时间序列趋势指数平滑法

1、单指数平滑（一个参数：加权因子）

实质上就是自适应预期模型，适用于序列值在一个常数均值上下随机波动的情况，无趋势及季节要素的情况，单指数平滑的预测对所有未来的观测值都是常数。

2、双指数平滑（一个参数：加权因子）

使用相同的参数将单指数平滑进行两次，适用于有线性趋势的序列。

3、Holt-Winters — 无季节趋势（两个参数）

适用于具有线性时间趋势无季节变差的情形。这种方法与双指数平滑法一样以线性趋势无季节成分进行预测。双指数平滑法只用了一个参数，这种方法用两个参数，形式上与简单一元线性回归模型相同。

4、 Holt-Winters — 加法模型（三个参数）

适用于具有线性时间趋势和加法季节变化，其实就是在3的基础上加上一个季节因子。需要用简单的方法给出季节因子的第一年的初值，以及截距和斜率的初值。

5、 Holt-Winters — 乘法模型（三个参数）

适用于具有线性时间趋势和乘法季节变化，其实就是在3的基础上乘上一个季节因子。需要用简单的方法给出季节因子的第一年的初值，以及截距和斜率的初值。