“指数加权平均（EWA）和移动加权平均（MWA）”这个题目，我一开始也觉得没什么好讲，两个公式写出来就完事了。后来在实际项目里被坑过几次，才发现真正麻烦的地方根本不在公式本身，而在于那几个看起来随手填的参数：指数加权平均的平滑系数 β 到底取 0.9 还是 0.99，移动加权平均的窗口到底取 7 还是 30，权重是按线性递减还是按指数衰减。这些数字背后其实是你对“数据新鲜度”和“噪声容忍度”的判断，填错了不一定报错，但结论会悄悄失真，而且失真得很隐蔽。

这篇内容我打算把两类加权平均从需求、推导、选型到实现完整过一遍，重点放在那些文档里一般不会写、但实际干活时一定会遇到的细节上。做算法、做监控、做时序特征、写优化器、做业务指标看板的同学应该都能用得上；数学基础弱一点也没关系，我会尽量用生活化的说法把每一步的动机讲清楚，公式只保留真正有用的那几条。

1. 从需求出发：为什么要用加权平均而不是算术平均

1.1 名字相近，但解决的是两类不同问题

先把概念对齐，不然后面容易绕。指数加权平均（Exponentially Weighted Average，常写作 EWA 或 EWMA）是一类带递归结构的平滑方式，当前输出等于上一时刻输出与当前观测值的加权和，权重随时间指数衰减，越久远的数据影响力越小，但永远不会真正归零。移动加权平均（Moving Weighted Average，常写作 MWA 或 WMA）则是在一个固定长度的窗口内，给不同位置的数据分配不同权重，窗口一滑过去，老数据就彻底不再参与计算。

这两个东西经常被混着叫，因为它们在很多场景下算出来的曲线长得确实像。但从机制上它们是两套完全不同的东西：一个是无限记忆的递归滤波，一个是有限记忆的滑窗卷积。你可以把它们理解成两种不同的“遗忘方式”：EWA 是渐进式遗忘，今天的事情记得最清楚，昨天的稍微模糊一点，上个月的只剩一点影子；MWA 是断崖式遗忘，窗口内的数据按位置排座次，窗口之外的一律当没发生过。

我之所以强调这个区别，是因为它决定了你在工程上怎么选。需要极低内存、需要在线更新、需要平滑一条永不停止的流式指标，EWA 几乎是唯一选择；需要“只看最近 N 天”“过期数据必须彻底失效”“要让审计能复现口径”，那必须用 MWA。这一点在合规和财务类场景里尤其重要，一个三年以前的异常值如果还在隐隐约约影响今天的均值，是很难向人解释清楚的。

1.2 算术平均的两个短板：迟钝与过期数据污染

要理解加权平均的价值，得先看清最简单的算术平均卡在哪。算术平均的逻辑是“所有样本一视同仁”，这在样本独立同分布、且没有时间顺序的场合完全没问题。但只要数据带上了时间戳，一视同仁就变成了两个硬伤。

第一个硬伤是迟钝。假设你有一组每天上报的业务指标，正常在 100 上下波动，突然某天系统出了状况，指标掉到 20。如果按 7 天算术平均算，当天均值是 (100×6+20)/7 ≈ 88.6，看起来“只是小幅下滑”，实际上问题已经很严重了。等再过几天异常持续，均值才慢慢跟下来，这时候黄花菜都凉了。算术平均对突变的响应速度约等于窗口长度的一半，窗口越长越迟钝。

第二个硬伤是过期数据污染。反过来，如果一个尖峰发生在窗口边缘，它还会死死拽着均值不放。比如某天出现了一次 500 的异常值，接下来六天的均值都会被这个 500 抬高一截，哪怕后面六天全是正常值。业务同学看到报表会问“为什么今天没出事指标还这么高”，你得花半天解释这是历史数据的拖尾。

这两个短板指向同一个诉求：数据的价值应该随时间衰减。越新的数据越重要，越老的数据越应该退场。加权平均就是把这个诉求数学化的结果，只不过 EWA 和 MWA 用了两种不同的衰减曲线。

