简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用；
移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；
而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。 也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。
其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。
指数平滑方法的选用，一般可根据原数列散点图呈现的趋势来确定。如呈现直线趋势，选用二次指数平滑法；如呈现抛物线趋势，选用三次指数平滑法。或者，当时间序列的数据经二次指数平滑处理后，仍有曲率时，应用三次指数平滑法。
代码：
# -*- coding: utf-8 -*-
'''
Exponential smooth(指数平滑)的手工实现(无第三方库)
Author : Kabuto_hui
Date : 2018.04.19
'''
#指数平滑算法
def exponential_smoothing(alpha, s):
'''
一次指数平滑
:param alpha: 平滑系数
:param s: 数据序列， list
:return: 返回一次指数平滑模型参数， list
'''
s_temp = [0 for i in range(len(s))]
s_temp[0] = ( s[0] + s[1] + s[2] ) / 3
for i in range(1, len(s)):
s_temp[i] = alpha * s[i] + (1 - alpha) * s_temp[i-1]
return s_temp
def compute_single(alpha, s):
'''
一次指数平滑
:param alpha: 平滑系数
:param s: 数据序列， list
:return: 返回一次指数平滑模型参数， list
'''
return exponential_smoothing(alpha, s)
def compute_double(alpha, s):
'''
二次指数平滑
:param alpha: 平滑系数
:param s: 数据序列， list
:return: 返回二次指数平滑模型参数a, b， list
'''
s_single = compute_single(alpha, s)
s_double = compute_single(alpha, s_single)
a_double = [0 for i in range(len(s))]
b_double = [0 for i in range(len(s))]
for i in range(len(s)):
a_double[i] = 2 * s_single[i] - s_double[i] #计算二次指数平滑的a
b_double[i] = (alpha / (1 - alpha)) * (s_single[i] - s_double[i]) #计算二次指数平滑的b
return a_double, b_double
def compute_triple(alpha, s):
'''
三次指数平滑
:param alpha: 平滑系数
:param s: 数据序列， list
:return: 返回三次指数平滑模型参数a, b, c， list
'''
s_single = compute_single(alpha, s)
s_double = compute_single(alpha, s_single)
s_triple = exponential_smoothing(alpha, s_double)
a_triple = [0 for i in range(len(s))]
b_triple = [0 for i in range(len(s))]
c_triple = [0 for i in range(len(s))]
for i in range(len(s)):
a_triple[i] = 3 * s_single[i] - 3 * s_double[i] + s_triple[i]
b_triple[i] = (alpha / (2 * ((1 - alpha) ** 2))) * ((6 - 5 * alpha) * s_single[i] - 2 * ((5 - 4 * alpha) * s_double[i]) + (4 - 3 * alpha) * s_triple[i])
c_triple[i] = ((alpha ** 2) / (2 * ((1 - alpha) ** 2))) * (s_single[i] - 2 * s_double[i] + s_triple[i])
return a_triple, b_triple, c_triple
if __name__ == "__main__":
alpha = 0.8
data = [i for i in range(100)]
sigle = compute_single(alpha, data)
print(alpha * data[-1] + (1 - alpha) * sigle[-1])
参考资料：