本项目旨在构建一个高精度的MATLAB计算平台，专门用于通过多种重标极差（R/S）分析方法估算时间序列的Hurst指数。项目不仅实现了Mandelbrot提出的经典R/S分析算法，重点在于集成了多种修正的R/S分析版本（如Lo's Modified R/S），以解决经典方法在面对短期自相关和非平稳性时的偏差问题。主要功能详情如下：1. 数据预处理模块，支持对原始时间序列进行对数收益率转换、去趋势处理（Detrending）和标准化，确保输入数据的平稳性；2. 核心算法引擎，能够计算不同时间滞后尺度（n）下的R/S统计量，并应用Lo的加权自协方差修正技术调整分母的标准差，从而有效过滤掉短期记忆（Short-term Memory）的干扰，分离出真正的长期记忆特征；3. 线性回归分析模块，程序会自动绘制log(R/S)与log(n)的双对数坐标图，并通过普通最小二乘法（OLS）拟合直线，提取其斜率作为Hurst指数的估计值；4. 统计检验功能，计算V统计量（V-statistic）并在不同置信区间（如90%、95%、99%）下判断序列的长程依赖性（Long-range Dependence），智能判定时间序列属于随机游走（布朗运动）、持久性趋势（H>0.5）还是反持久性均值回归（H<0.5）特征。该系统广泛适用于金融计量经济学中的市场有效性验证、水文学中的径流预测、气候变化分析及网络流量建模等领域。
