株式投資でリスクを判断したり、日々のデータを分析する際に「SD」や「標準偏差」という言葉を目にすることがあるかもしれません。「平均値だけではわからない情報があるらしい」「データのばらつきを知るために必要」といった説明を聞いても、具体的にどう役立つのかピンとこない方も多いのではないでしょうか。
実は、SD（標準偏差）を理解することで、株価の変動リスク、業績のばらつき、さらには自分の投資成績の安定性まで、数値で客観的に把握できるようになります。統計学の基礎知識として身につけておくと、投資判断の精度が格段に向上するでしょう。
この記事では、統計学におけるSDとは何か、どのように計算するのか、そしてどんな場面で活用できるのかを、初心者の方にもわかりやすく丁寧に解説していきます。
目次
目次
- SDとは何か？統計学における標準偏差の基本
- 初心者が混乱しやすいポイントを整理
- 標準偏差を求める計算方法とステップ
- 投資や株取引におけるSD活用シーン
- 標準偏差と正規分布の関係
- 標準偏差のメリットとデメリット
- まとめ
SDとは何か？統計学における標準偏差の基本
統計学においてSDとは、「Standard Deviation」の略称で、日本語では標準偏差と呼ばれます。データがどのくらいばらついているのかを数値で表す指標であり、平均値だけでは見えてこない情報を補完する重要な役割を持っています。
平均値だけでは見えないデータのばらつき
例えば、AさんとBさんの過去5日間の株式売買利益を比較してみましょう。
| 日 | Aさんの利益（円） | Bさんの利益（円） |
|---|---|---|
| 1日目 | 5,000 | 10,000 |
| 2日目 | 5,000 | -2,000 |
| 3日目 | 5,000 | 8,000 |
| 4日目 | 5,000 | 500 |
| 5日目 | 5,000 | 8,500 |
| 平均 | 5,000 | 5,000 |
両者の平均利益は同じ5,000円ですが、Aさんは毎日安定して5,000円の利益を出しているのに対し、Bさんは日によって大きく変動しています。平均値が同じでも、データのばらつき方はまったく異なるため、平均だけでは実態を正確に把握できません。
このばらつきの大きさを測る指標が標準偏差（SD）なのです。
標準偏差が示すもの
標準偏差は、各データが平均値からどれくらい離れているかを平均的に表す数値です。標準偏差が大きいほどデータのばらつきが大きく、小さいほどデータが平均値の周辺に集中していることを意味します。
先ほどの例で言えば、Aさんの標準偏差は0（まったくばらつきがない）、Bさんの標準偏差は約4,600となり、Bさんのほうがばらつきが大きいことが数値で明確になります。
SDでリスクを測る
投資の世界では、標準偏差が大きいほどリスクが高いとされます。なぜなら、利益や損失の振れ幅が大きいということは、将来の結果が予測しづらく不確実性が高いからです。
逆に標準偏差が小さければ、結果が安定しており予測しやすいため、リスクが低いと判断されます。このように、SDは投資判断において欠かせない指標となっています。
初心者が混乱しやすいポイントを整理
統計学を学び始めると、標準偏差に関連する用語がいくつも出てきて混乱しがちです。ここでは、初心者がつまずきやすい3つのポイントを整理します。
偏差とは何か
偏差とは、各データと平均値との差のことです。たとえば、平均値が50のテストで60点を取った場合、偏差は「60 – 50 = 10」となります。
偏差は正の値にも負の値にもなるため、そのまま合計するとプラスとマイナスが打ち消し合ってしまい、ばらつきの大きさを正しく測れません。そこで次に出てくるのが「分散」です。
分散と標準偏差の違い
分散は、偏差を2乗して平均したものです。2乗することで、プラスとマイナスの打ち消しを防ぎ、ばらつきの大きさを数値化できます。
\(
\text{分散} = \frac{1}{n} \sum_{i=1}^{n} (x_i – \bar{x})^2
\)
ここで、nはデータ数、x_iは各データ、x̄は平均値を表します。
しかし、分散は偏差を2乗しているため、元のデータと単位が異なります（たとえば、元が「円」なら分散は「円²」）。これでは直感的に理解しづらいので、分散の平方根を取って元の単位に戻したものが標準偏差（SD）です。
\(
\text{標準偏差} = \sqrt{\text{分散}}
\)
分散はばらつきを数値化する中間ステップであり、標準偏差は実際に利用しやすい形に変換した指標だと理解しておきましょう。
母集団と標本の違い
