DỰ BÁO DOANH THU NGẮN HẠN BẰNG PHƯƠNG PHÁP SAN MŨ HOLT–WINTERS: PHÂN TÍCH THỰC NGHIỆM

SHORT-TERM REVENUE FORECASTING USING HOLT–WINTERS EXPONENTIAL SMOOTHING: AN EMPIRICAL ANALYSIS

Tóm tắt

Nghiên cứu tập trung dự báo dữ liệu chuỗi thời gian kinh tế có đặc điểm xu thế rõ rệt và tính mùa vụ mạnh thông qua việc áp dụng các mô hình san mũ. Cụ thể, ba mô hình được xem xét gồm mô hình Holt, Holt–Winters additive và Holt–Winters multiplicative. Dữ liệu chuỗi thời gian doanh thu trong giai đoạn từ quý I năm 2015 đến quý IV năm 2025 được thu thập từ trang https://finance.vietstock.vn/. Kết quả cho thấy mô hình Holt–Winters multiplicative có độ chính xác dự báo cao nhất, thể hiện qua các giá trị thấp nhất của các sai số như sai số phần trăm tuyệt đối trung bình (MAPE), căn bậc hai sai số bình phương trung bình (RMSE), sai số tuyệt đối trung bình (MAE) và Theil’s U. Nghiên cứu lấp khoảng trống về ứng dụng và đánh giá định lượng các mô hình san mũ trên dữ liệu doanh thu theo quý của doanh nghiệp niêm yết Việt Nam, đồng thời dự báo doanh thu từ quý I năm 2026 đến quý IV năm 2028, qua đó cung cấp cơ sở khoa học đáng tin cậy hỗ trợ các nhà quản lý và nhà đầu tư trong hoạch định chiến lược kinh doanh và ra quyết định tài chính hiệu quả.

ABSTRACT

This study investigates the forecasting performance of exponential smoothing models for an economic time series exhibiting a clear trend and strong seasonal patterns. We compare the Holt, additive Holt–Winters, and multiplicative Holt–Winters models using quarterly revenue data from a Vietnamese listed firm over the period 2015Q1–2025Q4, obtained from Vietstock Finance. Forecast accuracy is evaluated using standard error measures, including MAPE, RMSE, MAE, and Theil’s U. The results show that the multiplicative Holt–Winters model consistently outperforms the alternative specifications, indicating its superior ability to capture both growth dynamics and scale-dependent seasonality in corporate revenue data. This study contributes empirical evidence to the applicability of exponential smoothing methods in an emerging market context and provides out-of-sample revenue forecasts for 2026Q1–2028Q4, offering practical insights for managerial planning and investment decision-making.