指数平滑法是美国人R.G. Brown 所创，是从移动平均法发展而来的。可以说是移动平均法的一种变形。其特点是预测时所需的资料少，计算方便。
　　利用指数平滑法进行预测，就是对不规则的时间序列数据加以平滑，从而获得其变化规律和趋势，  以此对未来的经济数据进行推断和预测。  根据平滑次数的不同，有一次指数平滑、二次指数平滑及高次指数平滑，但高次指数平滑很少使用，下面主要介绍一次指数平滑法和二次指数平滑法。

１.一次指数平滑法
　　一次指数平滑法是根据前期的实测数和预测数，以加权因子为权数，进行加权平均，来预测未来时间趋势的方法。一次指数平滑法计算公式为：

式中， ―― 时期 t 的实测值；

　　　 ―― 时期 t 的预测值；

　　　 ―― 平滑系数，又称加权因子，取值范围为。

将的表达式逐次代入 中，展开整理后，得：

　　从上式中可以看出，  一次指数平滑法实际上是以      为权数的加权移动平均法。   由于k越大，   越小，所以越是远期的实测值对未来时期平滑值的影响就越小。 在展开式中，最后一项为初始平滑值，在通常情况下可用最初几个实测值的平均值来代替，或直接可用第 1 时期的实测值来代替。

　　从上式可以看出，新预测值是根据预测误差对原预测值进行修正得到的。的大小表明了修正的幅度。　值愈大，修正的幅度愈大，值愈小，修正的幅度愈小。 因此，值既代表了预测模型对时间序列数据变化的反应速度，又体现了预测模型修匀误差的能力。

　　在实际应用中，值是根据时间序列的变化特性来选取的。 若时间序列的波动不大，比较平稳，则应取小一些，如0.1 ～ 0.3 ；若时间序列具有迅速且明显的变动倾向， 则应取大一些，如 0.6 ～ 0.9 。实质上，是一个经验数据，通过多个值进行试算比较而定，哪个值引起的预测误差小，就采用哪个。

２.二次指数平滑法
　　一次指数平滑法只适用于水平型时间序列模式的预测，  而不适用于呈斜坡型线性趋势历史数据的预测。因为，对于明显呈斜坡型的历史数据，即使 取值很大，仍会产生较大的系统误差。因此，对于此类数据变动趋势的预测，应对一次指数平滑法进行改进，  可以用二次指数平滑法进行预测。

式中， ―― 时期 t 的一次指数平滑值；

　　　 ―― 时期 t 的二次指数平滑值；

　　　 ―― 时期 t ＋ 1 的二次指数平滑值，即预测值。

同理，三次指数平滑法是在二次平滑的基础上，再进行一次平滑，其计算公式为：

　　例 2 － 3 ，承例 2 － 1 ，试运用一次指数平滑法和二次指数平滑法预测下一年度 1 月份的市场需求为多少？

解：取＝ 0.5 ，运用指数平滑法计算后，各期预测值如表2－3所示。

表2－4 一次、二次指数平滑预测值