感谢各位读者厚爱，笔者的新书《供应链库存与计划管理》已经上架，并于本号设置内购。通过本公众号购买的读者，可以加入读者群交流，笔者将就书中内容知识，进行分享，讲解，不定期直播或录播。对疑问尽可能详细解答。
购书可点击以下（如书籍链接有问题可搜笔者闲鱼号 【林梦龙2024】 直接拍下即可或者私信联系笔者）
书籍目录可参考：
我的新书《供应链库存与计划管理：技术、方法与 Excel 应用》出版了
另外，由于一部分读者在笔者公布内购渠道前已经购买了，根据相应规则也可安排加入分享。
第一轮的分享课程开始陆续展开，参看：《供应链库存与计划管理》读者群分享课程内容
这个来自收音机小姐的季节性趋势指数平滑法模型，在业内也可以说流传到烂大街的程度了吧。但是依然还有不少人不明所以，唯一可做的就是求取这个模版，套入自己的数字，希望寻求获得较好的预测效果。
▲ 来自收音机小姐的模版
今天笔者就拆解一下这个模型的思路，那么读者也可以尝试建模，建立适合自己的预测模型。
首先，历史值表现的趋势来看，含有一定的季节性因素
预测的首要工作，是清洗数据。清洗出季节性，将数据还原为较为平稳的水平状态，也是清洗的工作内容之一。
而这里的方法就是利用当月除以全年平均值，看其比较。类似如下效果，那么高于平均则视为带来积极性。
而历史数据则有2年共24期。由于预测的其中一点重要法则是越近现在的数据具备的可信程度就想对越高，换言之，12个月前的数据和1个月前的数据相比，1个月前的数据更具可信性。由于2年24期历史数据，那么据此认为近期的12个月数据，比上一期的12个月数据更可信。
这样就产生出指数平滑的做法。建立季节平滑系数，通过对这2年的各12期数据进行平滑，对最近的12期数据采用更多的权重，因为相信它们更具可靠性，从而得出经过指数平滑计算后的季节指数。
有了季节指数后，当月数据除以这个指数，就得出相应的调整后的历史值。
下一步，通过这个历史做一个期初的预测值，做法就是第1年的12期数据平均值，再加上和趋势值。由于期初没有趋势变化，值为0，因此第一个预测值就是头12期的平均值了。
同样地趋势并不是单纯的上一期历史值和上上期的历史值差异，而是一样考虑了历史值和预测值的比例，引入水平趋势指数a，从而分配预测值和历史值的权重，得出最近趋势值。简单地说，就是你选择相信历史值之间形成的趋势还是预测值之间的趋势更多。
而这个趋势之后还引入了一个趋势的估计，也就是把趋势引入线性的考虑，而这个线性程度这里设立为1，而第一期的趋势估计就是通过这个趋势衰减系数去建立计算的。
然后的各期趋势估计就以第一期计算结果，即第2年2月为起始，通过趋势平滑指数b，对当期值和上一期指权重取舍，形成指数平滑计算。如此类推。
之后，就是简单的计算，就是水平指数平滑的计算加上估计趋势，计算出季节指数调整后的预测值。
再下一步就是重新加入季节指数，即节指数调整后的预测值乘以季节指数，就得出预测值。
至于这些指标就是作为预测效果和参数调整的判断依据了。
简单的思路就是这样，如何建立一个有效的预测模型，则可以根据不同情况引入自己的思考。
由于版权等考虑，笔者不作此模版分享，具体可以联系原作者查询。
点个在看你最好看
