移動平均とは？計算方法・種類・活用例を初心者向けに解説

移動平均でデータを見やすく

移動平均とは。

移動平均とは、時系列データに対して一定期間の平均値を順番に計算し、データの細かな揺れをならして見やすくする方法です。株価、為替、気温、売上、センサー値、機械学習の学習状況など、時間の流れに沿って記録されるデータで広く使われます。

移動平均の目的は、短期的なノイズに惑わされず、データ全体の傾向や変化の方向をつかみやすくすることです。たとえば日々の気温は上下しますが、7日移動平均を使うと、1日ごとのばらつきよりも「週を通した暑さの傾向」が見えやすくなります。

ただし、移動平均は未来を必ず当てるための方法ではありません。あくまで過去から現在までのデータを整理し、傾向を読み取りやすくするための可視化・前処理の手法です。この性質を理解して使うと、データ分析やAIの学習データ確認でも役立ちます。

移動平均の計算方法

もっとも基本的な単純移動平均は、指定した期間内のデータを合計し、その個数で割って求めます。5日移動平均なら、連続する5日分の値を足して5で割ります。

数式で表すと、時点 t における期間 n の単純移動平均は次のようになります。

\(SMA_t = \frac{x_t + x_{t-1} + \cdots + x_{t-n+1}}{n}\)

たとえば、ある商品の売上が5日間で「10、12、11、15、17」だった場合、5日移動平均は (10 + 12 + 11 + 15 + 17) / 5 = 13 です。翌日は最初の10を外し、新しい日の売上を加えて、また5日分の平均を計算します。

移動平均では、計算に使う範囲が1つずつ横に動いていくため、「移動」という名前が付いています。この範囲は窓、ウィンドウ、期間などと呼ばれます。

移動平均の期間はどう決めるか

移動平均で重要なのは、何個分のデータを平均するかです。期間を短くすると、最新の変化に素早く反応します。一方で、元データの細かな上下動も残りやすくなります。期間を長くすると線は滑らかになりますが、急な変化への反応は遅くなります。

株価チャートでは、短期の動きを見るために5日移動平均や25日移動平均、中長期の流れを見るために75日移動平均や200日移動平均が使われることがあります。売上データなら、曜日の影響をならすために7日移動平均、月ごとの傾向を見るために30日移動平均を使う、といった選び方が考えられます。

期間は「よく使われる数字」だけで選ぶのではなく、データの周期と分析目的に合わせて選ぶことが大切です。週単位の周期があるなら7、月単位の傾向を見たいなら30前後、長期トレンドを見たいならさらに長い期間を試す、というように考えます。

移動平均の主な種類

移動平均にはいくつかの種類があり、どれを使うかで線の反応の速さや滑らかさが変わります。代表的なのは、単純移動平均、加重移動平均、指数移動平均です。

単純移動平均は、期間内のすべてのデータを同じ重みで平均する方法です。計算が簡単で、移動平均の考え方を理解する入口として最も分かりやすい方法です。ただし、期間内の古いデータと新しいデータを同じ扱いにするため、急な変化への反応はやや遅れます。

加重移動平均は、最近のデータに大きな重みを付け、古いデータの重みを小さくして平均する方法です。直近の変化を重視したいときに向いていますが、重みの決め方によって結果が変わるため、なぜその重みにするのかを説明できることが重要です。

指数移動平均は、最近のデータをより強く反映し、過去のデータの影響を徐々に小さくする方法です。金融のテクニカル分析や時系列データの平滑化でよく使われます。単純移動平均より変化に反応しやすい一方、計算の考え方は少し複雑になります。

金融での活用例

移動平均は、株価や為替レートなどの金融データで特によく使われます。市場価格は日々大きく動くため、今日の価格だけを見ると一時的な変動に引っ張られやすくなります。移動平均線を使うと、短期的な乱高下をならし、上昇傾向なのか、下落傾向なのか、横ばいなのかを把握しやすくなります。

代表的な見方に、短期移動平均線と長期移動平均線の比較があります。短期線が長期線を下から上に抜ける動きは、上昇方向への変化を示すサインとして「ゴールデンクロス」と呼ばれます。反対に、短期線が長期線を上から下に抜ける動きは「デッドクロス」と呼ばれ、下落方向への変化を示す目安として扱われます。

また、価格が移動平均線から大きく離れている場合、買われすぎや売られすぎを考える材料になることがあります。ただし、移動平均線だけで売買判断を完結させるのは危険です。市場ニュース、出来高、他の指標、投資期間、リスク許容度などと合わせて見る必要があります。

AI・機械学習や現場データでの活用例

移動平均は、AIや機械学習でも基本的なデータ処理として使われます。たとえば、センサーデータに細かなノイズが含まれている場合、移動平均で平滑化すると、機械の状態変化や異常の兆候を確認しやすくなります。音声や信号データでも、急な揺れをならして特徴を取り出しやすくする目的で使われます。

機械学習の学習過程を見るときにも役立ちます。損失関数や正解率は、ミニバッチごとに上下することがあります。そのままでは改善しているのか判断しにくい場合でも、移動平均を使うと、学習が全体として進んでいるか、停滞しているかを見やすくなります。

製造現場では、製品寸法、温度、圧力、処理時間などを継続的に記録し、移動平均で監視することがあります。1回だけの測定値では偶然の誤差かもしれませんが、移動平均が継続してずれていく場合は、設備調整や点検が必要な兆候として扱えます。

気象データでも、気温や降水量の移動平均により、日々のばらつきではなく季節の傾向や長期的な変化を見やすくできます。このように、移動平均は金融だけでなく、時系列データを扱う多くの分野で使える汎用的な方法です。

移動平均を使うときの注意点

移動平均は便利ですが、使い方を誤ると重要な変化を見落とすことがあります。期間が長すぎると線はきれいになりますが、異常値や急なトレンド転換への反応が遅れます。逆に期間が短すぎると、ノイズを十分に取り除けず、元データとあまり変わらない見え方になります。

また、データの先頭では、指定した期間分のデータがそろうまで移動平均を計算できません。5日移動平均なら、最初の4日分だけでは5日分の平均が出せないということです。分析ツールによっては空欄、欠損値、短い期間での暫定平均などとして扱われるため、結果を見るときは処理方法を確認しておきましょう。

欠損値や外れ値にも注意が必要です。センサーの故障、入力ミス、特殊なイベントによる極端な値が含まれると、平均が大きくゆがむことがあります。移動平均を計算する前に、欠損値を補うのか、外れ値を除外するのか、そのまま残すのかを決めることが大切です。

移動平均はデータを分かりやすくする道具であり、データの意味を自動で判断してくれるものではありません。目的に合った期間と種類を選び、元データと移動平均の両方を見比べながら解釈することが、実務でも学習でも重要です。

まとめ

移動平均は、一定期間の平均をずらしながら計算し、時系列データの細かな変動をならす方法です。短期的なノイズを抑えることで、株価、気温、売上、センサーデータ、機械学習の学習曲線などの大きな流れを把握しやすくなります。

基本となる単純移動平均は理解しやすく、加重移動平均や指数移動平均は直近の変化をより重視できます。どの方法を使う場合でも、期間を短くすれば敏感に、長くすれば滑らかになるという性質を押さえておくことが大切です。

移動平均は強力な分析手法ですが、万能ではありません。外れ値、欠損値、期間設定、反応の遅れに注意しながら、元データや他の指標と合わせて使うことで、データの変化をより正確に読み取れるようになります。

更新履歴