統計学や投資分析の記事を読んでいると、「σ（シグマ）」という記号をよく見かけるのではないでしょうか。「このσって何を意味しているの？」「Σとは違うの？」といった疑問を持つ方も多いはずです。
統計学におけるσは「標準偏差」を表す最も重要な指標の一つで、データのばらつき具合を数値化するために使われます。投資の世界では、株価のリスクや価格変動の大きさを測る指標として活用されており、理解しておくことで相場分析の精度が格段に上がります。
この記事では、統計学におけるσの意味から計算方法、似た記号との違い、そして実際の投資判断への応用まで、初心者の方にも分かりやすく丁寧に解説します。数学が苦手な方でも安心して読み進められる内容になっていますので、ぜひ最後までご覧ください。
目次
目次
- 統計学におけるσ（シグマ）とは何か
- σ、Σ、sの違いと使い分け
- 標準偏差σの計算方法
- σと正規分布の関係
- 3σ（スリーシグマ）のルールとは
- 投資・株式分析でのσの活用法
- まとめ
統計学におけるσ（シグマ）とは何か
統計学においてσ（小文字のシグマ）は、母集団全体の標準偏差を表す記号です。標準偏差とは、データがどの程度ばらついているかを示す数値のことで、平均値からのデータの散らばり具合を測定します。
たとえば、ある株式の日々の値動きを考えてみましょう。毎日少しずつしか動かない安定した銘柄と、激しく上下する値動きの荒い銘柄では、同じ平均価格でもリスクが全く異なりますよね。この「ばらつきの大きさ」を客観的な数値で表したものが標準偏差σなのです。
母集団と標準偏差の関係
母集団とは、分析対象となる全体のデータ集合のことを指します。例えば、日本全国の投資家全員のデータや、ある企業の全期間の株価データなどが母集団に該当します。
σは、この母集団全体のデータを使って計算される標準偏差です。つまり、理論上すべてのデータが手元にある状態で計算する値ということになります。
標準偏差が示すもの
標準偏差σが大きいほど、データは平均値から大きく散らばっており、σが小さいほどデータは平均値の周辺に集中していることを意味します。
- σが大きい場合：データのばらつきが大きく、予測が難しい（株価で言えばボラティリティが高い）
- σが小さい場合：データが安定しており、予測しやすい（株価で言えば値動きが穏やか）
σ、Σ、sの違いと使い分け
統計学では、似たような見た目の記号が複数登場するため、混乱しやすいポイントです。ここでは、σ（小文字シグマ）、Σ（大文字シグマ）、s（エス）の違いを明確に整理しましょう。
σ（小文字シグマ）：母集団の標準偏差
すでに説明したとおり、σは母集団全体の標準偏差を表します。理論的な値であり、全データが揃っている状態で計算される指標です。
計算式は以下の通りです。
\(\sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2}\)
ここで、Nは母集団のデータ数、xiは各データ、μ（ミュー）は母集団の平均値を表します。
Σ（大文字シグマ）：総和を表す記号
Σは標準偏差とは全く異なり、「合計」「総和」を表す記号です。数学的な演算記号であり、複数の数値を足し合わせることを意味します。
例えば、以下のように使います。
\(\sum_{i=1}^{5} x_i = x_1 + x_2 + x_3 + x_4 + x_5\)
これは「i=1からi=5までのxiをすべて足し合わせる」という意味です。標準偏差の計算式の中にも、このΣが登場していますね。
s（エス）：サンプル標準偏差
sは、サンプル（標本）データから計算される標準偏差を表します。母集団全体ではなく、一部のデータを抽出して分析する際に使用します。
実務や投資分析では、全データを手に入れることは不可能なケースが多いため、実際にはこのsを使うことがほとんどです。
サンプル標準偏差の計算式は以下の通りです。
\(s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2}\)
母集団標準偏差σとの違いは、分母が「N」ではなく「n-1」になっている点です。これを不偏推定と呼び、サンプルから母集団の標準偏差を推定する際のバイアスを補正するための工夫です。
使い分けのポイント
- σ：母集団全体の標準偏差。理論的・学術的な分析で使用
- Σ：総和を表す記号。計算式の中で使われる演算子
- s：サンプルデータから計算される標準偏差。実務・投資分析で使用
標準偏差σの計算方法
ここでは、実際に標準偏差σを計算する手順を、ステップバイステップで解説します。数式だけでは理解しにくいので、具体的な数値例を使って説明しましょう。
計算例：5日間の株価データ
ある銘柄の5日間の終値が以下のとおりだったとします。
| 日付 | 終値（円） |
|---|---|
| 1日目 | 1000 |
| 2日目 | 1020 |
| 3日目 | 980 |
| 4日目 | 1010 |
| 5日目 | 990 |
この5つのデータから標準偏差σを計算してみましょう。
計算手順
