btc_price_anany/HURST_ENHANCEMENT_SUMMARY.md

Hurst分析模块增强总结

修改文件

/Users/hepengcheng/airepo/btc_price_anany/src/hurst_analysis.py

增强内容

1. 扩展至15个时间粒度

修改位置：run_hurst_analysis() 函数（约第689-691行）

原代码：

mt_results = multi_timeframe_hurst(['1h', '4h', '1d', '1w'])

新代码：

# 使用全部15个粒度
ALL_INTERVALS = ['1m', '3m', '5m', '15m', '30m', '1h', '2h', '4h', '6h', '8h', '12h', '1d', '3d', '1w', '1mo']
mt_results = multi_timeframe_hurst(ALL_INTERVALS)

影响：从原来的4个尺度（1h, 4h, 1d, 1w）扩展到全部15个粒度，提供更全面的多尺度分析。

---

2. 1m数据截断优化

修改位置：multi_timeframe_hurst() 函数（约第310-313行）

新增代码：

# 对1m数据进行截断，避免计算量过大
if interval == '1m' and len(returns) > 100000:
    print(f"  {interval} 数据量较大（{len(returns)}条），截取最后100000条")
    returns = returns[-100000:]

目的：1分钟数据可能包含数百万个数据点，截断到最后10万条可以：

• 减少计算时间
• 避免内存溢出
• 保留最近的数据（更具代表性）

---

3. 增强多时间框架可视化

修改位置：plot_multi_timeframe() 函数（约第411-461行）

主要改动：

1. 更宽的画布：figsize=(12, 7) → figsize=(16, 8)
2. 自适应柱状图宽度：width = min(0.25, 0.8 / 3)
3. X轴标签旋转：rotation=45, ha='right' 避免15个标签重叠
4. 字体大小动态调整：fontsize_annot = 7 if len(intervals) > 8 else 9

效果：支持15个尺度的清晰展示，避免标签拥挤和重叠。

---

4. 新增：Hurst vs log(Δt) 标度关系图

新增函数：plot_hurst_vs_scale() （第464-547行）

功能特性：

• X轴：log₁₀(Δt) - 采样周期的对数（天）
• Y轴：Hurst指数（R/S和DFA两条曲线）
• 参考线：H=0.5（随机游走）、趋势阈值、均值回归阈值
• 线性拟合：显示标度关系方程 H = a·log(Δt) + b
• 双X轴显示：下方显示log值，上方显示时间框架名称

时间周期映射：

INTERVAL_DAYS = {
    "1m": 1/(24*60),   "3m": 3/(24*60),   "5m": 5/(24*60),   "15m": 15/(24*60),
    "30m": 30/(24*60), "1h": 1/24,        "2h": 2/24,        "4h": 4/24,
    "6h": 6/24,        "8h": 8/24,        "12h": 12/24,      "1d": 1,
    "3d": 3,           "1w": 7,           "1mo": 30
}

调用位置：run_hurst_analysis() 函数（第697-698行）

# 绘制Hurst vs 时间尺度标度关系图
plot_hurst_vs_scale(mt_results, output_dir)

输出文件：output/hurst/hurst_vs_scale.png

---

输出变化

新增图表

• hurst_vs_scale.png - Hurst指数vs时间尺度标度关系图

增强图表

• hurst_multi_timeframe.png - 从4个尺度扩展到15个尺度

终端输出

分析过程会显示所有15个粒度的计算进度和结果：

【5】多时间框架Hurst指数
--------------------------------------------------

正在加载 1m 数据...
  1m 数据量较大（1234567条），截取最后100000条
  1m: R/S=0.5234, DFA=0.5189, 平均=0.5211

正在加载 3m 数据...
  3m: R/S=0.5312, DFA=0.5278, 平均=0.5295

... (共15个粒度)

---

技术亮点

1. 标度关系分析

通过 plot_hurst_vs_scale() 函数，可以观察：

• 多重分形特征：不同尺度下Hurst指数的变化规律
• 标度不变性：是否存在幂律关系 H ∝ (Δt)^α
• 跨尺度一致性：R/S和DFA方法在不同尺度的一致性

2. 性能优化

• 对1m数据截断，避免百万级数据的计算瓶颈
• 动态调整可视化参数，适应不同数量的尺度

3. 可扩展性

• ALL_INTERVALS 列表可灵活调整
• INTERVAL_DAYS 字典支持自定义时间周期映射
• 函数签名保持向后兼容

---

使用方法

运行完整分析

from src.hurst_analysis import run_hurst_analysis
from src.data_loader import load_daily

df = load_daily()
results = run_hurst_analysis(df, output_dir="output/hurst")

仅运行15尺度分析

from src.hurst_analysis import multi_timeframe_hurst, plot_hurst_vs_scale
from pathlib import Path

ALL_INTERVALS = ['1m', '3m', '5m', '15m', '30m', '1h', '2h', '4h',
                 '6h', '8h', '12h', '1d', '3d', '1w', '1mo']
mt_results = multi_timeframe_hurst(ALL_INTERVALS)
plot_hurst_vs_scale(mt_results, Path("output/hurst"))

测试增强功能

python test_hurst_15scales.py

---

数据文件依赖

需要以下15个CSV文件（位于 data/ 目录）：

btcusdt_1m.csv   btcusdt_3m.csv   btcusdt_5m.csv   btcusdt_15m.csv
btcusdt_30m.csv  btcusdt_1h.csv   btcusdt_2h.csv   btcusdt_4h.csv
btcusdt_6h.csv   btcusdt_8h.csv   btcusdt_12h.csv  btcusdt_1d.csv
btcusdt_3d.csv   btcusdt_1w.csv   btcusdt_1mo.csv

✅ 当前状态：所有数据文件已就绪

---

预期效果

标度关系图解读示例

1. 标度不变（分形）：

   • Hurst指数在log(Δt)轴上呈线性关系
   • 例如：H ≈ 0.05·log(Δt) + 0.52
   • 说明：市场在不同时间尺度展现相似的统计特性

2. 标度依赖（多重分形）：

   • Hurst指数在不同尺度存在非线性变化
   • 短期尺度（1m-1h）可能偏向随机游走（H≈0.5）
   • 长期尺度（1d-1mo）可能偏向趋势性（H>0.55）

3. 方法一致性验证：

   • R/S和DFA两条曲线应当接近
   • 如果差异较大，说明数据可能存在特殊结构（如极端波动、结构性断点）

---

修改验证

语法检查

python3 -m py_compile src/hurst_analysis.py

✅ 通过

文件结构

src/hurst_analysis.py
├── multi_timeframe_hurst()     [已修改] +数据截断逻辑
├── plot_multi_timeframe()      [已修改] +支持15尺度
├── plot_hurst_vs_scale()       [新增]   标度关系图
└── run_hurst_analysis()        [已修改] +15粒度+新图表调用

---

兼容性说明

✅ 向后兼容：

• 所有原有函数签名保持不变
• 默认参数依然为 ['1h', '4h', '1d', '1w']
• 可通过参数指定任意粒度组合

✅ 代码风格：

• 遵循原模块的注释风格和函数结构
• 保持一致的变量命名和代码格式

---

后续建议

1. 参数化配置：可将 ALL_INTERVALS 和 INTERVAL_DAYS 提取为模块级常量
2. 并行计算：15个粒度的分析可使用多进程并行加速
3. 缓存机制：对计算结果进行缓存，避免重复计算
4. 异常处理：增强对缺失数据文件的容错处理

---

修改完成时间：2026-02-03 修改人：Claude (Sonnet 4.5) 修改类型：功能增强（非破坏性）