時系列解析（じけいれきかいせき）
最終更新：2026/4/25
時系列解析とは、時間順に並んだデータを用いて、そのデータの変動パターンや将来の予測を行う手法である。
別名・同義語 時間系列分析時系列モデリング
ポイント
統計学、信号処理、パターン認識などの分野で広く用いられ、経済、気象、金融、医学など様々な分野で応用されている。
時系列解析とは
時系列解析は、時間の経過とともに観測されたデータを分析し、その背後にあるパターンや構造を明らかにする手法です。データは、一定の間隔で収集された連続的な数値データであることが一般的です。例えば、毎日の株価、毎月の売上高、毎年の降水量などが時系列データとして挙げられます。
時系列解析の目的
時系列解析の主な目的は以下の通りです。
- 記述: 過去のデータの変動パターンを把握し、その特徴を記述すること。
- 説明: データ変動の要因を特定し、そのメカニズムを解明すること。
- 予測: 将来のデータ値を予測すること。
- 制御: 将来のデータ値を目標値に近づけるための制御を行うこと。
時系列解析の手法
時系列解析には、様々な手法が存在します。代表的な手法としては、以下のものが挙げられます。
- 移動平均法: 過去の一定期間のデータの平均値を計算し、それを現在のデータ値の予測値とすること。
- 指数平滑法: 過去のデータに重み付けを行い、それを現在のデータ値の予測値とすること。
- 自己回帰モデル (ARモデル): 過去のデータ値を用いて、現在のデータ値を予測すること。
- 移動平均モデル (MAモデル): 過去の誤差を用いて、現在のデータ値を予測すること。
- 自己回帰移動平均モデル (ARMAモデル): ARモデルとMAモデルを組み合わせたもの。
- 自己回帰和分移動平均モデル (ARIMAモデル): ARMAモデルをさらに拡張したもの。
- 状態空間モデル: 観測されない潜在的な状態をモデル化し、それを用いてデータを分析すること。
時系列解析の応用例
時系列解析は、様々な分野で応用されています。