Számoltam egy ilyet: az értékek növekedése (szomszédos értékek különbsége) normál eloszlású (ferdeség -1 és 1 között van, illetve histogram is támogatja). Pontosan számolható egy határérték arra vonatkozólag, hogy mi az az extrém szint, amelyet nem fog elérni a hirdetések száma erősen várható módon (3 szigma megbízhatósággal).
Normál véletlen értékek összegének számítása:
mean * n + sd * 3 * sqrt(n)
ahol n az időintervallumot jelenti a fenti 4 órás felbontásban. Tehát ha mondjuk 1 hónapra előre számolunk, akkor az 180 db 4 órás időszakot jelent. Ha a véletlen rezgések (hirdetések száma) lehetséges összegét nézzük, vagyis hogy maximum mennyire nőhet az eddigi adatok alapján, akkor:
m = 5.766830870279146 (különbségek átlaga)
s = 63.69578305962064 (különbségek szórása)
n = 180
max = 31227 (utolsó ár, ehhez adom hozzá a lehetséges max várható növekedést)
max + ( m * n + s * 3 * sqrt(n))
31227 + 5.766830870279146 * 180 + 63.69578305962064 * 3 * sqrt(180)
= 34828.73537107529
Vagyis 34829 egy olyan érték, mely fölé erősen várható módon nem fog menni a hirdetések száma a következő 1 hónapban.
Ugyanez alsó limitre számolva:
min - ( m * n - s * 3 * sqrt(n))
= 29240.676257774798
Vagyis erősen várhatóan nem fog 29240 alá menni a hirdetések száma a következő 1 hónapban.
Ezek erős stabil határok.
Egyébként a min és max érték különbsége a fenti 3 hónap alatt 3512, a számolt felső limit 1 hónapra pedig 3601-el nagyobb. Ez is mutatja, hogy nem elrugaszkodott, nem a 30-szorosát adja a határérték számítás. Ez egy egzakt erős limit.
Vagyis maximum 11.5%-on belül fog maradni várható módon az ingatlan hirdetések száma a következő 1 hónapban.
Aminek nagyobb értelme lenne, az volatilitás elemzés időszakosan a négyzetméter árakra vonatkozóan, mellyel lehetne látni, hogy az ár ingadozás hogyan változik időben, és most maximum és minimum mekkorára lehet számítani.