提醒：如果数据本身没有时间顺序，比如一次问卷的所有答卷、一批产品的抽检结果，别硬套加权平均，那属于给不存在的问题加复杂度。

1.3 加权带来的新代价：滞后与参数选型焦虑

加权不是免费的。你把权重往新数据倾斜，换来的是响应速度，付出的代价是噪声放大；你把权重往老数据倾斜，换来的是平滑，付出的是滞后。这两者是严格对偶的，不存在“又平滑又灵敏”的免费方案。

更麻烦的是，加权之后会多出一组需要拍板的参数：EWA 要定 β，MWA 要定窗口长度 N 和权重形状。参数一多，团队里就容易出现“你的曲线和我的曲线对不上”的扯皮。我见过一个挺典型的场景，两个小组各做一套监控看板，用的都是“移动平均”，一个用 5 点简单平均，一个用 β=0.9 的指数平均，同一份原始数据画出来的曲线在告警时刻差了将近二十分钟，最后排查了一整天才发现是平滑口径不一致。

所以这篇内容后面会专门花一节讲参数怎么定，目标不是给你一个“最佳值”，而是给你一套能算、能解释、能写进文档的推导方法。参数只要能被推导出来，团队就有讨论的基础；全靠拍脑袋，后面一定会反复返工。

2. EWA 的核心：一条递推式背后的记忆衰减

2.1 递推式怎么来的，展开后长什么样

指数加权平均的定义非常简洁：

v_t = β · v_{t-1} + (1 - β) · θ_t

其中 θ_t 是当前时刻的观测值，v_t 是平滑后的输出，β 是介于 0 和 1 之间的平滑系数。这个式子说的是：新的平滑值 = 旧平滑值打个折 + 新观测值补上差额。看着像在“更新”，其实它等价于对全部历史做一次加权求和。

把递推式一层层展开，能得到显式形式：

v_t = (1 - β) · Σ_{i=0}^{t-1} β^i · θ_{t-i} + β^t · v_0

这就很清楚了：当前观测 θ_t 的权重是 (1-β)，往前一天权重乘一个 β，再往前再乘一个 β，依此类推。β=0.9 的时候，权重序列是 0.1、0.09、0.081、0.0729……像一条不断衰减的尾巴。衰减速度完全由 β 控制，β 越接近 1，尾巴越长，记忆越久。

这里有个容易被忽略的点：所有历史权重加起来是 1 - β^t，而不是 1。当 t 足够大时 β^t 趋近于 0，权重和才收敛到 1。这解释了为什么序列刚启动的时候 EWA 的输出会明显偏小——它不是算错了，而是权重根本没加满。这一点直接引出下一节的偏差修正。

顺带说一个工程上的好处：EWA 只需要保存一个状态量 v，不管序列跑了一万条还是一亿条，内存占用都是常数。流式计算、嵌入式设备、高频指标采集这些场景，这一点几乎是决定性的。

2.2 偏差修正：为什么启动阶段必须补一刀

如果不做处理，把 v_0 初始化为 0，那么前几个时刻的输出会严重偏低。举个具体数字，β=0.9，真实观测值一直稳定在 100：

第一天的输出只有 10，跟真实值差了十倍。如果这条曲线直接上监控大盘，第一天必然触发一堆误告警。偏差修正的做法很简单，把输出除以 (1 - β^t)：

v_t_corrected = v_t / (1 - β^t)

修正之后，前几个时刻的输出立刻回到真实量级。这个技巧在很多优化器实现里都能看到，比如自适应矩估计那一类方法对一阶矩和二阶矩都做了同样的修正，原因就在这里。

不过偏差修正不是无脑开的。有两种情况我会主动关掉它：一是序列很长、启动阶段根本不在关注范围内，修正与否无所谓，多一次幂运算反而浪费；二是你把 v_0 初始化成了第一个观测值而不是 0，这时候偏差本身就很小，再修正反而会放大早期噪声。初始化成首个观测值这个做法在实时系统里挺常见，代价是丢了“从零开始累积”的语义，看你怎么权衡。