統計学では、調査対象全体を母集団、その一部を標本と呼びます。母集団全体のデータがあるときは「母標準偏差」、標本から推測するときは「標本標準偏差」や「不偏標準偏差」を使い分けます。
初心者のうちは、Excelやツールで自動計算されることが多いため、計算式の細かい違いよりも「標準偏差はばらつきを示す指標」という本質を理解することが大切です。
標準偏差を求める計算方法とステップ
ここでは、実際に標準偏差を手計算で求める流れを、ステップごとに解説します。計算の仕組みを理解することで、標準偏差がどのようにばらつきを数値化しているのかが体感できるでしょう。
例題：5日間の株価変動率
ある銘柄の5日間の日次変動率（%）が以下のとおりだったとします。
| 日 | 変動率（%） |
|---|---|
| 1日目 | +2.0 |
| 2日目 | -1.0 |
| 3日目 | +3.0 |
| 4日目 | +1.0 |
| 5日目 | 0.0 |
この変動率の標準偏差を求めてみましょう。
ステップ1：平均値を求める
まず、すべてのデータの平均値を計算します。
\(
\bar{x} = \frac{2.0 + (-1.0) + 3.0 + 1.0 + 0.0}{5} = \frac{5.0}{5} = 1.0
\)
平均値は1.0%です。
ステップ2：各データの偏差を求める
次に、各データと平均値との差（偏差）を計算します。
| 日 | 変動率（%） | 偏差（変動率 – 平均） |
|---|---|---|
| 1日目 | +2.0 | 2.0 – 1.0 = 1.0 |
| 2日目 | -1.0 | -1.0 – 1.0 = -2.0 |
| 3日目 | +3.0 | 3.0 – 1.0 = 2.0 |
| 4日目 | +1.0 | 1.0 – 1.0 = 0.0 |
| 5日目 | 0.0 | 0.0 – 1.0 = -1.0 |
ステップ3：偏差を2乗して合計する
偏差をそのまま足すとゼロになってしまうため、2乗してから合計します。
| 日 | 偏差 | 偏差² |
|---|---|---|
| 1日目 | 1.0 | 1.0 |
| 2日目 | -2.0 | 4.0 |
| 3日目 | 2.0 | 4.0 |
| 4日目 | 0.0 | 0.0 |
| 5日目 | -1.0 | 1.0 |
| 合計 | – | 10.0 |
ステップ4：分散を計算する
偏差²の合計をデータ数で割ったものが分散です。
\(
\text{分散} = \frac{10.0}{5} = 2.0
\)
ステップ5：標準偏差を求める
分散の平方根を取ると、標準偏差が求まります。
\(
\text{標準偏差} = \sqrt{2.0} \approx 1.41
\)
この銘柄の日次変動率の標準偏差は約1.41%となります。この数値が大きいほど、株価の変動が激しくリスクが高いと判断できます。
投資や株取引におけるSD活用シーン
標準偏差は、株式投資やポートフォリオ管理において非常に実用的な指標です。ここでは、具体的な活用シーンを紹介します。
株価のボラティリティ（変動リスク）の評価
株式のリスクを測る際、よく使われるのがボラティリティという概念です。これは、株価がどれだけ変動するかを示す指標であり、標準偏差で表されることが一般的です。
標準偏差が大きい銘柄ほど価格変動が激しく、短期間で大きな利益を得られる可能性がある一方、大きな損失を被るリスクも高まります。逆に、標準偏差が小さい銘柄は値動きが穏やかで、安定した投資対象と言えます。
自分のリスク許容度に応じて、標準偏差を参考に銘柄選びを行うことが重要です。
ポートフォリオ全体のリスク管理
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にも、標準偏差は役立ちます。各銘柄の標準偏差と相関係数を考慮することで、ポートフォリオ全体のリスクを数値で把握し、最適な資産配分を検討できます。
たとえば、値動きが逆方向になりやすい銘柄を組み合わせることで、ポートフォリオ全体の標準偏差を抑え、安定したリターンを狙う戦略が可能になります。
売上や業績のばらつきを把握する
企業の過去の業績データを分析する際にも、標準偏差は有効です。たとえば、四半期ごとの売上高の標準偏差を計算することで、その企業の業績が安定しているか、季節変動が大きいかを判断できます。
業績のばらつきが大きい企業は、景気や外部要因に左右されやすく、投資リスクが高いと考えられます。一方、標準偏差が小さければ、安定した収益基盤を持つ企業として評価できるでしょう。
自分の投資成績の振れ幅を知る
