Peramalan runtun waktu merupakan sebuah solusi untuk memprediksi suatu nilai di masa depan menggunakan data masa lalu dengan intensi akurasi peramalan yang baik. Salah satu teknik dalam mengevaluasi performa model peramalan yaitu Rolling Window Cross Validation. Penelitian ini bertujuan  untuk memperoleh hasil penerapan Rolling Window Cross Validation serta mengevaluasi nilai peramalan lima langkah ke depan pada data Indeks Hang Seng (IHS) yang merupakan salah satu indeks saham utama di Asia dan menjadi indikator utama pasar saham Hong Kong. Pada tahun 2021 hingga 2022, data IHS menunjukkan penurunan berkepanjangan yang menandakan bahwa data memiliki pola tidak stasioner dan mengandung tren, sehingga metode Exponential Smoothing Holt (Holt’s) dengan fungsi HoltWinters() dan ets() pada Software R serta metode Auto ARIMA digunakan dalam mengevaluasi nilai peramalan data IHS. Hasil penelitian menunjukkan bahwa terdapat 21 model untuk setiap metode dengan penentuan window sebanyak 212. Metode Holt’s dengan fungsi HoltWinters() memiliki nilai MAPE sebesar 3,3834%; 4,7903%; 7,2524%; 9,7318% dan 12,2149% sementara dengan fungsi ets() diperoleh nilai MAPE sebesar 3,4088%; 5,4025%; 7,7144%; 10,0780% dan 12,3298%. Metode Auto ARIMA memiliki nilai MAPE yang lebih rendah dibandingkan dengan metode Holt’s baik untuk kedua fungsi, yakni sebesar 2,9196%; 4,6553%; 6,4012%; 8,3083% dan 10,3781%  untuk satu hingga lima langkah ke depan. Oleh karena itu, berdasarkan hasil penerapan Rolling Window Cross Validation diperoleh bahwa metode Auto ARIMA merupakan metode yang direkomendasikan dalam peramalan nilai IHS hingga lima langkah ke depan.