- 平均値を計算する
すべてのデータを足し合わせて、データ数で割ります。\(\mu = \frac{1000 + 1020 + 980 + 1010 + 990}{5} = \frac{5000}{5} = 1000\)
平均値は1000円です。
- 各データと平均値の差（偏差）を求める
それぞれのデータから平均値を引きます。- 1日目：1000 – 1000 = 0
- 2日目：1020 – 1000 = 20
- 3日目：980 – 1000 = -20
- 4日目：1010 – 1000 = 10
- 5日目：990 – 1000 = -10
- 偏差を2乗する
マイナスの値を扱いやすくするため、偏差を2乗します。- 1日目：0² = 0
- 2日目：20² = 400
- 3日目：(-20)² = 400
- 4日目：10² = 100
- 5日目：(-10)² = 100
- 2乗した偏差の平均を求める（分散）
2乗した値をすべて足して、データ数で割ります。\(\sigma^2 = \frac{0 + 400 + 400 + 100 + 100}{5} = \frac{1000}{5} = 200\)
この値を分散と呼びます。
- 分散の平方根を取る（標準偏差）
最後に分散の平方根を計算します。\(\sigma = \sqrt{200} \approx 14.14\)
標準偏差は約14.14円となります。
この標準偏差σ=14.14円という値は、この銘柄の株価が平均値から上下にどの程度ばらついているかを示しており、値動きのリスクを数値化したものと言えます。
Excelでの計算方法
実際の分析では、Excelなどの表計算ソフトを使うことで簡単に標準偏差を求められます。
- 母集団の標準偏差（σ）：
=STDEV.P(範囲)関数を使用 - サンプル標準偏差（s）：
=STDEV.S(範囲)関数を使用
データ範囲を指定するだけで、自動的に標準偏差が計算されるため、手計算の手間を省くことができます。
σと正規分布の関係
統計学において、標準偏差σが最も力を発揮するのが正規分布との組み合わせです。正規分布は、自然界や社会現象で非常によく見られるデータの分布形状で、「釣鐘型」や「ベル型」とも呼ばれます。
正規分布とは
正規分布は、平均値を中心に左右対称の形を持つ確率分布です。株価の変動率や投資リターン、測定誤差など、多くのデータがこの正規分布に従うことが知られています。
正規分布の特徴は以下の通りです。
- 平均値付近にデータが集中：最も高い確率で平均値周辺のデータが出現する
- 左右対称：平均値を境に鏡のように対称的な形状
- 標準偏差で範囲が決まる：σの値によってデータの散らばり具合が決定される
正規分布におけるσの意味
正規分布では、標準偏差σを使ってデータの散らばり具合を正確に把握できます。正規分布に従うデータでは、平均値±1σの範囲内に約68.3%のデータが含まれ、±2σで約95.4%、±3σで約99.7%のデータが含まれるという法則があります。
この性質は非常に強力で、標準偏差さえ分かれば、データがどの範囲に収まる確率が何パーセントかを予測できるのです。
標準化と標準正規分布
異なる単位や規模のデータを比較する際には、標準化という手法を使います。標準化とは、平均値を0、標準偏差を1に変換する処理のことです。
標準化の計算式は以下の通りです。
\(z = \frac{x – \mu}{\sigma}\)
ここでzは標準化されたスコア（zスコア）、xは元のデータ、μは平均値、σは標準偏差です。
この変換によって得られる分布を標準正規分布と呼び、統計的な検定や確率計算に広く利用されます。
3σ（スリーシグマ）のルールとは
統計学や品質管理の分野でよく使われる重要な概念が3σ（スリーシグマ）のルールです。これは正規分布の性質を利用した、異常値や外れ値を検出するための基準となります。
各シグマの確率
正規分布に従うデータにおいて、平均値からσの倍数で区切った範囲に、データが含まれる確率は以下のように決まっています。
1σの確率
平均値±1σの範囲には、全体の約68.27%のデータが含まれます。言い換えると、約7割のデータがこの範囲に収まるということです。
2σの確率
平均値±2σの範囲には、全体の約95.45%のデータが含まれます。大半のデータがこの範囲に収まることになります。
3σの確率
平均値±3σの範囲には、全体の約99.73%のデータが含まれます。つまり、3σの範囲を外れるデータは全体の0.27%、約370分の1という非常に珍しい事象ということになります。
3σルールの実務での活用
製造業の品質管理では、3σの範囲を超える製品を不良品として扱う基準にしたり、投資の世界では3σを超える価格変動を「異常値」として警戒したりします。
| 範囲 | データの割合 | 範囲外の確率 |
|---|---|---|
| 平均値±1σ | 68.27% | 31.73% |
| 平均値±2σ | 95.45% | 4.55% |
| 平均値±3σ | 99.73% | 0.27% |
