Остаточная компонента 
в силу способа построения может содержать другие системные (не случайные) составляющие, не являющиеся трендом или сезонностью. Их присутствие формально может проявить, например, коррелограмма (последовательность коэффициентов автокорреляции). Однако с практической точки зрения можно обойтись визуальным анализом, наложив на остаточный ряд регрессию в виде полинома высокого порядка (см. рис. 2).
Рисунок 2. Визуализация системных компонент остаточного ряда (столбец 9 табл. 1). На остаточный ряд (тонкая линия) для более наглядного определения тенденций наложена регрессия в виде полинома 6-го порядка (жирная линия). Вертикальными линиями обозначены границы разнонаправленных тенденций.
На нём видно, что в остаточном ряде имеются разнонаправленные продолжительные тенденции, которые при другой длительности исходного ряда должны были бы отразиться в тренде. Предварительно их границы можно определить визуально. Первая из них – нисходящая длительностью с января 2005 г. по январь 2006 г. (см. рис. 2), вторая – умеренно восходящая с января 2006 г. по август 2007 г., третья – круто восходящая с августа 2007 г. по декабрь 2007 г. Раз эти тенденции «выпали» в остаточный ряд, они не получили отражения в прогнозе.
Линейным или иным монотонным трендом одновременно отразить эти тенденции не возможно. Использование для этого полинома высокого порядка не решает задачу, поскольку он, обладая высокой объясняющей способностью во временных пределах исходного ряда, является исключительно неадекватным в прогнозной области [1, 7]. Поэтому в качестве основы решения можно положить только тренд, составленный из отрезков, монотонных во временных пределах выявленных тенденций.
Для построения составного тренда используется несколько объясняющих переменных 
, количество которых n равно количеству отрезков исходного ряда с разнонаправленными тенденциями. При решении задачи (4) составной тренд формируется следующим способом задания линейных объясняющих переменных:
, (5)
где 
– номер периода, в котором начинается j -я тенденция. При этом объясняющие переменные с предыдущими номерами должны становиться линейными функциями с нулевыми углами наклона, чтобы устранить своё влияние на последующие переменные:
. (6)
Пример использования этих формул приведён в табл. 2 (столбцы 6-8), а результат проиллюстрирован на рис. 3.
Рисунок 3. Сравнение фактических и прогнозных данных, полученных на основании составного тренда методом МНК сезонности.
На нём видно, что первые две тенденции отображены как линейные отрезки тренда, а последняя – как логарифмический. Для этого в (5) вместо 
взято 
. Использование линейного тренда на завершающем отрезке привело бы к формированию слишком оптимистического прогноза из-за высокого угла наклона, поэтому в качестве основы была взята более «осторожная» логарифмическая функция, гасящая восходящий импульс.
Применение логарифмического тренда, однако, не решило окончательным образом задачу правильного отображения в прогнозе восходящей тенденции на последнем отрезке исходного ряда. С формальной точки зрения границу последнего перелома тренда следует переместить с августа 2007 г. на сентябрь, поскольку это приводит к увеличению коэффициента детерминации и снижению среднеквадратического отклонения остаточного ряда. Напомним, что август в качестве границы возник на стадии предварительного визуального анализа. Однако такое уточнение решения приводит значительному увеличению и без того оптимистично большого темпа прироста результата прогнозного года к предыдущему. Следовательно, с содержательной точки зрения вопреки формальным требованиям точку перелома наоборот следует сдвинуть на июль, как это и сделано в табл. 2.
Рисунок 4. Остаточный ряд (кол. 11 табл. 2) дан в том же масштабе, что и на рис. 4. Видно резкое снижение колебаний.
Анализ остаточной компоненты (см. рис. 4) показывает, что посредством составного тренда удалось практически полностью элиминировать остаточные системные составляющие, имевшие место при использовании монотонного тренда (сравн. с рис. 2). Коэффициент детерминации повысился с 75% (см. табл. 1 внизу) до 93% (см. табл. 2), а среднеквадратическое отклонение снизилось с 303 до 165. В нашем случае приемлемое решение удалось получить на трёх объясняющих переменных (
). Это не означает, что если бы остаточная компонента исходного ряда содержала бы большее количество коротких разнонаправленных тенденций, то следовало бы использовать 
. Конечно, это позволило бы повысить коэффициент детерминации, но ценой получения избыточно извилистого тренда. При решении практических задач следует придерживаться эмпирического правила, что число объясняющих переменных не должно превышать количества лет исходного временного ряда.