MAモデル（移動平均モデル）は、時系列データの解析に用いられる統計モデルの一種です。現在の値が、過去のランダムな予測誤差（ホワイトノイズ）の影響をどのように受けて変化するかを数式で表現します。株価の予測や需要予測、自然現象の分析など、不規則な変動を伴う時系列データの傾向を捉えるために利用されます。
MAモデルとは
MAモデル（移動平均モデル）とは、ある時点の値を、過去に発生したランダムな予測誤差（ホワイトノイズ）の足し合わせ（線形結合）として表現する、時系列解析における基本的な統計モデルです。
詳しく解説
MAモデルは、データそのものの過去値ではなく、過去の「予測誤差（ノイズ）」が現在の値にどのような影響を与えているかに注目します。このモデルでは、データがランダムな衝撃（ホワイトノイズ）を受け、その影響が数期間にわたって減衰しながら残り続ける様子を表現できます。モデルの次数を「q」として「MA(q)モデル」と表記され、過去q期前までの誤差を考慮します。ARモデル（自己回帰モデル）が過去の観測値そのものを利用するのに対し、MAモデルは過去の予測誤差を利用する点で対照起的です。これらを組み合わせたARMAモデルやARIMAモデルなどの高度な時系列モデルの基礎としても非常に重要な役割を果たしています。
具体例・使われ方
例えば、ある商品の「突発的なキャンペーンや災害による売上急増（ホワイトノイズ）」の影響が、翌日や翌々日にも一部残って売上に影響を与えるケースをシミュレーションする際にMAモデルが使用されます。また、金融市場における急激な価格変動（ショック）が数日間にわたって市場に与える余韻を分析し、株価の短期的な予測を行う場合などにも応用されます。
似た用語との違い
混同されやすい概念に「ARモデル（自己回帰モデル）」があります。ARモデルは「過去の自身のデータ（観測値）」を用いて現在の値を予測するのに対し、MAモデルは「過去の予測誤差（ホワイトノイズ）」を用いて現在の値を記述します。また、両者を組み合わせた「ARMAモデル（自己回帰移動平均モデル）」は、過去の観測値と過去の予測誤差の両方を考慮してより複雑な時系列データを表現します。
注意点
MAモデルは短期的な不規則変動を表現するのには適していますが、長期的なトレンド（右肩上がりの成長など）や明確な季節周期を持つデータの予測には単体では対応できません。そのような場合は、差分をとってトレンドを除去する「ARIMAモデル」や、季節性を加味した「SARIMAモデル」などの発展的な手法を用いる必要があります。また、適切な次数（q）の選択を誤ると、予測精度が著しく低下する性質があります。