假设有一个金融时间序列s，请用python写出他的考夫曼指标计算代码，请不要用scipy库

首先，考夫曼指标是用来衡量金融时间序列的随机性的，具体来说，它将时间序列的收益率划分成若干个区间，然后统计各个区间出现的次数，计算出每个区间的概率，再根据概率计算信息熵。最后，将各个区间的信息熵加起来就是考夫曼指标。

下面是计算考夫曼指标的python代码：

from collections import defaultdict
from math import log

def compute_kaufman_index(s):
  # 计算收益率
  returns = [s[i+1] / s[i] for i in range(len(s)-1)]
  # 将收益率划分成若干个区间
  bins = [-float('inf'), -0.1, 0, 0.1, float('inf')]
  # 统计各个区间出现的次数
  counts = defaultdict(int)
  for r in returns:
    for i in range(len(bins)-1):
      if r >= bins[i] and r < bins[i+1]:
        counts[i] += 1
  # 计算概率
  probs = [count / len(returns) for count in counts.values()]
  # 计算信息熵
  entropy = sum(-p * log(p, 2) for p in probs)
  # 计算考夫曼指标
  kaufman_index = entropy / log(len(bins)-1, 2)
  return kaufman_index

在上面的代码中，我们首先计算出时间序列的收益率，然后将收益率划分成若干个区间，这里我们假设划分成四个区间，即小于-0.1、大于等于-0.1且小于0、大于等