hurst.rar_R/S_hurst_hurst matlab_matlab hurst_r/s法

http://www.bearcave.com/misl/misl_tech/wavelets/hurst/index.html

http://fly.isti.cnr.it/software/

http://www.ms.unimelb.edu.au/~odj/

http://www.cubinlab.ee.unimelb.edu.au/~darryl/secondorder_code.html

===========================================================

This is an implementation of the Hurst exponent calculation that is smaller, simpler, and

quicker than most others. It does a dispersional analysis on the data and then uses Matlab's

polyfit to estimate the Hurst exponent. It comes with a test driver that you can delete.

% The Hurst exponent

%

% Bill Davidson, quellen@yahoo.com

% 13 Nov 2005

function []=hurst_exponent()

disp('testing Hurst calculation');

n=100;

data=rand(1,n);

plot(data);

hurst=estimate_hurst_exponent(data);

[s,err]=sprintf('Hurst exponent = %.2f',hurst);disp(s);

%

% This algorithm is far faster than a full-blown implementation of Hurst's

% algorithm. I got the idea from a 2000 PhD dissertation by Hendrik J

% Blok, and I make no guarantees whatsoever about the rigor of this

approach

% or the accuracy of results. Use it at your own risk.

%

% Bill Davidson

% 21 Oct 2003

function [hurst] = estimate_hurst_exponent(data0) % data set

yvals=zeros(1,npoints);

while npoints>4

y=std(data);

xvals(index)=binsize;

yvals(index)=binsize*y;

npoints=fix(npoints/2);

binsize=binsize*2;

for ipoints=1:npoints % average adjacent points in pairs

data2(ipoints)=(data(2*ipoints)+data((2*ipoints)-1))*0.5;

end

data=data2(1:npoints);

end % while

xvals=xvals(1:index);

p2=polyfit(logx,logy,1);

hurst=p2(1); % Hurst exponent is the slope of the linear fit of log-log

plot

return;

H.E.HURST（赫斯特）是英国水文学家。以他命名的 HURST 指数，被广泛用于资本市场的

混沌分形分析。除了埃德加.E.彼得斯的两本专著外，近几年也发表了一些论文。

一个具有赫斯特统计特性的系统，不需要通常概率统计学的独立随机事件假设。它反映的是

一长串相互联系事件的结果。今天发生的事将影响未来，过去的事也会影响现在。这正是我

们分析资本市场所需要的理论和方法。传统的概率统计学，对此是难办到的。

关，序列有突变跳跃逆转性。

根据赫斯特的研究，自然界的很多自然现象，H 大于 0.5。埃德加.E.彼得斯的两本专著，对

国外资本市场进行了系统分析，证实了许多市场指数的 H 也大于 0.5；近几年国内发表了一

些论文，同样验证了沪深市场指数的 H 也大于 0.5。这种市场特征，被称为是有偏随机游动

市场，也即市场具有混沌分形特征。

对于反持久性序列，埃德加.E.彼得斯指出，它在经济金融学中虽然很重要，但人们发现的

反持久性序列却很少。因此，在两本专著中论述不多。

HURST 指数的经典计算方法，是 R/S 分析法，即重标极差分析法。用此法计算 HURST 指

数，不仅计算量大，且方法繁杂。目前所见论文，一般都是针对少数代表性指数，且多半是

用月（周）数据分析的。对于个股的 HURST 指数计算，尚未见到。在现有的几个股软（飞

1、上证：0.568，沪 A：0.571，沪 B：0.583；

2、深成指：0.533，深综指 0.515

初步认识：就大盘而论，沪深市场的日线周期数据序列是持久性序列，且沪市比深市有偏性

更强，沪 B 比沪 A 有偏性更强。

二、A 股市场所有股票的 HURST 指数（1260 支）

1、H 大于等于 0.55 的有 36 支，H 大于等于 0.52 的有 96 支，H 大于 0.50 的有 137 支

2、H 小于等于 0.45 的有 36 支，H 小于等于 0.48 的有 1016 支

初步认识：A 股市场的绝大多数股票，其日线周期数据序列是反持久性序列，序列有极强的

突变逆转性。相反，持久性序列仅有 1/10 左右。这是现有研究中无人提及的。

三、B 股市场所有股票的 HURST 指数（109 支）

CODE:

%Syntax: [logRS,logERS,V]=RSana(x,n,method,q)

%____________________________________________

%

% Performs R/S analysis on a time series.

%

% logRS is the log(R/S).

% V is the V statistic.

% x is the time series.

% n is the vector with the sub-periods.

% method can take one of the following values

% 'auto' for the Lo's suggested value.

%

%

% References:

%

% Peters E (1991): Chaos and Order in the Capital Markets. Willey

%

% Peters E (1996): Fractal Market Analysis. Wiley

%

% Lo A (1991): Long term memory in stock market prices. Econometrica

% Hauser M (1997): Semiparametric and nonparametric testing for long

% memory: A Monte Carlo study. Empirical Economics 22: 247-271

%

%

% Alexandros Leontitsis

% Department of Education

% University of Ioannina

% 45110 - Dourouti

% Ioannina

% Greece

%

% University e-mail: me00743@cc.uoi.gr

% x must be a vector

if min(size(x))>1

error('Invalid time series.');

end

x=x(:);

% N is the time series length

N=length(x);

end

if nargin<2 | isempty(n)==1

n=1;