注意：偏差修正的分母 1-β^t 在 t 很小时接近 0，如果你用的是单精度浮点并且 t 从 0 开始索引，记得把索引处理对，否则会除出一个异常大的值。

2.3 β 与半衰期、有效窗口、滞后的换算

β 这个数字本身没有直觉，0.9 和 0.95 差 0.05，效果却差一倍。所以实际工作中我更习惯把它翻译成三个有物理意义的量：半衰期、有效窗口、平均滞后。

半衰期指的是权重衰减到一半所需的步数，解 β^H = 0.5 得 H = ln0.5 / lnβ。有效窗口一般取 1/(1-β)，含义是权重明显还“有分量”的历史长度。平均滞后则是加权重心相对当前时刻的位置，对 EWA 可以证明等于 β/(1-β)。

最后那一列噪声压缩比值得单独说。如果输入序列是独立同分布的，方差为 σ²，那么 EWA 输出的方差是 σ²·(1-β)/(1+β)，标准差压缩比就是 sqrt((1-β)/(1+β))。β=0.9 时压缩到原来的 0.229 倍，也就是噪声幅度降到不到四分之一，这个平滑力度相当可观。β=0.99 能压到 0.071 倍，但同时引入了 99 步的滞后——如果你的采样周期是 1 分钟，那就是接近一个半小时的延迟，用来做实时告警显然不合适。

这张表是我最常用的工具。定参数的时候先问自己两个问题：能容忍多少滞后？需要压掉多少噪声？两个答案往表里一查，β 基本就定了，剩下的只是微调。

3. WMA 的核心：固定窗口内的权重分配

3.1 线性权重是默认答案，但不是唯一答案

移动加权平均的通用形式是：

y_t = Σ_{k=0}^{N-1} w_k · x_{t-k}, 其中 Σ w_k = 1

窗口长度 N 固定，权重 w_k 由你设计。最常见的默认答案是最新数据权重最大、最老数据权重最小、中间线性递减，也就是所谓线性加权移动平均。以 N=5 为例，权重取 5、4、3、2、1，归一化后是 1/3、4/15、1/5、2/15、1/15。

线性权重的好处是直观、可解释、计算简单，而且它的平均滞后有闭式解：对线性权重，滞后等于 (N-1)/3。N=5 时滞后 1.33 步，N=20 时滞后 6.33 步。对比一下 EWA 在相同“有效窗口”下的滞后：β 取 0.95 对应有效窗口 20，滞后是 19 步。同样是 20 个点的记忆长度，线性加权移动平均的滞后只有指数加权平均的三分之一左右。

这个差距来自权重分布的形态。EWA 的权重是从最大值开始单调衰减的长尾，重心偏后；线性 WMA 的权重在窗口内均匀铺开，重心居中。所以如果你对滞后敏感、又不需要无限记忆，线性 WMA 往往是更划算的选择。

除了线性，还有几种常见变体：

• 三角权重：先升后降，适合突出窗口中段、弱化两端噪声的场景，比如对一段有明确“中段最可信”语义的数据做融合。
• 指数权重：在固定窗口内用指数衰减，本质是把 EWA 截断成一个有限脉冲响应滤波器，兼顾了指数衰减的平滑性和窗口的有限记忆。
• 自定义权重：比如按数据质量打分加权、按采样间隔加权。后者在不等间隔采样的时序里很必要，某个点隔了两天才来，权重理应打折。

我自己最常用的是线性权重，因为它的滞后可以精确算出来，写进设计文档里没人会质疑。指数权重在需要更强平滑时偶尔用，但要额外解释“为什么窗口内的权重还要再衰减一次”，沟通成本高一些。

3.2 窗口对齐与边缘效应

WMA 有个绕不过去的工程问题：序列开头的前 N-1 个点没有完整窗口，输出要么是空、要么是缩水窗口算出来的值。这两种处理方式会导致曲线头部明显异常，做特征工程时如果不处理，模型会把这部分异常当成信号学进去。

三种常见处理方式，各有取舍：

我的默认选择是第一种，把前 N-1 个点标成缺失，让下游自己决定怎么补。理由很简单：缩水窗口算出来的值统计性质和稳态完全不一样，混在一起会让后续的标准化、阈值判断全部失真。宁可显式承认“这段时间没有可靠结果”，也不要给一个看起来正常实则不可信的数字。

