Bài viết giới thiệu một số phương pháp thuộc nhóm phương pháp dự báo bởi san bằng hàm số mũ: Cụ thể là phương pháp san bằng hàm số mũ giản đơn, san bằng hàm số mũ Holt, san bằng hàm số mũ Winters và vận dụng phương pháp này để dự báo trong doanh nghiệp vận tải biển tại Việt Nam. | 123 TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI SỐ 42-08 2021 ÁP DỤNG CÁC PHƯƠNG PHÁP SAN BẰNG HÀM SỐ MŨ TRONG CÔNG TÁC DỰ BÁO TẠI DOANH NGHIỆP VẬN TẢI BIỂN VIỆT NAM APPLICATION OF EXPONENTIAL SMOOTHING METHODS FOR BUSSINESS FORECASTING OF VIETNAMESE SHIPPING COMPANIES Lê Hà Minh Trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh Tóm tắt Công tác dự báo trong các doanh nghiệp nói chung và các doanh nghiệp ngành vận tải biển nói riêng đóng vai trò rất quan trọng khi ra quyết định về quản lý và lập kế hoạch đưa ra chiến lược cho doanh nghiệp. Dự báo thực hiện các chức năng chính là tham mưu và khuyến nghị điều chỉnh. Phân tích và dự báo được tiến hành trong tất cả các bước của quản lý doanh nghiệp. Nhóm phương pháp san bằng hàm số mũ xác định giá trị dự báo trên cơ sở tổ hợp các quan sát trong quá khứ là công cụ phù hợp để dự báo với chuỗi số liệu theo thời gian giúp các nhà đầu tư có được quyết định phù hợp với bối cảnh thị trường chứng khoán hiện nay khá sôi động. Bài báo giới thiệu một số phương pháp thuộc nhóm phương pháp dự báo bởi san bằng hàm số mũ Cụ thể là phương pháp san bằng hàm số mũ giản đơn san bằng hàm số mũ Holt san bằng hàm số mũ Winters và vận dụng phương pháp này để dự báo trong doanh nghiệp vận tải biển tại Việt Nam. Từ khóa Chuỗi thời gian dự báo doanh nghiệp vận tải biển Holt san bằng hàm số mũ san bằng hàm số mũ giản đơn Winters. Mã phân loại 12 Abstract Business forecasting specifically in the shipping company is very important in deciding on management and planning strategy. Forecasting has two main functions advisory recommendation and adjustment. Analysis and forecasting are conducted in all processes of business management. The exponential smoothing methods determine the forecasting value on the fundamental combination of past observations is a suitable tool for forecasting with time-series data which helps investors make appropriate decisions in the active stock market currently. This article will introduce three methods belong to
