580 Analiza cykli na rynkach terminowych
Stosując metodę odchyleń do eliminacji wpływu trendu, należy więc posłużyć się średnią o długości zbliżonej do poszukiwanego cyklu. Dlatego właśnie trzeba było najpierw znaleźć cykle (za pomocą analizy spektralnej), a potem kończyć proces eliminacji trendu. Gdyby długości potencjalnych cykli nie były znane, nie znalibyśmy też długości średnich, które należy zastosować w tworzeniu szeregów odchyleń.
Po znalezieniu cykli i eliminacji wpływu trendu analityk musi ocenić cykle, posługując się różnymi metodami statystycznymi. Krok ten jest bardzo ważny, ponieważ oko nasze jest skłonne przeceniać znaczenie cyklu. Musimy zatem zastosować obiektywne testy statystyczne, a trzy najczęściej wykorzystywane w analizie cykli to testy: Bartelsa, F oraz chi-kwadrat. Najbardziej wiarygodną miarą istotności cyklu jest test Bartelsa.
1. Wszystkie testy statystyczne stosowane w analizie cykli mogą być obciążone obecnością trendu, w związku z czym nie doceniają one istotności cykli w występujących danych. Dlatego właśnie wcześniej należało całkowicie wyeliminować trend.
2. Poziom istotności określany w tych testach zależeć będzie od liczby wystąpień cyklu w danych. A zatem cykle o krótszej długości, mające więcej powtórzeń, osiągają na ogół lepsze wyniki w testach. Ogólnie rzecz biorąc, cykle które powtarzają się mniej niż dziesięć razy w strumieniu danych (o częstotliwości mniejszej od 10), nie wykazują wysokiej istotności statystycznej.
3. Test określa wartość statystyczną, która odpowiada prawdopodobieństwu. Im większa wartość statystyczna, tym mniejsze prawdopodobieństwo - mniejsze prawdopodobieństwo, że cykl jest dziełem przypadku, a zarazem większe, że jest autentyczny. Aby uniknąć nieporozumień, analityk powinien zwracać uwagę, czy stosowany program komputerowy podaje wyniki jako wartości statystyczne, czy prawdopodobieństwa. W pierwszym przypadku prawdopodobieństw szuka się w tablicach statystycznych dla tego testu. Niegdyś bardziej powszechne było przedstawianie wyników testów jako wartości statystycznych ze względu na złożoność kwestii prawdopodobieństwa. Wraz ze wzrostem mocy obliczeniowej komputerów można jednak bez trudu bezpośrednio obliczać prawdopodobieństwa, które są łatwiejsze do interpretacji.