还有一个容易被忽视的点是窗口的时间对齐。如果你的数据不是严格等间隔采样，比如日志是事件驱动的、有时候一分钟一百条有时候一小时一条，那“最近 N 条”和“最近 N 分钟”完全是两回事。前者在流量高峰时窗口可能只覆盖几秒钟，后者需要先做时间分桶。这一点在做监控指标时经常踩坑，尤其是把 WMA 直接套在原始事件流上。

3.3 EWA 与 WMA 的机制差异对照

把两者的关键差异摆在一起看，选型会清晰很多：

举个具体场景帮助判断。做线上服务的延迟监控，每秒一条数据，需要的是“最近几分钟的整体水位”，同时内存不能随运行时长增长，这就是典型的 EWA 场景。做月度经营分析，口径必须写死“最近 30 天”，审计要能复现，任何历史数据都不该在 30 天后还有残留影响，这就是典型的 WMA 场景。

还有一个混合用法值得提：先用 WMA 做一层窗口聚合，再用 EWA 做二次平滑。这样做的好处是 WMA 负责“硬截断”，把太久远的数据彻底踢掉，EWA 负责“软平滑”，让曲线不抖动。代价是滞后叠加，两层的滞后会累加，用之前先算一下总数能不能接受。

4. 参数怎么定：用可计算的指标代替拍脑袋

4.1 从“想消除多少噪声”反推 β

参数选型最忌讳的是“同事用 0.9 我也用 0.9”。正确做法是从业务约束反推。第一步先量化噪声：拿一段稳态数据算一下原始序列的标准差，再估一下你希望平滑后的曲线波动幅度控制在多少。

假设原始指标在稳态下的标准差是 12，你希望平滑后的日间波动不超过 3，那么需要的标准差压缩比是 3/12 = 0.25。代入 sqrt((1-β)/(1+β)) = 0.25，解方程：

(1-β)/(1+β) = 0.0625 1-β = 0.0625 + 0.0625β 0.9375 = 1.0625β β ≈ 0.882

取 0.88 或 0.9 都行，0.9 对应的压缩比是 0.229，比目标稍微激进一点，属于可接受范围。这种“先定压缩比再解 β”的思路比查表更靠谱，因为它把业务语言（波动不能超过多少）直接翻译成了参数。

反过来，如果你已经有一个固定的 β 想评估效果，也可以直接算压缩比，看看和业务预期差多少。这个动作在参数评审时特别有用，一句话就能说清楚“为什么是 0.9 不是 0.99”。

4.2 从“多久之前的数应该彻底失效”反推窗口

WMA 的窗口长度推导更直接：问业务方“多久以前的数据你希望完全不影响今天的结果”。答案如果是 7 天，窗口就是 7；如果是 30 天，窗口就是 30。听起来像废话，但这个问题的价值在于逼着人明确表态。

麻烦的是很多时候没人能给准话。这时候可以用一个折中方法：分别用 7、14、30 三个窗口各跑一遍历史数据，看哪个窗口下的曲线在关键事件点上既能及时反映变化、又不会频繁误报。这个动作我一般会做成一张对比图给相关方看，让他们指着图说“我要这条”。比纯讨论参数有效得多。

窗口定了之后还要定权重形状。前面说过线性权重的滞后是 (N-1)/3，如果你的窗口是 30，滞后就是 9.67 天——这意味着一个持续的变化要十天左右才能在曲线上体现完整。如果这个延迟不可接受，那要么缩短窗口，要么改用滞后更小的权重方案（比如让权重更集中在最近几个点上）。

4.3 一个完整的选型计算示例

把上面两步串起来看一个完整例子。假设某业务需要监控一个日更的转化率指标，历史数据显示该指标稳态标准差 0.8 个百分点，业务方要求平滑后的曲线日间波动不超过 0.3 个百分点，同时对突变的响应希望在一周内体现。

