移動平均の使い所：ノイズを消して、本当のトレンドを見せる

「日次の売上グラフがギザギザで読めない」「週末で必ず落ち込むのが邪魔」── 時系列を可視化する現場の永遠の悩み。移動平均（Moving Average） はこの悩みに対する最初の処方箋です。本記事では SMA / EMA / WMA の使い分け、窓幅の選び方、そして移動平均で隠れてしまう情報まで扱います。

3 種類の移動平均

1. SMA：最初の選択肢

直近 N 点を単純に平均。実装最易、解釈最易。「7日移動平均」で曜日依存を吸収するのが最も一般的な使い方。

SELECT  date,  daily_sales,  AVG(daily_sales) OVER (    ORDER BY date    ROWS BETWEEN 6 PRECEDING AND CURRENT ROW  ) AS sma_7FROM daily_kpiORDER BY date;

2. EMA：直近の動きを重視したいとき

指数加重移動平均。SMA は窓内の点が全部同じ重みですが、EMA は 新しい点ほど大きな重みを持ちます。直近のトレンド変化に素早く反応します。

import pandas as pd
# alpha = 0.3（小さいほど滑らか、大きいほど追従）df["ema_7"] = df["daily_sales"].ewm(span=7, adjust=False).mean()
# alpha と span の関係: alpha = 2 / (span + 1)# span=7 ⇒ alpha ≈ 0.25（最新値の重み 25%）

3. 窓幅（N）の選び方

窓幅は「消したいノイズの周期」より長く設定するのが原則。

4. 移動平均が「隠してしまう」もの

移動平均は便利ですが、意思決定の基礎にする際は何を消したか自覚することが重要です。

• スパイク異常：1日だけの巨大な異常値が、平均化で 1/N に薄まる。異常検知は生データに対してかける
• 端点の処理：開始 N-1 日と終了 N-1 日は 窓が満たない。NULL にするか、過去のみで計算するか、明示する
• ラグの発生：SMA は窓幅の半分だけ右シフトされる。「いつトレンドが変わったか」を厳密に見たい用途では使えない
• Look-ahead bias：未来のデータを含む centered MA は、バックテストや予測では絶対に使ってはいけない

5. 可視化の作法

• 生データを薄く + 移動平均を太く で重ねる：両方の情報を保ったまま見やすく
• 複数窓を並べる：7日 / 30日 を別色で重ねると 短期トレンドと長期トレンドの乖離 が見える
• 閾値・目標値の点線を併記：移動平均がそのラインを超えた瞬間を強調
• 前年同期 を半透明で重ねる：単純な季節性は移動平均で消えないので比較が要る

次回予告

EP.22 では「前年比・前月比」の使い所と「重くしないクエリ設計」。`LAG()` ウィンドウ関数の正しい使い方、マテリアライズドビューで巨大テーブルを高速集計するパターンまで扱います。