時系列の数値と期間 n、または平滑化係数 α を入力すると、指数移動平均(EMA)を表で計算します。新しい値ほど重く見る平均なので、単純移動平均より変化に早く反応します。初期値は最初の値としています。
指数移動平均(EMA)計算ツール
時系列の数値と期間 n(α=2/(n+1))または平滑化係数 α から、指数移動平均(EMA)の列を計算します。
使い方
- 「データ」欄に、古いものから順に時系列の数値を入力します。
- 「αの決め方」で、期間 n から自動で決めるか(α = 2/(n+1))、α を直接指定するかを選び、対応する欄に値を入力します。
- 表で各時点の EMA を確認します。最後の行が最新の EMA です。
計算式
α = 2 ÷ (n + 1) (期間 n から決める場合)
EMA₁ = x₁ (初期値は最初の値)
EMAₜ = α × xₜ + (1 − α) × EMAₜ₋₁
xₜ は時点 t の値、α は 0 より大きく 1 以下の平滑化係数です。α が大きいほど新しい値を重く見ます。初期値を最初の値にする方式は、Python の pandas で ewm(adjust=False) を使ったときと同じです。初期値に最初の n 個の単純平均を使う流儀もあり、その場合は序盤の値が少し変わります。
計算例
サンプルの12か月分の売上「120, 135, 128, 150, 162, 155, 170, 180, 175, 190, 205, 198」を、期間 n = 3 で計算します。
- α = 2 ÷ (3 + 1) = 0.5 です。
- EMA₁ = 120(最初の値)、EMA₂ = 0.5 × 135 + 0.5 × 120 = 127.5、EMA₃ = 0.5 × 128 + 0.5 × 127.5 = 127.75 と続きます。
- 同じ計算をくり返すと、最新(12か月目)の EMA は 195.605 になります。
同じデータの3か月単純移動平均(197.6667)と比べると、EMA は過去の値も少しずつ含むため、値が異なります。
結果の見方
最新の値が EMA を上回っていれば、直近は平均より強い動きです。EMA は過去すべての値を含みますが、その重みは (1 − α) のべき乗で急速に小さくなります。α = 0.5 なら、1つ前の値の重みは0.25、2つ前は0.125と半分ずつ減っていきます。
機械学習でも EMA はよく使われます。たとえば最適化手法の Adam は、勾配の EMA を使って学習の向きをなめらかにしています。また、学習中の損失の推移を見やすくするためにも EMA が使われます。
期間 n が同じなら、EMA は SMA より新しい値に敏感です。急な変化をいち早く知りたいときは EMA、ノイズを強く消したいときは SMA や長めの期間を選ぶ、というように目的で使い分けましょう。
注意点
- データは古い順に入力してください。
- 序盤の値は初期値(最初の値)の影響を強く受けます。データの最初のほうの EMA は参考程度にしましょう。
- 「期間 n」と「α」の対応は流儀によって違うことがあります(α = 1/n とする場合など)。ほかのツールと比べるときは、α の値をそろえてください。
- α = 1 にすると、EMA は元のデータと同じになります。
指数移動平均(EMA)のよくある質問
Q. EMAとSMA(単純移動平均)の違いは何ですか?
A. SMAは直近 n 個を同じ重さで平均し、EMAは新しい値ほど重く、古い値ほど軽く扱います。そのためEMAは変化に早く反応します。
Q. 期間 n と α の関係は?
A. 一般的には α = 2/(n+1) が使われます。期間3なら α = 0.5、期間9なら α = 0.2 です。このツールでは α を直接指定することもできます。
Q. 初期値はなぜ最初の値なのですか?
A. もっともかんたんで、データが1つあればすぐ計算を始められるためです。pandas の ewm(adjust=False) と同じ方式です。最初の n 個の単純平均を初期値にする方法もあり、その場合は序盤の値が少し変わります。
