重标极差（R/S）分析法计算Hurst指数（Python）

最新推荐文章于 2025-02-15 22:11:32 发布

cucou0313

最新推荐文章于 2025-02-15 22:11:32 发布

阅读量5.4k

点赞数 1

分类专栏： Hurst指数重标极差分析法文章标签： python

本文链接：https://blog.csdn.net/guokaikuo/article/details/124844753

版权

这篇博客介绍了如何使用Python实现重标极差（R/S）分析法来计算Hurst指数，用于时间序列数据的可预测性分析。博主分享了计算过程，并指出网上常见代码可能未遵循标准计算方法，同时提到了在论文中常通过对数散点图展示Hurst指数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题记：

记录下自己论文中态势预测问题中，使用重标极差分析法对时间序列数据集进行可预测分析的过程。网上找到的相关R/S计算Hurst指数的代码，大多没有按照标准计算过程来实现，而相关论文中使用Hurst指数时，往往采用了对数散点图的方式来展示。

最终实现效果：

1、一般的重标极差分析法的计算过程

2、Python实现

水平有限，只是简单实现，没有采用矩阵等方式加速计算过程。

import numpy as np
import matplotlib.pyplot as plt


def my_hurst(obs: list) -> int:
    """
    严格按照 R/S 标准流程推导
    :param obs: 时间序列数据
    :return: Hurst指数
    """
    x_res = []
    y_res = []
    # 划分时间序列的间隔
    step = 3
    for n in range(step, len(obs), step):
        x_res.append(np.log(n))