平滑指数法公式：St=aYt-1+(1-a)St-1。
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：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）。
示例
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。
针对时间序列的预测，常用方法包括灰色预测，指数平滑或ARIMA模型。灰色预测和指数平滑常用于数据序列较少时使用，且一般只适用于中短期预测。指数平滑可继续拆分为一次平滑，二次平滑和三次平滑，一次平滑法为历史数据的加权预测，二次平滑法适用于具有一定线性趋势的数据，三次平滑法在二次平滑法基础上再平滑一次，其适用于具有一定曲线趋势关系时使用，通常情况下使用三次平滑法较多。
无论是那种平滑法，其均涉及初始值S0和平滑系数alpha共两个参数值，初始值是平滑的最初起点值，一般取数据前1期，2期，3期，4期或5期的平均值作为初始值，如果数据序列越少则初始值S0应该取更多前几期的平均值，因为数据序列较少时前期的重要性相对较高。针对alpha值参数，其意义在于数据的权重，平滑值计算公式为：平滑值=alpha*当期值+(1-alpha)*上期平滑值。alpha值越大意味着当期数据所占的权重越高而上期平滑值所占权重越低，alpha=0意味着平滑值就完全等于上期平滑值；alpha=1意味着平滑值等于当期值。如果说数据波动不大，一般alpha值取的较小些比如0.1~0.5之间，如果数据波动较大且alpha值取值相对较大些，比如0.6~0.8之间。
可以使用SPSSAU进行操作：
