移動平均モデル（MAモデル）とは、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。過去に発生したランダムな予測誤差（ショックやノイズ）の累積によって現在の値が決まると仮定します。株価の変動予測や需要予測など、機械学習や統計学を用いた時系列予測の基礎として広く活用されています。
移動平均モデル（MAモデル）とは
移動平均モデル（MAモデル）とは、時系列データの現在値を、過去の予測誤差（白色雑音（ホワイトノイズ））の重み付き線形結合によって表現する統計的な時系列モデルです。
詳しく解説
移動平均モデル（MAモデル）は、データ自体の過去の値ではなく、過去の「予測誤差（ランダムな外的ショック）」が現在にどう影響しているかに着目するモデルです。数式上は、現在の値が定数項と、現在および過去の複数の白色雑音（ホワイトノイズ）の組み合わせによって表されます。考慮する過去の誤差の時点数を「次数（q）」と呼び、MA(q)と表記されます。時系列データにおいて、一時的な突発的事象の影響が一定期間残るものの、時間とともに減衰していくような現象をモデル化するのに適しており、機械学習の時系列解析における基本コンポーネントとして重要な役割を担っています。
具体例・使われ方
具体的な利用例として、新商品の需要予測が挙げられます。例えば、ある日にSNSで突然バズった（一時的な外的ショックが発生した）場合、その影響は当日だけでなく、翌日や翌々日にも徐々に減衰しながら残ります。移動平均モデル（MAモデル）はこのようなランダムなショックの影響が数日間残存する現象をモデル化できます。また、金融分野における株価の短期的なブレや、気象データの変動予測など、突発的な誤差要因が後続のデータに影響を与える時系列データの分析に適用されます。
似た用語との違い
混同されやすい概念として「移動平均」と「自己回帰モデル（ARモデル）」があります。まず、単なる「移動平均」はデータの平滑化（ノイズ除去）を行う単純な計算手法ですが、移動平均モデル（MAモデル）は予測誤差の伝播を記述する統計的確率モデルです。また、「自己回帰モデル（ARモデル）」は、自分自身の過去の実績値を用いて現在の値を予測するのに対し、移動平均モデル（MAモデル）は過去の予測誤差を用いて予測する点が異なります。これら両者を組み合わせたものが「自己回帰移動平均モデル（ARMAモデル）」です。
注意点
移動平均モデル（MAモデル）の注意点として、このモデルは有限の次数（q）の過去までしかショックの影響を追跡できない点が挙げられます。つまり、指定された次数を超えた過去のショックの影響は完全にゼロとして扱われます。そのため、非常に長期にわたって影響が持続する現象のモデル化には単体では不向きです。さらに、データが定常性（時間経過によって統計的性質が変わらないこと）を持つことを前提としているため、トレンド（長期的な上昇・下落傾向）がある時系列データには、事前に差分を取るなどの前処理が必要になります。