移动平均法是一种常用的时间序列数据平滑技术，用于计算数据的移动平均值，以预测未来的趋势或值。以下是几种常见的移动平均法公式：
简单移动平均法（SMA）
公式：\[ SMA（X,N） = \frac{X_1 + X_2 + X_3 + \ldots + X_N}{N} \]
其中，\（ X_1, X_2, \ldots, X_N \） 是时间序列中连续的 \（ N \） 个数据点，\（ N \） 是移动平均的期数。
加权移动平均法（WMA）
公式：\[ WMA（X,N） = w_1X_{N-1} + w_2X_{N-2} + \ldots + w_nX_{N-N} \]
其中，\（ w_1, w_2, \ldots, w_N \） 是各期数据的权重，且 \（ w_1 + w_2 + \ldots + w_N = 1 \）。权重可以相等也可以不等，通常根据数据的重要性进行赋值。
指数移动平均法（EMA）
公式：\[ EMA（X,N） = \frac{X_N}{N} + \frac{N-1}{N} \cdot EMA（X,N-1） \]
其中，\（ X_N \） 是最新的数据点，\（ N \） 是移动平均的期数。EMA对最近的数据点赋予了更大的权重。
移动加权平均法（MWMA）
公式：\[ MWMA（X,N） = \frac{（X_{N-1} \cdot C_{N-1}） + （X_N \cdot C_N）}{C_{N-1} + C_N} \]
其中，\（ C_{N-1} \） 和 \（ C_N \） 分别是前一期和当前期的权重，通常 \（ C_N = 1 \），而 \（ C_{N-1} \） 是上一期的权重，可以根据具体需求设定。
这些公式在不同的应用场景中有各自的优势。简单移动平均法适用于数据较为均匀分布的情况，而加权移动平均法则可以根据数据的重要性赋予不同的权重，从而更准确地反映数据的趋势。指数移动平均法在处理具有趋势和季节性数据时表现更好，而移动加权平均法则在每次新数据加入时都会重新计算平均值，适用于需要实时更新预测的情况。