写一个等效的function来替代直接调用hurst吧

如果你想自定义一个简单的Hurst指数计算函数，你可以使用以下方法，基于移动平均差分序列（MAD）算法。请注意这只是一个基础版本，实际应用可能需要更复杂的统计处理：

function hurst_value = my_hurst_series(data)
    % 检查数据有效性
    if length(data) < 4
        error('Input data should have at least four points for valid calculation');
    end
    
    % 计算均值
    mean_data = mean(data);
    
    % 移动平均差分
    differences = diff(data) ./ (data(2:end) - mean_data);
    
    % 取绝对值并排序
    abs_diffs_sorted = sort(abs(differences));
    
    % 使用对数间隔采样数据
    N = length(abs_diffs_sorted);
    log_bins = logspace(log10(min(abs_diffs_sorted)), log10(max(abs_diffs_sorted)), round(N^(1/3)));
    
    % 统计落入每个区间的数据数量
    counts_in_bins = histc(abs_diffs_sorted, log_bins);
    
    % 将数据转换为累积分布函数 (CDF)
    cdf_values = cumsum(counts_in_bins) / N;
    
    % 计算斜率（Hurst指数近似）
    slope = polyfit(log(log_bins), cdf_values, 1);
    
    % 输出 Hurst 系数
    hurst_value = slope(1);
end

这个函数首先计算数据的均值，然后计算差分并取绝对值。接着，它将差分值按绝对值大小排序，采用对数间隔采样，计算累积分布函数，最后通过最小二乘法找到CDF曲线的斜率，这个斜率就是Hurst指数的一个估计值。