Метод спектрального анализа заключается в том, что наблюдаемая зависимость изменения исследуемой величины (в нашем случае — рыночных цен) от времени представляется в виде суммы гармонических колебаний с разными частотами. Вклады разных слагаемых данной суммы, как правило, различаются и определяются амплитудой колебаний на определенной частоте. Зависимость такой амплитуды от частоты составляющих гармонических колебаний называется спектром исследуемой временной функции (в нашем случае — функции цены от времени). Разложение исследуемых функций на гармонические составляющие и определение амплитуд этих составляющих требуют большого объема вычислений и проводятся с помощью компьютерных методов.
Если спектр, полученный в результате проведенного анализа, представляет собой горизонтальную прямую, значит, вклады всех частотных составляющих одинаковы. Исследуемая зависимость в этом случае называется белым шумом, в котором нельзя выделить никаких преимущественных колебаний. В том случае, если в полученном спектре некоторым частотам соответствуют существенно более высокие значения, чем соответствующие остальным частотам, можно утверждать, что у исследуемых данных есть циклическая волновая составляющая на данных частотах. Таким образом, пики частотного спектра изменений цен должны соответствовать частотам возможных временных циклов. Однако колебания с экстремальными спектральными значениями не всегда являются статистически значимыми, т.е., проявляясь в течение некоторого числа периодов, они далее могут не повторяться. Следовательно, эти возможные циклические составляющие необходимо подвергнуть соответствующей проверке.
При рассмотрении результатов спектрального анализа необходимо учитывать, что наличие в ценовых движениях трендовой составляющей влияет на форму получающихся спектров и это влияние может серьезно исказить результаты последующих проверок циклов на статистическую значимость. Поэтому, прежде чем приступать к подобным проверкам, из исследуемой зависимости необходимо попытаться удалить трендовую составляющую.
Для удаления из данных трендовой составляющей, или снятия направленности, используют, так же как и в случае удаления случайных колебаний, предполагаемый факт различия характерных периодов изменения трендов и циклов. Поскольку считается, что время трендового движения существенно превышает период предполагаемого цикла, то скользящая средняя с периодом усреднения, близким к периоду цикла, полностью устранит влияние цикличности и в наименьшей степени исказит форму тренда.
