hurst指数多维数据python代码

下面是计算 Hurst 指数的多维数据的 Python 代码：

import numpy as np

def hurst(X):
    """计算Hurst指数"""
    N = len(X)
    max_k = int(np.floor(np.log2(N)))
    Y = np.cumsum(X)
    mean_Y = Y / np.arange(1, N + 1)
    R = np.zeros(max_k)
    for k in range(max_k):
        n = int(np.floor(N / 2**(k+1)))
        range_n = np.arange(n)
        S = np.zeros(n)
        for i in range_n:
            start = i * 2**(k+1)
            end = start + 2**k
            S[i] = np.std(Y[start:end])
        R[k] = np.log(np.mean(S) / np.std(Y))
    return np.polyfit(np.log(np.arange(1, max_k+1)), R, 1)[0]

这个函数可以计算任意维度的时间序列数据的 Hurst 指数，主要思路是按照二叉树的方式分割数据，然后计算每个分割区间的标准差。最终通过线性拟合得到 Hurst 指数。函数的输入参数是一个 numpy 数组，输出是一个浮点数，表示 Hurst 指数。