移動平均（SMA/EMA）計算機

移動平均とは？

移動平均は、各点を近傍の点の平均で置き換えることでノイズの多いデータ系列を平滑化し、短期的な変動の中に隠れた基礎的なトレンドを見やすくします。製造業の需要予測、金融分析、工程監視で最も広く使われる時系列手法の一つです。

単純移動平均（SMA）は直近のN個の点（「ウィンドウ」）を等しい重みで平均し、新しい点が加わるたびに1つずつスライドします。計算と解釈は容易ですが、古いデータと新しいデータを同等に扱い、古い点がウィンドウから外れるまでは依然として全体の重みで反映されるため、実際の最近の変化への反応が遅くなります。

指数移動平均（EMA）は、代わりに直近の点により大きな重みを与え、古い点には徐々に小さな重みを与えます。これはウィンドウサイズから導かれる平滑化係数を使用します。このためEMAは同じウィンドウサイズのSMAよりも最近の変化に速く反応しますが、その分短期的なノイズにやや敏感になります。

Formula: SMA_t = (x_t + x_(t-1) + ... + x_(t-N+1)) / N EMA_t = α × x_t + (1 − α) × EMA_(t-1), α = 2 / (N + 1)

計算例

系列 10, 12, 13, 12, 15, 16, 18, 17, 19, 20 に3期間のウィンドウを適用すると、最初のSMA値は最初の3点の平均 (10+12+13)/3 = 11.67、2番目は2〜4番目の点の平均 (12+13+12)/3 = 12.33 となり、これを続けて合計8個の平滑化値が生成されます（10点からウィンドウ3を引いて1を加えた数）。EMAは同じ初期平均(11.67)から始まりますが、その後新しい点により大きな重みを与えるため（ここではα = 2/(3+1) = 0.5）、SMAよりも後半の上昇トレンドをより密接に追跡する系列になります。

この計算機を使うタイミング

• 予測を立てる前に日次の生産量や需要データを平滑化して基礎トレンドを明らかにする生産計画担当者
• 通常のランダムな変動と真のトレンドを区別するために工程指標を経時的に監視する品質エンジニア
• 天候や使用パターンのノイズに隠れた緩やかな効率トレンドを追跡するため、日次消費量を平滑化するエネルギー管理者
• 簡易的な予測や再発注点計算の入力として、販売または使用データを平滑化する在庫・サプライチェーンアナリスト

よくある間違い

• データの自然な周期を考慮せず恣意的にウィンドウサイズを選ぶ — 基礎となる周期に合わないウィンドウ（例：強い週次パターンのあるデータを5日間で平均する）はトレンドを明確にするどころか歪める可能性があります
• 平滑化された系列に遅れがないかのように扱う — SMAもEMAも設計上、データの急激な実際の変化に遅れて反応します。移動平均は常に、実際にトレンドが始まった時点より後にそれを確認します
• 意味のある順序を持たないデータに移動平均を使用する — この手法はデータ点が時間または順序で並んでいることを前提としています。順序のないデータに適用すると無意味な結果になります
• 遅れの違いを考慮せずにSMAとEMAの値を同じもののように比較する — EMAはより速く反応するため、同じウィンドウでも特定の時点でのEMAとSMAは、特にデータの実際の変化直後に大きく異なることがあります
• 調整なしに最後の移動平均点を予測値として外挿する — 移動平均は過去の平滑化された挙動を説明するものであり、予測ではありません。単純な外挿はデータに残るトレンドや季節性を無視します

結果の解釈方法

• 移動平均が上昇している場合、そのウィンドウ期間における基礎データの上昇トレンドを示し、下降している場合は下降トレンドを示します
• 元の系列が移動平均を上抜けると、多くの場合、上昇トレンドへの転換を示す早期の（遅行はするものの）シグナルとして読み取られ、下抜けはその逆を示唆します
• ノイズの多い元の系列にもかかわらず移動平均がほぼ横ばいを保つ場合、基礎的なプロセスは安定しており、見えているノイズは単なる短期的なランダムな変動であることを示唆します
• 同じウィンドウで計算した場合のEMAとSMAの差は、EMAが直近のデータにどれだけ多くの重みを置いているかを示します — 差が拡大している場合、最近のデータが長期平均から顕著に乖離していることを示唆します
• 移動平均は常に実際のデータより遅れるため、トレンド方向の変化は単一の新しい点ではなく、連続する複数の平滑化点がその方向を維持して初めて確定したものとして扱ってください

関連規格・参考文献

• NIST/SEMATECH e-Handbook of Statistical Methods (Section 6.4, Introduction to Time Series Analysis) — 移動平均と平滑化手法に関する標準的な参考資料
• Hyndman, R.J. & Athanasopoulos, G., "Forecasting: Principles and Practice" — 需要予測のための移動平均と指数平滑化手法を扱う広く利用されているオープンな参考書
• Box, G.E.P., Jenkins, G.M., "Time Series Analysis: Forecasting and Control" — 移動平均と指数平滑化を時系列モデリングの基本要素として扱う統計学の基礎文献

よくある質問

ウィンドウサイズはどう選べばよいですか？

ウィンドウを大きくすると線は滑らかになりますが実際の変化への反応が遅くなり、系列の開始部分でより多くのデータ点が失われます（SMAは最初の値を出す前にN-1個の点が必要です）。ウィンドウを小さくするとデータをより密接に追跡しますが、ノイズもより多く残ります。一般的な出発点は、データの自然な周期に合ったウィンドウを選ぶことです（例：週次パターンのある日次データなら7、年次パターンのある月次データなら12）。

SMAではなくEMAを使うべきなのはどんな時ですか？

平滑化した線が最近の変化により速く反応する必要がある場合にEMAを使用してください — 例えば、生産量やエネルギー消費における新たなトレンドをできるだけ早く検知したい場合です。より安定して反応の少ない基準線が欲しい場合や、ウィンドウ期間を均等に重み付けすることが概念的に適切な場合（例えば直近の日を特に重視する理由がなく、過去7日間をそのまま平均する場合）はSMAを使用してください。

なぜ平滑化された系列は元のデータより点数が少ないのですか？

ウィンドウを満たすのに十分な過去のデータ点が存在するまで移動平均は計算できないため、元の系列の最初の（ウィンドウ − 1）個の点には対応する移動平均値がありません。したがって10点の系列に対する3期間移動平均は、元の系列の3番目の点から始まる8個の平滑化された点のみを生成します。