大家好，我是許栩，歡迎來到我的專欄《需求預測：時間序列之指數平滑法》。本專欄由八篇文章組成（專欄目錄見下圖），本篇為第三篇，講解確定平滑係數α的5個方法。
平滑係數α代表著新舊數據的分配值，它的大小，體現著當前預測對近期數據和遠期數據的依賴程度。平滑係數也代表著指數平滑模型對時間序列變化的反應速度，又決定了預測模型修勻隨機誤差的能力。
平滑係數的取值對指數平滑法預測的準確度起關鍵作用。
平滑係數α取值範圍在0～1之間（即0<α<1），平滑係數α最佳取值的總原則：通過平滑係數α的值，進行指數平滑預測出來的預測值與實際值之間的平均誤差最小。
一、經驗判斷法。
經驗判斷法是最簡單粗暴的平滑係數確定方法。所謂的經驗判斷法，就是憑預測人員的經驗和主觀判斷，選取一個合適α值。
α越小，平滑作用越強，對預測結果的調整就越小，對實際數據變動反應就越遲緩。α越大，對實際值的變化越敏感，對預測結果的調整就越大，對近期的數據依賴也越大。
基於α的以上特徵，經驗判斷的判斷依據如下：當時間序列相對平穩時，可取較小的平滑係數；當時間序列波動較大時，應取較大的平滑係數。
經驗判斷法，α取值本書推薦如下。
1、當時間序列比較平穩，α取值在0.05～0.2之間。
2、當時間序列有波動，呈一定的隨機變化，α取值在0.1～0.4之間。
3、當時間序列波動大，數據的隨機性較大，α取值應在0.5以上，以消除更多的噪音。
另外，當需要α取值大於0.5才能趕上序列變化（即序列波動很大），那麼表示需求有很強的趨勢，不能單獨採用一次指數平滑進行預測，需要採取比如Holt雙參數指數平滑法等其它辦法進行預測。
二、試算評估法。
試算評估法是最常用的平滑係數α確定方法。
試算評估法是對需要進行預測的時間序列，按指數平滑模型採用不同α值分別預測（試算），然後對比評估不同α值的預測結果，選取預測結果最優的α值為最終確定的α值。一般用平均絕對百分比誤差（MAPE）作為評定預測結果的指標，MAPE最小的α值就為最終確定的α值。
上圖為採用試算評估法確定α值的一個例子。圖中APE為絕對百分比誤差， MAPE為平均絕對百分比誤差。從表中可以看出，當α分別取值0.05、0.1、0.15、0.2、0.25和0.3時，MAPE分別為10.24%、9.86%、9.64%、9.74%、9.89%和10.02%，顯然，α取值0.15最優。
三、理論計算法。
理論計算法是指按一定的原理進行計算從而得出平滑係數α的一種方法。
理論計算法的原理：指數平滑法是一種特殊的加權平均法，因為加權平均法的總權重都等於1，所以，可以推導出指數平滑法和加權移動平均法的平均加權權數相等，於是可以從平均加權權重這一條件出發來確定α值。
理論計算法α值計算公式（如上圖）：α=2/(n+1)。理論計算法採用整個序列的n個時間序列來確定最佳的平滑係數α值。在這裡，n的選擇（即n個到底是多少個）較為關鍵。常用的確定n的方法，是將n按照移動平均的移動區間來對待，按移動平均區間的選擇來確定n。