自分自身の過去の投資成績を振り返る際にも、標準偏差を計算してみると面白い発見があります。月ごとのリターンの標準偏差を求めることで、自分の投資スタイルがどれだけリスクを取っているかが客観的にわかります。
標準偏差が大きい場合は、ハイリスク・ハイリターン型の投資をしている可能性があり、小さい場合は堅実な運用をしていると言えるでしょう。
標準偏差と正規分布の関係
標準偏差を理解する上で、正規分布との関係を知っておくと、より深く活用できるようになります。
正規分布とは
正規分布とは、平均値を中心に左右対称の釣鐘型（ベル型）をしたデータの分布のことです。自然界や社会現象の多くが正規分布に従うとされており、統計学の基本となる重要な概念です。
株価の変動率や投資リターンも、ある程度正規分布に近い形を取ることが知られています（完全な正規分布ではありませんが、近似できる場合が多いです）。
68-95-99.7ルール（経験則）
正規分布では、以下のような経験則が成り立ちます。
- 平均値 ± 1SD：全体の約68%のデータがこの範囲に収まる
- 平均値 ± 2SD：全体の約95%のデータがこの範囲に収まる
- 平均値 ± 3SD：全体の約99.7%のデータがこの範囲に収まる
たとえば、ある銘柄の月次リターンの平均が+1%、標準偏差が3%だとします。この場合、約68%の確率で月次リターンは「-2%〜+4%」の範囲に収まると予測できます。
この法則を活用すれば、将来のリターンやリスクをある程度予測でき、投資判断の精度を高めることができます。
外れ値の検出
標準偏差を使うことで、異常なデータ（外れ値）を検出することも可能です。平均値から±3SD以上離れたデータは、統計的に非常に珍しい（約0.3%の確率）とされるため、何か特別な要因があった可能性が高いと判断できます。
株価が急騰・急落した日のデータを抽出し、その原因を分析することで、今後の投資戦略に活かすことができるでしょう。
標準偏差のメリットとデメリット
標準偏差は非常に便利な指標ですが、万能ではありません。活用する際には、メリットとデメリットの両面を理解しておくことが大切です。
標準偏差のメリット
標準偏差の主なメリットは以下のとおりです。
- 直感的にわかりやすい：元のデータと同じ単位で表されるため、理解しやすい
- リスク評価に最適：ばらつきの大きさを定量化でき、投資リスクの比較が容易
- 統計的推測が可能：正規分布を前提にすれば、将来の範囲を確率的に予測できる
- 応用範囲が広い：投資、品質管理、学力評価など、幅広い分野で活用されている
標準偏差のデメリット
一方で、以下のようなデメリットや注意点もあります。
- 正規分布を前提としている：データが正規分布に従わない場合、68-95-99.7ルールが成り立たない
- 外れ値の影響を受けやすい：極端なデータが1つあるだけで、標準偏差が大きく変わってしまう
- 平均値との組み合わせが必須：標準偏差だけでは情報が不十分で、必ず平均値とセットで見る必要がある
- 上下のリスクを区別しない：投資では「下落リスク」だけを知りたいことが多いが、標準偏差は上昇も下落も同じ「ばらつき」として扱う
これらの限界を理解した上で、他の指標と組み合わせて総合的に判断することが重要です。
補完する指標
標準偏差の弱点を補うために、以下のような指標も併用すると良いでしょう。
- 中央値・四分位範囲：外れ値の影響を受けにくい、ばらつきの指標
- 歪度・尖度：分布の形状を詳しく把握できる
- 下方リスク指標：下落リスクのみを測定する指標（セミ標準偏差など）
まとめ
- SDとは：統計学において「Standard Deviation（標準偏差）」の略で、データのばらつきを数値化する指標です。平均値だけでは見えないリスクや変動の大きさを把握できます。
- 計算方法：平均値を求め、各データとの偏差を2乗して平均（分散）し、その平方根を取ることで標準偏差が得られます。手順を理解すれば、Excelやツールでも簡単に計算できます。
- 投資への活用：株価のボラティリティ測定、ポートフォリオのリスク管理、業績の安定性評価など、幅広い場面で実用的に使えます。
- 正規分布との関係：68-95-99.7ルールを活用すれば、将来のリターンやリスクの範囲を確率的に予測でき、投資判断の精度が向上します。
- 注意点：外れ値の影響を受けやすい、正規分布を前提としているなどの限界があるため、他の指標と組み合わせて総合的に判断することが大切です。
標準偏差を理解し活用することで、データに基づいた客観的な投資判断が可能になります。ぜひ日々の分析に取り入れて、リスク管理のスキルを高めていきましょう。