пошук циклами період яких не менше п'яти тижнів і не більше однією десятою всього об'єму даних 4 місячні дані разом з денними даними місячні дані є найкращим стискуванням для циклічного аналізу в місячних даних немає проблем пов'язаних з випадковими флуктуаціями оскільки вони сильно згладжені окрім цього вони прекрасно поєднуються з сезонними тенденціями у ф'ючерсних даних місячні дані можуть використовуватися для відшукання циклів від 5 місяців до 350 (верхня межа перевищує максимальну довжину циклу рівну однією десятою всього об'єму даних про яку говорилося вище це менш тяжка умова виникає завдяки згладженій природі місячних даних )5 квартальні і річні дані в загальному випадку ці більш довгострокові види сжатий не надають досить матеріалу для аналізу ф'ючерсних даних для деяких ринків проте існують дані за цінами готівкового товару тривалості яких хапає для проведення подібного аналізу зазвичай річні дані дають можливість отримати кращий результат чим квартальні в разі більш довгострокових сжатий аналітикові доводиться використовувати комбіновані дані наприклад річні ціни на зерно доступні починаючи з 1259 г і є комбінацією чотирьох окремих серій британські ціни на зерно до існування американських даних і три різних американських цінових серії що відображають изме 584 частина 3 осцилятори і циклынения у переважанні найбільш популярних сортів зерна (наприклад твердих сортів над м'якими) для того щоб «склеїти» різні цінові серії необхідно аби ці серії містили цінові дані що перекриваються не менше чим за 10 років форма яких більш менш збігається потім отриману комбіновану серію умножають на коефіцієнт підібраний так аби її останні значення збігалися з сучасними цінами крок 2 візуальна перевірка данныхпоскольку в наші дні левова частка циклічного аналізу здійснюється за допомогою комп'ютера дослідники часто забувають проглянути ціновий графік перш ніж приступити до його математичної обробки при цьому втрачається багато значимої інформації оскільки візуальна перевірка має декілька корисних функцій 1 виділення крапок що містять непридатні дані любыеданные містять помилки великі помилки можуть полностьюразрушить методи аналізу циклів візуальна перевірка данныхна графіці дозволяє аналітику швидко ідентифікувати всеточки в яких дані сильно вибиваються із загального ряду точність цих даних необхідно перевірити окремо 2 знаходження екстремальних коливань цін ценовыепики на ринку золота і срібла 1980 г і крах фондового ринку 19 жовтня 1987 г — приклади экстраординарногоценового рухи руху цін подібні цим настольковелики що можуть істотно спотворити аналізовані цикли а також утруднити знаходження циклів присутніх на широких інтервалах даних найкращий підхід до таких ситуацій полягає в тому аби виробити два окремі аналізи даних перший — на даних аж до виникнення ненормального руху а другий — на тих даних які з'являються після нього знайдені в результаті аналізу два наборовданных цикли слід порівняти перевіривши їх на надійність сточування зору статистики і вибрати один