先算噪声压缩比：0.3/0.8 = 0.375。解 sqrt((1-β)/(1+β)) = 0.375，得到 (1-β)/(1+β) = 0.1406，1-β = 0.1406 + 0.1406β，0.8594 = 1.1406β，β ≈ 0.753。

β=0.75 对应的平均滞后是 0.75/0.25 = 3 天，有效窗口 4 天。滞后 3 天满足“一周内体现”的要求，但有效窗口只有 4 天，意味着周末的波动会明显影响工作日的读数。这时候有两个选择：接受周末噪声，或者把 β 提到 0.85 左右，压缩比降到 0.285，滞后升到 5.67 天，仍然在一周以内，但平滑效果更好。

我倾向于选后者，因为日更数据里周末和工作日的模式差异是真实存在的噪声来源，压得狠一点反而更稳。最终定 β=0.85，把这个推导过程写进参数说明，后面有人质疑直接甩文档。

5. 手写实现与工程细节

5.1 EWA 的循环版与向量化写法

虽然各种库都有现成实现，但自己写一遍能避免很多“以为它做了其实没做”的误会。最直白的循环版：

import numpy as np def ewa(x, beta, bias_correct=True, init=None): x = np.asarray(x, dtype=np.float64) out = np.empty_like(x) v = 0.0 if init is None else float(init) for t in range(len(x)): v = beta * v + (1.0 - beta) * x[t] if bias_correct: denom = 1.0 - beta ** (t + 1) out[t] = v / denom else: out[t] = v return out

注意索引细节：偏差修正的分母用的是 t+1，因为循环从 0 开始，第一个点对应 t=1 的语义。这个 off-by-one 错误我见过不止一次，表现就是第一个点算出来偏大或者除零。

如果需要批量处理很多条序列，向量化写法会快得多，思路是把递归展开成卷积：

def ewa_vectorized(x, beta): x = np.asarray(x, dtype=np.float64) n = len(x) powers = beta ** np.arange(n - 1, -1, -1) weights = (1.0 - beta) * powers return np.convolve(x, weights, mode='full')[:n]

这种写法在序列长度固定、需要批量计算的场景下优势明显，但要注意 convolve 的边界处理会引入截断，长序列末尾的精度不如循环版。实测下来，序列长度在两万以内两者差异可以忽略，再长的话建议还是用循环版或者分块处理。

5.2 WMA 的实现与 O(1) 优化思路

WMA 最直观的实现是滑窗加权，配合滑动窗口视图能写得比较干净：

from numpy.lib.stride_tricks import sliding_window_view def wma(x, n): x = np.asarray(x, dtype=np.float64) w = np.arange(1, n + 1, dtype=np.float64)[::-1] w /= w.sum() out = np.full_like(x, np.nan) win = sliding_window_view(x, n) out[n - 1:] = win @ w return out

这段代码返回的前 n-1 个点是 NaN，符合前面说的“宁缺毋滥”原则。权重向量构造时用了反向排列，保证最新点对应最大权重，这个细节写反了曲线会整体后移，看起来像“预测未来”，实际是把窗口方向搞错了。

如果 N 特别大、数据量也大，朴素实现会退化成 O(N·L)，这时候可以用前缀和把线性权重的 WMA 优化到 O(1)。推导思路是把加权和拆成两部分：

Σ_{k=0}^{N-1} (N-k)·x_{t-k} = N·S_t - T_t

其中 S_t 是窗口内简单和，T_t 是窗口内按位置加权的和。这两个量都能用前缀和差分维护，每次只需常数次运算。代价是要维护累积和的数组，数值范围随序列长度增长，浮点精度会有累积误差，通常跑几十万步之后需要重新校准一次基准。

实践中的经验是：N 小于 200 的时候直接用滑窗，代码简单不易错；N 上千并且数据量上百万，再考虑前缀和优化，同时加上定期重置。

5.3 缺失值、异常值、精度与预热期

真实数据没有不带窟窿的。EWA 遇到缺失值，有两种处理原则：跳过（不更新状态）或者当零处理。绝大多数场景应该选跳过，因为“没有数据”不等于“数据是零”。跳过的实现要小心状态保持：

def ewa_skip_nan(x, beta): v = None out = np.full(len(x), np.nan) for t, val in enumerate(x): if val is None or (isinstance(val, float) and np.isnan(val)): out[t] = v if v is not None else np.nan continue v = val if v is None else beta * v + (1.0 - beta) * val out[t] = v return out

