计算，需要的数据包括第T周期的数据，第T减N期的数据。第T减1周期的移动平均值。N是分段数据点数或者序时项数。前期的移动平均加上前期的数据与序时项数的商。

移动平均数的个数等于原始时间序列的个数减去序时项数加1.采用这种办法每个周期数据所用的次数不同，两头的数据用了一次，越靠近中间的数据被采用的次数越多。

注意点，越靠近中间的数据在预测中所起到的作用越大，越靠近两端的数据所起的作用越小，但是每个数据被采用的次数均不会超过N值

采用数值，当N值越大，信息的损失越来越多，但是能够消除偶然因素的干扰。反映变化的灵敏度低；当N的取值较小的时候，信息损失的越少，反映变化的灵敏度高。

计算原则，如果数据没有明显的周期变动或者线性下降的趋势，可以直接用当前的移动平均数代替后一期的预测值。但是实际数随着时间发生推移变化，依次移动平均值总是落后于实际数据的变化存在着滞后偏差，N的取值越大滞后偏差越大。

直接使用一次移动平均值序列做预测，当预测对象有明显的上升趋势会使得预测值偏低，反之当预测对象有明显的下降趋势会使得预测结果偏高。在这种情况下需要进行二次二次移动平均法进行计算。

缺点就是统计数据较大，对最近T期的数据等权看待，以前的数据则完全不考虑。