X t ) за (n - 1) періодів і розмах накопичених відхилень при різних t:
R t = max t (Х i ... X t ) - min t (Х i ... X t ) (3)
. Для кожного інтервалу знаходиться середньоквадратичне відхилення:
S t = (4)
. Розмах накопичених відхилень нормалізується на S (виходить ряд значень R/S для кожного інтервалу t).
6. R/S і t логаріфміруются, на основі чого будується графік залежності
log (R/S) від log (t).
. Методом найменших квадратів знаходяться лінійна апроксимація, а потім і фрактальна розмірність. Кутовий коефіцієнт і є показником Херста. p align="justify"> Другий спосіб включає всі описані етапи, але для кожного часового проміжку t виконується зсув уздовж ряду. Інакше кажучи, ряд розбивається на кілька діапазонів довжиною для кожного з яких визначається показник R/S, а потім розраховується середнє значення, яке і відкладається на графіку для знаходження показника Херста. Зауважимо, що цей спосіб дає узагальнені дані по всьому ряду і до дослідження інвестиційних процесів повинен застосовуватися з деякими застереженнями. Адже застосування R/S-аналізу відразу до всього ряду припускає, що природа процесів, на основі яких будується ряд (наприклад, інвестицій), залишається незмінною протягом тривалого періоду, тоді як у випадку з інвестиціями це малоймовірно. Однак застосування R/S-аналізу з усередненням по всьому тимчасовому проміжку дозволяє виділити загальні закономірності розвитку, зокрема - порядок організації процесу, переважаючого на більшій частині тимчасового проміжку.
Описана послідовність обробки даних реалізується в програмі Fractan 4.4 (автор В. Сичов), що знаходиться у вільному доступі в мережі інтернет. Ця програма і використовувалася для математичної обробки даних. Коректність її роботи перевірялася при тестуванні гаусового шуму (стохастичного процесу ),
