预测公式
据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。
一次指数预测
当时间数列无明显的趋势变化，可用一次指数平滑预测。
二次指数预测
二次指数平滑是对一次指数平滑的再平滑。它适用于具线性趋势的时间数列。
三次指数预测
三次指数平滑预测是二次平滑基础上的再平滑。
它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。
趋势调整
一段时间内收集到的数据所呈现的上升或下降趋势将导致指数预测滞后于实际需求。通过趋势调整，添加趋势修正值，可以在一定程度上改进指数平滑预测结果。调整后的指数平滑法的公式为：
包含趋势预测(YITt)=新预测（Yt）+趋势校正（Tt）
进行趋势调整的指数平滑预测有三个步骤：
1、利用前面介绍的方法计算第t期的简单指数平滑预测（Yt）；
2、计算趋势。其公式为：Tt=(1-b)Tt-1+b(Yt-Yt-1)其中，
Tt=第t期经过平滑的趋势；
Tt-1=第t期上期经过平滑的趋势；
b=选择的趋势平滑系数；
Yt=对第t期简单指数平滑预测；
Yt-1=对第t期上期简单指数平滑预测。
3、计算趋势调整后的指数平滑预测值（YITt）。计算公式为：YITt=Yt+Tt。
具体应用
1.指数平滑模型的建立
指数平滑法一般有一次指数平滑法、二次指数平滑法和三次指数平滑法。指数平滑法的预测模型为：
初始值的确定，即第一期的预测值。一般原数列的项数较多时（大于15项），可以选用第一期的观察值或选用比第一期前一期的观察值作为初始值。如果原数列的项数较少时（小于15项），可以选取最初几期（一般为前三期）的平均数作为初始值。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。
2.指数平滑系数α的确定
指数平滑法的计算中，关键是α的取值大小，但α的取值又容易受主观影响，因此合理确定α的取值方法十分重要，一般来说，如果数据波动较大，α值应取大一些，可以增加近期数据对预测结果的影响。如果数据波动平稳，α值应取小一些。理论界一般认为有以下方法可供选择：
（2）经验判断法。这种方法主要依赖于时间序列的发展趋势和预测者的经验做出判断，当时间序列呈现较稳定的水平趋势时，应选较小的α值，一般可在0.05～0.20之间取值；当时间序列有波动，但长期趋势变化不大时，可选稍大的α值，常在0.1～0.4之间取值；当时间序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升或下降趋势时，宜选择较大的α值，如可在0.6～0.8间选值，以使预测模型灵敏度高些，能迅速跟上数据的变化；当时间序列数据是上升（或下降）的发展趋势类型，α应取较大的值，在0.6~1之间。
（3）试算法。根据具体时间序列情况，参照经验判断法，来大致确定额定的取值范围，然后取几个α值进行试算，比较不同α值下的预测标准误差，选取预测标准误差最小的α。
在实际应用中预测者应结合对预测对象的变化规律做出定性判断且计算预测误差，并要考虑到预测灵敏度和预测精度是相互矛盾的，必须给予二者一定的考虑，采用折中的α值。
3.指数平滑法在销售预算中的具体应用
以某软件公司A为例，给出2000-2005年的历史销售资料，将数据代入指数平滑模型，预测2006年的销售额，作为销售预算编制的基础。
根据经验判断法，A公司2000-2005年销售额时间序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升趋势，宜选择较大的α值，可在0.5～0.8间选值，以使预测模型灵敏度高些，结合试算法取0.5，0.6,0.8分别测试。经过第一次指数平滑后，数列散点图呈现直线趋势，故选用二次指数平滑法即可。
根据偏差平方的均值（MSE）最小，即各期实际值与预测值差的平方和除以总期数，以最小值来确定α的取值的标准，经测算当α=0.6时，MSE1=1445.4；当α=0.8时，MSE2=10783.7；当α=0.5时，MSE3=1906.1。因此选择α=0.6来预测2006年4个季度的销售额。
