赫斯特指数（Hurst）指数及在Excel中的实现.doc

《数量经济研究》2006年第4期赫斯特指数（Hurst）指数及在Excel中的实现韩海波（兰州商学院统计学院，甘肃兰州730020）摘要：Hurst指数是描述非函数长周期的重要指标。它有别于传统单位根检验，可以发现时间序列存在的超长周期性，可以用于判断市场风险，但运算相当繁琐，单独利用Excel计算费时又费力，作者在充分理解Hurst指数内涵和应用的基础上，利用Excel的宏语言VBA编写宏程序轻松实现Hurst指数的计算，通过这一工作也希望能使Hurst指数能够得到广泛的应用。关键词：Hurst指数；R/S分析；Excel；VBA中图分类号：F224.0文献标识码：A1Hurst指数的基本概念1.1重标极差法(rescaledrangeanalysis，R/S)1.1.1R/S分析的产生和发展标准统计分析假定系统基本是随机的，也就是说产生时间序列的过程有较大的自由度，而且序列内部的关系是非常复杂的，对它们进行确定性的说明是不可能的。只有概率论能帮助我们理解和利用这一过程。自然界和资本市场中充斥着大量的非线性随机和确定性系统。为了研究这些系统，就需要一个非参数的统计方法。在标准高斯统计中，要求被观测的对象一定是独立同分布(IDD)的，但是在系统不是IDD，要用什么样的方法去解决呢？1951年英国水文学家H·E·Hurst（1900-1978）发现了一个非常稳健的无参数统计方法。这一方法最初是用来考察尼罗河的流量变化的。但Hurst将他的研究扩大到许多自然系统，而且通过这个方法可以区分随机和非随机系统、趋势的持续、循环的持续。这一方法叫做“重标极差法”（rescaledrangeanalysis），或R/S分析。通过这一方法可以区分具有长期非函数周期时间序列与随机序列。爱因斯坦于1908年发表了关于布朗运动的论文，使得布朗运动成为随机游走的基本模型。爱因斯坦发现，分子随机运动的半径可以用涵盖时间的平方根来测度：0.5R=分子随机运动的半径；T=时间R=T（1）上式称作二分之一法则。在金融学中这一法则通常被用来对测量风险的标准差进行的年度化，比如用月收益的标准差乘12的平方根就得到年收益的标准差。Hurst就是从这一原则出发通过新的统计量来对序列的随机性进行检验。下面简要说明这一方法：假设x=x，x，…，x为一时间序列，记做x，i=1，2，…n。该时间序列的均值为x，12nimx=(x+?+x)/n（2）1n标准差sn 《数量经济研究》2006年第4期2(x?x)rs=（3）nn重标极差方法需要对原序列进行标准化，Z=(x?x);r=1,?,n（4）ii这样Z就具有零均值，Z=0，下面由Z产生一个累积时间序列Y：Y=(Z?Z);r=2,?,n（5）11i依据这个规则便可产生新的时间序列Y，由定义可知，序列的最后一个Y(Y)将一定为零。重标的极n差R，是Y的最大值减去最小值。niR=max(Y,?,Y)?min(Y,?,Y)（6）n1n1n对于R，下标n表明对于x，x，…，x是一个调整过的极差。因为Z已经被调整为零均值，Y的n12n最大值总是大于或等于0，而最小值总是小于或等于0。这样R将永远为非负。n运用重标极差R，可以将等式（1）一般化，因为等式（1）仅仅适用于布朗运动，也就是随机过程。n其形式如下：H(R/S)=c?n（7）nn表示对应x=x，x，…，x的R/S值；c=a常数12n这里R/S（rescaledrange）被称为重标极差。通常情况下，R/S随时间区间的增大而变大，H通常称做赫斯特指数(HurstExponent)。由于对R/S进行了标准化处理，重标极差允许研究者对各种现象和时间序列进行比较。这是因为重标极差分析方法可以对没有特征规模变化的时间序列进行描述和分析。1.1.2赫斯特指数（HurstExponent）的计算与涵义（1）赫斯特指数的计算赫斯特指数可以由绘制的Log(R/S)与Log(n)图形逼近，其近似值就是其回归模型的斜率。Log(R/S)=Log(c)+H?Log(n)（8）n假如一个系统是独立分布的，那么H=0.5。Hurst对尼罗河的流量研究表明，其H=0.91，也就是说重标极差以快于时间平方根的速度在增长，这就意味着尼罗河的流量时间序列数据点的范围超过了一个随机过程可能覆盖的范围。而要覆盖更多的范围，序列间各点必定是相互影响的。尽管短期的自回归（Autoregressive,AR）会引起序列相关。但通过一阶和二阶自回归模型[AR(1)，AR(2)]对数据进行处理并不能消除这种相关性。（2）赫斯特指数的含义时间序列的Hurst指数居于0-1之间。以0.5为间隔，时间序列在不同的区间会表现不同的特性：①H∈(0，0.5)：分形布朗运动。此时，时间序列的未来数据倾向于返回历史点,因此其发散的比标准布朗