恒。
Holt 的后段爬升窗与本页旺季箱不是同一套分箱，数字不能对拍。
233 是分箱条数，写方法时同时报告 s、可加或可乘、以及 αβγ。
结构断裂（某年取消促销）会让旧季节因子污染外推。

常见问题

参考文献

Winters, P. R. Forecasting sales by exponentially weighted moving averages[J]. Management Science, 1960, 6(3): 324–342.
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.