一次移動平均實際上認為近N期數據對未來值影響相同，都加權 1/N；而 N 期以前的數據對未來值沒有影響，加權為0。但是，二次及更高次移動平均數的權數卻不是 1/N，且次數越高，權數的結構越復雜，但永遠保持對稱的權數，即兩端項權數小，中間項權數大，不符合一般系統的動態性。一般來說歷史數據對未來值的影響隨時間間隔的增長而遞減的。所以，更切合實際的方法應是對各期觀測值依時間順序進行加權平均值作為預測值。指數平滑法可滿足這一要求，而且具有簡單的遞推形式。
指數平滑法根據平滑次數的不同，分為一次指數平滑法、二次指數平滑法、三次指數平滑法等。
1. 一次指數平滑法
1. 預測模型
設時間序列為 y1,y2,...,yt,...，α為加權系數，0<α<1，一次指數平滑公式為：
式（13）是由移動平均公式改進而來的。由式（1）知，移動平均數的遞推公式為
2. 加權系數的選擇
在進行指數平滑時，加權系數的選擇是很重要的。由式（15）看出，α的大小規定了在新預測值中數據和原預測值所占的比重。α越大，新數據占的比重越大，原預測值占的比重越小，反之亦然。若把式（15）改成
上式可以看出，新預測值是根據預測誤差對原預測值進行修正得到的。α的大小體現了修正幅度，α越大，修正幅度越大；α越小，修正幅度越小。
若選取 α = 0，則
，即下期預測值就等於本期預測值，