Hurst指数python实现

复制代码
 1 def Hurst(data):
 2     n = 6
 3     data = pd.Series(data).pct_change()[1:]
 4     ARS = list()
 5     lag = list()
 6     for i in range(n):
 7         m = 2 ** i
 8         size = np.size(data) // m
 9         lag.append(size)
10         panel = {}
11         for j in range(m):
12             panel[str(j)] = data[j*size:(j+1)*size].values
13             
14         panel = pd.DataFrame(panel)
15         mean = panel.mean()
16         Deviation = (panel - mean).cumsum()
17         maxi = Deviation.max()
18         mini = Deviation.min()
19         sigma = panel.std()
20         RS = maxi - mini
21         RS = RS / sigma
22         ARS.append(RS.mean())
23         
24     lag = np.log10(lag)
25     ARS = np.log10(ARS)
26     hurst_exponent = np.polyfit(lag, ARS, 1)
27     hurst = hurst_exponent[0]
28     
29     return hurst 
复制代码

 注意:Hurst指数描述的记忆性仅对线性过程有效;对于复杂非线性过程,其记忆性需要除Hurst指数之外的其他参数来描述(Kamenshchikov 2014)。而投资品价格和收益率变化是非线性过程。

posted @   ~宁静致远~  阅读(4028)  评论(1编辑  收藏  举报
编辑推荐:
· 没有源码,如何修改代码逻辑?
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
阅读排行:
· DeepSeek “源神”启动!「GitHub 热点速览」
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· C# 集成 DeepSeek 模型实现 AI 私有化(本地部署与 API 调用教程)
· DeepSeek R1 简明指南:架构、训练、本地部署及硬件要求
· NetPad:一个.NET开源、跨平台的C#编辑器
点击右上角即可分享
微信分享提示