Moving-Average-Prozeß, MA(q)-Prozeß, ein stochastischer Prozeß (X(t))_t∈T mit diskretem Zeitbereich \begin{eqnarray}T=\{\ldots, -1,0,1,\ldots \},\end{eqnarray}

der der Gleichung \begin{eqnarray}X(t)=\displaystyle \sum _{k=0}^{q}{\beta }_{k}\varepsilon (t-k)\end{eqnarray}

genügt. Die Zahl q heißt Ordnung des Prozesses. Dabei sind die Koeffizienten β_k, k = 0, …, q, reelle Zahlen mit β_q ≠ 0, und (ϵ(t))_t∈T ist eine Folge unkorrelierter Zufallsgrößen mit dem Erwartungswert E(ϵ(t)) = 0 und der Varianz \(V(\varepsilon (t))={\sigma }_{\varepsilon }^{2}\) für alle t ∈ T.

Jeder im weiteren Sinne stationäre autoregressive Prozeß (X(t))_t∈T läßt sich als MA(∞)-Prozeß \begin{eqnarray}X(t)=\displaystyle \sum _{k=0}^{\infty }{\beta }_{k}\varepsilon (t-k)\end{eqnarray}

darstellen, wobei für die Parameter β₀, β₁, β₂, … gilt: \begin{eqnarray}\displaystyle \sum _{k=0}^{\infty }|{\beta }_{k}|\lt \infty.\end{eqnarray}

Umgekehrt läßt sich jeder invertierbare MA-Prozeß (X(t))_t∈T auch als autoregressiver Prozeß unendlicher Ordnung darstellen: \begin{eqnarray}X(t)=\displaystyle \sum _{k=1}^{\infty }{a}_{k}X(t-k)+\varepsilon (t).\end{eqnarray}

MA(q)-Prozesse werden in der Zeitreihenanalyse zur Modellierung stochastischer zeitabhängiger Vorgänge angewendet.