目录

算法

指数平滑法实际上是一种特殊的加权移动平均法。其特点是: 第一，指数平滑法进一步加强了观察期近期观察值对预测值的作用，对不同时间的观察值所赋予的权数不等，从而加大了近期观察值的权数，使预测值能够迅速反映市场实际的变化。权数之间按等比级数减少，此级数之首项为平滑常数a,公比为(1- a)。第二，指数平滑法对于观察值所赋予的权数有伸缩性，可以取不同的a 值以改变权数的变化速率。如a取小值，则权数变化较迅速，观察值的新近变化趋势较能迅速反映于指数移动平均值中。因此，运用指数平滑法，可以选择不同的a 值来调节时间序列观察值的均匀程度(即趋势变化的平稳程度)。

其可以理解为比移动平均法更准确的一种算法。

算法实现

一次指数平滑

/* * x为输入的数据数组 * a为指数平滑系数 * t为期数 */
//得到第t期的一次指数平滑,也可以用来计算二次S2
template<typename T>
T Get_pointAver(T* x, float a, int t)
{
   
	T temp = *x;
	if(t == 0) return temp;
	
	for(int i = 1; i < t; i++)
	{
   
		temp += a*(*x) * pow((1-a),i);
	}
	
	return temp;
}

二次指数平滑

template<typename T>
T Get_pointAver_D(T s1, T s2, float a, int t)
{
   
	a = 2 * s1 - s2;
	b = (a/(1-a)) * (s1 - s2);
	
	return (a + b*t);
}

参考文献

无