Большинство методов поиска циклов испытывает проблемы, связанные с недостатком или переизбытком данных. Если набор данных слишком мал, то аналитик просто не увидит достаточного количества повторений, чтобы обнаружить наличие цикла. Как правило, требуется по меньшей мере десять повторений цикла (лучше пятнадцать), чтобы статистически подтвердить его наличие. Следовательно, если кто-то ищет 100-дневный цикл, необходимо иметь данные за 1000 дней, чтобы его обнаружить. Практический минимум — это примерно 200 точек данных, независимо от длины отыскиваемых циклов, поскольку большинство математических алгоритмов не смогут правильно работать при меньшем количестве данных.
В анализе циклов, однако, больше — не обязательно лучше. Слишком большое количество точек данных (например, более 5000), скорее всего, приведет к многочисленным смешениям фаз, и в результате статистические тесты пропустят некоторые важные циклы. Чаше всего нет необходимости использовать более чем 2000 точек данных и, более того, нежелательно использовать более чем 5000 (водораздел между отсутствием преимуществ и негативным влиянием лежит где-то посередине этого отрезка). Основываясь на опыте, можно рекомендовать, чтобы первичный анализ был проведен для 2000 точек данных, а второй, более точный, — примерно для 1000 точек с целью детального нахождения временных рамок циклов. Это с очевидностью означает, что в любом случае не следует искать циклы с периодом, большим чем 100 точек данных, поскольку циклы с более длинными периодами будут иметь менее десяти повторений при втором сканировании. Чтобы найти циклы с большими периодами, потребуется сжатие данных.