这里用“首次有效值直接赋给状态”来避免启动偏差，属于前面提到的初始化策略之一，简单好用。

异常值处理是另一个话题。EWA 对单个极端值有长尾效应，一个离谱的点会污染后面几十个输出。常见做法是先做截断再做平滑：把超出 P99 或者三倍标准差的点截断到边界值，然后再进 EWA。截断这一步看起来粗暴，实际效果比各种花哨的鲁棒平滑方法都稳，而且容易解释。

精度方面，如果你的 β 非常接近 1（比如 0.999），而序列又特别长，用 float32 累积会出现明显的漂移，因为每次更新只加进去了极小的一点信息，浮点尾数被吃掉了。这种场景务必用 float64。我遇到过一次线上事故就是有人为了省内存用了 float32，跑了三天之后平滑曲线开始莫名其妙地往上飘，排查了半天才发现是精度问题。

最后是预热期。EWA 的前 2 到 3 倍有效窗口长度的输出都不太可信，尤其是没有做偏差修正的时候。如果这段曲线要进模型训练，建议直接丢弃预热部分；如果要上监控大盘，可以在图上标一段灰色区间表示“预热中”。这个细节看着小，但能省掉很多“为什么系统刚上线时数据这么怪”的解释工作。

6. 落地场景拆解

6.1 训练优化器里的动量项，别把缩放搞混

深度学习优化器里到处是 EWA。动量法维护一个梯度的指数加权平均作为“惯性”，自适应矩估计那一类方法同时对梯度和梯度平方做 EWA，然后拿两者相除得到逐参数的自适应步长。这里的偏差修正几乎是必需的，因为训练早期 t 很小，不修正的话一阶矩和二阶矩都会被系统性低估，导致前几百步的更新幅度异常。

有一个特别容易搞错的地方是缩放系数。原生 EWA 的定义里带 (1-β)，但很多优化器实现里的动量项写成 v = μ·v + g，没有那个 (1-μ)。这两个式子在数学上只差一个常数倍，但如果你自己手写代码又混用了别人的公式，就会出现学习率等效放大或者缩小的情况。表现就是训练不稳定或者收敛极慢，而且很难定位。

我的建议是：如果你要自己实现，先明确写下你用的是哪一种形式，然后在学习率上把系数补回来；如果你只是调参，别去碰这块，直接用框架提供的实现。判断依据可以看框架文档里动量项的定义式，或者做个极简实验：单参数、固定梯度、跑十步，看参数更新量对不对得上。

另一个相关细节是 β 的取值和 batch size 的关系。小 batch 下梯度噪声大，动量系数通常会取大一点来平滑；大 batch 下梯度本身就比较稳，动量系数可以小一些。这个规律不是铁律，但方向是对的。

6.2 监控指标平滑与告警抑制

监控场景是 EWA 的主场。原始指标往往抖得厉害，直接配阈值会导致告警风暴；用 EWA 平滑之后设阈值，误报率会大幅下降。这里的关键是把告警阈值和平滑后的噪声水平匹配起来。

具体做法：先估计原始序列的稳态标准差 σ，算出 β 对应的压缩比 c，那么平滑后的噪声标准差大约是 c·σ。如果按三倍标准差设阈值，阈值宽度应该是 3·c·σ，而不是 3·σ。这个换算很多团队会漏掉，结果就是阈值设得太宽，真正的异常也漏过去了。

举个数字，原始 σ=10，β=0.9，c=0.229，平滑后噪声标准差 2.29。如果按 3σ 设阈值，应该是偏离基线 6.87 就告警。如果你还按原始的 30 去设，那等于把灵敏度白白浪费了 4 倍多。