ppmとシグマ水準
品質管理の分野では、ppm（parts per million）という単位で不良率を表現します。これは100万個あたり何個の不良品が出るかを示す指標です。
3σの水準では、100万個あたり約2700個（片側では約1350個）の不良が発生する計算になります。一方、6σ（シックスシグマ）という品質管理手法では、100万個あたり3.4個という極めて高い品質水準を目指します。
6σと1.5σシフト
実務で使われる6σの考え方では、工程が長期的に安定しないことを考慮して、平均値が±1.5σずれる可能性を見込んでいます。この1.5σシフトを考慮した上で、不良率を100万個あたり3.4個に抑えるのが6σ品質です。
この厳格な基準は、航空宇宙産業や医療機器製造など、高い信頼性が求められる分野で採用されています。
投資・株式分析でのσの活用法
標準偏差σは、投資やトレードの世界でも非常に重要な指標として広く活用されています。ここでは、実際の投資判断にどのように役立てるかを解説します。
ボラティリティの測定
ボラティリティとは、価格の変動の激しさを表す指標で、標準偏差そのものがボラティリティの代表的な測定方法です。
株価の日次リターン（前日比の変化率）の標準偏差を計算することで、その銘柄がどれだけ値動きが激しいかを数値化できます。
- 高ボラティリティ（σが大きい）：ハイリスク・ハイリターン。短期トレードに向く
- 低ボラティリティ（σが小さい）：ローリスク・ローリターン。長期保有に向く
リスク管理への応用
投資におけるリスクとは、「予想外の損失が発生する可能性」を指します。標準偏差σを使えば、どの程度の価格変動が起こりうるかを事前に見積もることができます。
例えば、平均リターンが5%、標準偏差が10%の銘柄があったとします。正規分布を仮定すると、約95%の確率で年間リターンは「5%±20%」、つまり-15%から+25%の範囲に収まると予測できます。
この情報を使えば、最悪の場合どの程度の損失が発生しうるかを事前に把握でき、適切な資金配分やロスカットラインの設定が可能になります。
ボリンジャーバンドとσ
ボリンジャーバンドは、移動平均線を中心に標準偏差σの倍数だけ離れたラインを上下に引いたテクニカル指標です。
一般的には移動平均線±2σのラインが使われ、価格がこのバンドの外側に出た場合、統計的に「異常値」であると判断し、反転の可能性を探ります。
- 上側バンドに接近：買われ過ぎの可能性、売りシグナル
- 下側バンドに接近：売られ過ぎの可能性、買いシグナル
- バンド幅の拡大：ボラティリティの増加、トレンド発生
- バンド幅の縮小：ボラティリティの低下、レンジ相場
VaR（バリュー・アット・リスク）の計算
VaRは、一定期間内に一定の確率で発生しうる最大損失額を推定する手法です。標準偏差σを使って計算されます。
例えば、95%信頼水準でのVaRは「1.65σ」に相当します。100万円の投資で日次標準偏差が2%の場合、95%の確率で1日の損失は3.3万円以内に収まると予測できます。
ポートフォリオのリスク分散
複数の銘柄を組み合わせたポートフォリオを構築する際、各銘柄の標準偏差と相関係数を使って、ポートフォリオ全体のリスク（標準偏差）を計算できます。
相関が低い銘柄を組み合わせることで、個別銘柄のσよりもポートフォリオ全体のσを小さくできる効果があり、これが分散投資の理論的根拠となっています。
オプション価格の評価
オプション取引の世界では、インプライド・ボラティリティ（IV）という概念があり、これは将来の価格変動の予想を標準偏差として表したものです。
有名なブラック・ショールズモデルなどのオプション価格計算式では、標準偏差σが重要なパラメータとして組み込まれており、σの値が大きいほどオプション価格は高くなります。
投資判断において標準偏差σは、単なる統計指標ではなく、リスクを数値化し客観的に評価するための強力なツールです。自分の投資スタイルやリスク許容度に合わせて、適切にσを活用することで、感情に左右されない合理的な投資判断が可能になります。
まとめ
統計学におけるσ（シグマ）について、基礎から実践的な活用法まで詳しく解説しました。最後に重要なポイントをまとめます。
- σは母集団の標準偏差を表す記号で、データのばらつき具合を数値化する最も重要な統計指標の一つです
- σ・Σ・sの違いを正確に理解することが統計学習の第一歩。σは標準偏差、Σは総和、sはサンプル標準偏差を表します
- 正規分布と組み合わせることで、平均値±1σで約68%、±2σで約95%、±3σで約99.7%のデータが含まれるという強力な法則が使えます
- 3σのルールは異常値検出の基準として品質管理や投資分析に広く活用されており、統計的に珍しい事象を判定できます
- 投資・トレードではσをボラティリティ指標として活用することで、リスク管理やポートフォリオ構築、テクニカル分析に役立てられます
統計学の知識は投資判断の質を大きく向上させます。σという一つの記号の背後にある深い意味を理解し、日々の相場分析に活かしていきましょう。