指数平滑法是从移动平均法发展而来的，是一种改良的加权平均法，在不舍弃历史数据的前提下，对离预测期较近的历史数据给予较大的权数，权数由近到远按指数规律递减。

指数平滑法根据本期的实际值和预测值，并借助于平滑系数（α）进行加权平均计算，预测下一期的值。它是对时间序列数据给予加权平滑，从而获得其变化规律与趋势。

Excel中的指数平滑法需要使用阻尼系数（β），阻尼系数越小，近期实际值对预测结果的影响越大；反之，阻尼系数越大，近期实际值对预测结果的影响越小。

α——平滑系数（0≤α≤1）

β——阻尼系数（0≤β≤1），β=1-α

在实际应用中，阻尼系数是根据时间序列的变化特性来选取的。

★ 若时间序列数据的波动不大，比较平稳，则阻尼系数应取小一些，如0.1～0.3。

★ 若时间序列数据具有迅速且明显的变动倾向，则阻尼系数应取大一些，如0.6～0.9。

根据具体时间序列数据情况，我们可以大致确定阻尼系数（β）的取值范围，然后分别取几个值进行计算，比较不同值（阻尼系数）下的预测标准误差，选取预测标准误差较小的那个预测结果即可。

指数平滑法公式如下：

Yt = αXt-1+(1-α) Yt-1 = ( 1-β) Xt-1+βYt-1

式中，Yt ——时间t的平滑值；

Xt-1 ——时间t-1的实际值；

Yt-1——时间t-1的平滑值；

α ——平滑系数；

β ——阻尼系数。

指数平滑法可以分为一次指数平滑法、二次指数平滑法及三次指数平滑法，这里我们主要介绍一次指数平滑法。

以“企业季度数据”为例，利用Excel分析工具库——“指数平滑”分析工具预测2012年第3季度的销售额会是多少。

STEP 01 单击【数据】选项卡【分析】组中的【数据分析】按钮，在弹出的【数据分析】对话框中，选择【指数平滑】，单击【确定】按钮。

STEP 02 在弹出的【指数平滑】对话框中，各类参数分别进行如下设置，如图所示。

输入

① 输入区域：本例数据源为B2：B48。

② 阻尼系数：阻尼系数（β）=1-平滑系数（α），本例填写阻尼系数= 0.1，意味着平滑系数α=0.9。

③ 标志：本例中勾选【标志】。

输出选项

① 输出区域：本例将结果输出至当前工作表的E3单元格。

② 图表输出：输出由实际数据和指数平滑数据形成的折线图，本例勾选【图表输出】。

③ 标准误差：实际数据与预测数据（指数平滑数据）的标准差，用以显示预测值与实际值的差距，这个数据越小则表明预测数据越准确。

STEP 03 单击【确定】按钮，即可完成。

公式往下拉就可以得到预测结果，如图所示。根据这个图，可以知道2012年第3季度的销售额预测值为15581（E49=0.9*B48+0.1*E48）。

一次指数平滑的预测值=上一期的实际值×平滑系数+上一期的预测值×阻尼系数。

从图可得知，在平滑系数为0.9（即阻尼系数为0.1）时，预测误差最小。

是否使用以上预测结果，最终还要考虑其是否符合业务的实际情况，我们需要辩证地看待问题，不能因为是通过统计方法计算出来的，就直接采用。

同样，二次指数平滑法是建立在一次指数平滑的基础上的，即利用一次指数平滑法得出的预测结果再进行一次平滑。