告警抑制还有个小技巧：对“持续超阈”做二次判断。单点超阈可能只是残余噪声，连续三个点超阈再触发，能进一步压掉抖动。这个逻辑本质上是在 EWA 之后又叠加了一层计数滤波，代价是响应再慢几拍，需要根据业务容忍度权衡。

WMA 在监控里也有用武之地，尤其是那种“必须看最近 N 分钟”的 SLO 统计。因为口径是硬性的，用 WMA 或者干脆用滑动窗口求和，比 EWA 更容易通过审计。我一般建议：面向内部调试用 EWA，图快图灵敏；面向对外承诺的指标用滑窗，图准图可复现。

6.3 时序特征与异常残差

做时序建模的时候，EWA 和 WMA 都能直接当特征用。最基础的是把平滑后的值作为趋势项输入模型，让模型不用自己从噪声里学趋势。更进一步的做法是构造残差特征：用原始值减去平滑值，得到的偏差序列往往比原始序列更有信息量，因为平滑值代表“预期”，残差代表“意外”。

残差特征还有个好处是天然做了去趋势。很多模型的假设是平稳的，而原始指标通常有明显趋势，直接喂进去效果不好。用 EWA 做一次平滑再取差值，相当于做了一次高通滤波，剩下的部分平稳性会好很多。

如果要做得更细，可以用两个不同时间尺度的平滑做差，得到类似“短周期动量”的特征。比如用 β=0.9 和 β=0.99 各跑一遍，两者相减，结果能反映近期相对长期的偏离程度。这个思路和金融里常用的双均线策略是相通的，只不过那边用的是简单移动平均。

异常检测里，残差的用法更直接：对残差序列建模，超出一定分位数就判为异常。这里要注意残差本身的方差会随平滑强度变化，所以阈值不能跨参数复用，每次改 β 都得重新标定。这一点在实际项目里经常被忽略，导致模型换了一版平滑参数之后误报率突然飙升。

7. 踩坑记录与速查表

7.1 几个真实翻车场景

第一个坑是混用两种平滑做对比。某次做 A/B 实验分析，两组数据分别用了不同的平滑方式，一组用 EWA 一组用 WMA，结果曲线在实验开始那几天差异巨大，被误读成“实验组效果显著”。实际上那个差异完全来自平滑方式对启动阶段的处理不同。后来统一了口径重跑，差异就消失了。教训是：对比实验里，平滑参数必须完全一致，连初始化方式都得对齐。

第二个坑是窗口长度和采样频率没对齐。有个项目把按小时聚合的 WMA 窗口设成 24，本意是“最近一天”，但数据源实际是每十分钟一条，24 个点只覆盖了四小时。曲线看起来特别灵敏，团队还以为是好事，直到做容量规划时发现趋势判断总是慢半拍才反应过来。这类错误的隐蔽性很强，因为曲线本身看着完全正常。

第三个坑是偏差修正开关状态在两条代码路径里不一致。离线评估脚本开了修正，线上服务为了省算力关了修正，结果同一份数据两边算出来的指标差了 15%，排查了两天才定位到这一行。现在的做法是把所有平滑相关参数收进一个配置对象，离线线上共用同一份配置，从结构上杜绝这类不一致。

第四个坑是浮点精度。前面提过，β 接近 1 的时候用 float32 会漂移。补充一个细节：即使你用 float64，如果序列长度超过千万级，累积误差也会显现，表现是平滑曲线缓慢偏离真实均值。缓解办法是定期用最近一段原始数据的均值重置状态，比如每百万步重置一次，代价可以忽略。

7.2 常见问题速查

关于最后一条，再补一个实操建议：在配置文件里把窗口写成带单位的字段，比如window_points和window_seconds二选一，强制使用者想清楚自己要的是哪一种。很多事故就是因为一个叫window的裸字段，有人按点数理解有人按秒理解。

如果只能记一句话，我自己的体会是：先把滞后算出来，再定参数，剩下的都是细节。滞后是所有加权平滑方案绕不开的成本，先确认这个成本付得起，后面的事情都好办；付不起，再漂亮的平滑效果也是白搭。这个顺序反了，项目后期改起来会非常痛苦，因为平滑参数往往被写死在了无数个下游的分析脚本里。