Показатель Хёрста

Показатель степени Хёрста, показатель Хёрста или коэффициент Хёрста — мера, используемая в анализе временных рядов. Эта величина уменьшается, когда задержка между двумя одинаковыми парами значений во временном ряду увеличивается. Впервые это понятие использовалось в гидрологии в практических целях для определения размеров плотины на реке Нил в условиях непредсказуемых дождей и засух, наблюдаемых в течение длительного времени. Название «Экспонента Херста» или «Коэффициент Херста» дано в честь Шаблон:Не переведено 3 (1880—1978) — ведущего исследователя того времени в этой области. Стандартное обозначение H также дано в честь него.

Определение

Показатель Херста, H, определяется в терминах асимптотического поведения масштабированного диапазона как функции отрезка времени временного ряда следующим образом:

$\mathrm{E}\left[\frac{R(n)}{S(n)}\right]=C{n}^H,n\to \mathrm{\infty },$

где

• $R(n)$ — размах накопленных отклонений первых $n$ значений от среднего значения ряда,
• $S(n)$ — стандартное отклонение
• $\mathrm{E}\left[x\right]$ — математическое ожидание
• $n$ — величина промежутка времени (количество точек в отрезке временного ряда)
• $C$ — константа

Свойства

Для того, чтобы точнее определить показатель, временной ряд должен быть достаточно длинным.

Последовательности, для которых $H>0,5$, считаются персистентными — они сохраняют имеющуюся тенденцию, то есть возрастание в прошлом более вероятно приводит к возрастанию в дальнейшем, и наоборот. При значении 0,5 явной тенденции не выражено, а при меньших значениях процесс характеризуется антиперсистентностью — любая тенденция стремится смениться противоположной.

Значения показателя Хёрста природных процессов группируются вблизи значений 0,72-0,73.

Показатель Хёрста связан с размерностью Хаусдорфа-Безиковича $D$ следующим соотношением:

$D=2-H$.

Применение

Показатель Хёрста применяется в экономике — в техническом анализе для обоснования предсказания тенденций (в приведенной выше функции исходным рядом будет являться приращение цены), в естественных науках — в анализе различных данных экспериментов — для выявления новых характеристик процесса.

Реализация

• На Matlab: https://ideas.repec.org/s/wuu/hscode.html
• На Python: http://github.com/Mottl/hurst