《Hurst 指数与 DFA 分析》文集是一套以fathon库为基石的深度时间序列分析体系化教程，系统破解长程相关性研究的核心密码。区别于零散的技术碎片，本教程将Hurst指数与去趋势波动分析（DFA）置于统一框架下，不仅阐明其作为量化时间序列"记忆性"的黄金标准，更完整覆盖多分形扩展（MFDFA）、双序列交叉相关（DCCA/MFDCCA）及时间依赖Hurst指数（HT）等前沿变体，形成从理论推导到工业级落地的闭环知识体系。文集通过严谨的"教程篇"与"示例篇"双轨结构，将抽象算法转化为可执行的工程实践，使读者在掌握"03 DFA 算法原理与数学推导"的数学内核后，能立即通过"示例04 DFA 全 API 演练"验证理解，并在"示例10 工程实践五件套"中解决真实场景问题。 文集的核心脉络呈现清晰的四层进阶架构： 基础理论层以"02 长记忆与 Hurst 指数核心概念"为起点，解构自相似性与长记忆过程的本质关联，奠定Hurst指数作为序列"记忆强度"标尺的理论根基；继而通过"03 DFA 算法原理与数学推导"揭示去趋势波动分析的几何意义与误差控制机制，避免读者陷入黑箱操作。 算法扩展层突破传统DFA边界：在"05 MFDFA 多分形扩展"中解析分形谱的计算逻辑，使"示例05 MFDFA 多分形四联图"能可视化多尺度分形特征；
从零理解去趋势波动分析DFA及多分形算法，基于fathon的体系化中文教程