Statsmodels：ETSModel与ExponentialSmoothing预测结果不一致问题排查

你的两个模型预测结果不同，核心原因是关键参数的对应关系错误，以下是具体问题和修正方案：

1. 阻尼趋势的开关逻辑相反 #

• ExponentialSmoothing中damped_trend=1等价于True，表示启用阻尼趋势
• ETSModel中你设置damped_trend=0等价于False，表示禁用阻尼趋势
  → 这直接导致两个模型的趋势类型完全不同：一个是阻尼加法趋势，一个是普通加法趋势。

2. 阻尼系数的设置不符合逻辑 #

• ExponentialSmoothing启用阻尼趋势后，若未指定damping_trend，模型会自动拟合合理的阻尼系数（取值在0~1之间）
• ETSModel中你强制设置damping_trend=0.0，这完全违背阻尼趋势的设计逻辑，进一步扩大差异。

3. 季节性平滑参数的默认行为冲突 #

• ExponentialSmoothing的fit()方法中，未指定smoothing_seasonal时，会自动估计季节性平滑系数
• ETSModel中你强制设置smoothing_seasonal=0.0，相当于完全关闭季节性更新，和前者的默认行为完全不一致。

修正后的匹配代码 #

将ETSModel的参数调整为与ExponentialSmoothing完全对齐：

from statsmodels.tsa.exponential_smoothing.ets import ETSModel
from statsmodels.tsa.api import ExponentialSmoothing
import pandas as pd

# Exponential Smoothing（原代码不变）
model = ExponentialSmoothing(train, trend='add', damped_trend=True, seasonal='add', seasonal_periods=120)
fit_exp = model.fit(smoothing_level=0.0, smoothing_trend=0.6)
pred_exp = fit_exp.get_forecast(len(test))

# ETSModel（修正参数匹配）
ets_model = ETSModel(
    endog=pd.Series(train),
    trend='add',
    damped_trend=True,  # 对应ExponentialSmoothing的damped_trend=1
    seasonal='add',
    seasonal_periods=120
)

# 仅指定与原模型一致的平滑参数，其余参数让模型自动拟合
fit_ets = ets_model.fit(smoothing_level=0.0, smoothing_trend=0.6)
pred_ets = fit_ets.forecast(len(test))

额外说明 #

如果你需要手动指定阻尼系数，需在两个模型的fit()方法中设置相同值，比如：

# ExponentialSmoothing
fit_exp = model.fit(smoothing_level=0.0, smoothing_trend=0.6, damping_trend=0.9)

# ETSModel
fit_ets = ets_model.fit(smoothing_level=0.0, smoothing_trend=0.6, damping_trend=0.9)

确保阻尼系数也完全一致。

内容的提问来源于stack exchange，提问作者Meno