567

Podstawowe koncepcje cykliczne 567

dzienne zamiast godzinowych). Z drugiej strony, jeśli dany cykl występuje mniej niż 15 razy, kompresja powinna być mniejsza (na przykład dane dzienne zamiast tygodniowych). A oto charakterystyka głównych typów kompresji danych:

1.    Dane minutowe i godzinowe. Można wprawdzie odnaleźć cykle w tak krótkiej perspektywie, ale pojawiają się tu dwa problemy. Po pierwsze, w takich kompresjach jest wiele krótkoterminowego szumu (jeśli przedział czasu jest mniejszy niż 30 minut, szumu jest zbyt wiele). Po drugie, skoro - jak mówiliśmy - warto ograniczać dane do 2000 elementów, większość dominujących cykli zniknie z pola widzenia. Dane godzinowe lub dłuższe sprawdzają się jednak dobrze i warto z nimi eksperymentować. Jako ogólną zasadę można przyjąć, że im większy przeciętny dzienny wolumen, tym bardziej prawdopodobne jest, że dane zawierają istotne cykle.

2.    Dane dzienne. Jest to najlepszy rodzaj danych do analizowania cykli. Najmniejszy cykl, który można sensownie analizować, to pięć dni, ponieważ trudno jest filtrować szum dla mniejszej liczby elementów. Górny limit wynosi jedną dziesiątą długości szeregu danych, ponieważ dłuższe cykle występowałyby wówczas zbyt rzadko, by można je było ocenić.

Jedyny problem związany z tym rodzajem danych to sposób traktowania dni wolnych. Są tu trzy podstawowe możliwości: (1) powtórzenie poprzedniej wielkości; (2) interpolacja brakującej wartości; (3) zignorowanie dnia wolnego. Nie ma tu wprawdzie jednej właściwej odpowiedzi, ale w naszym przekonaniu najlepsze jest powtórzenie.

3.    Dane tygodniowe. Podobnie jak dane minutowe i godzinowe, dane te nastręczają istotnych problemów ze względu na niezgodność z wszelkimi schematami sezonowymi. Kłopot bierze się stąd, że zmiany cen na rynkach terminowych są mocno uzależnione od pór roku. W rzeczywistości wiele cykli krótko- i średnioterminowych ma charakter sezonowy. Ponieważ miesiąc nie trwa równych czterech tygodni, a rok to nie 52 tygodnie, dane tygodniowe nie pokrywają się ze zmianami sezonowymi. Główną zaletą danych tygodniowych jest to, że pozwalają rozpoznawać cykle zbyt długie, by wykryć je na danych dziennych. Można zatem szukać cykli w danych tygodniowych, by znaleźć dłuższe cykle, a następnie przekształcić je na dni lub miesiące, co pozwoli odzyskać synchronizację ze schematami sezonowymi. Także i w tym wypadku minimalna wielkość cyklu to pięć tygodni, a maksymalna -jedna dziesiąta długości danych.

4.    Dane miesięczne. Obok danych dziennych - najlepszy rodzaj danych dla analizy cykli. Dane miesięczne nie stwarzają problemów z szumem, ponieważ są bardzo wygładzone. Są też doskonale zharmonizowane