对无序和有序，或者混沌和趋势两种状态的衡量标准，最佳方法莫过于分形统计最Hurst指数。
H.E.Hurst (1900-1978)在研究尼罗河水库水流量和贮存能力的关系时，发现尼罗河的水文具有一种“长记忆性”，用有偏的随机游走(分形布朗运动)能够更好地描述水库的长期存贮能力，并在此基础上提出了用重标极差(R/S)分析方法来建立赫斯特指数(H)，作为判断时间序列数据遵从随机游走还是有偏的随机游走过程的指标。
研究证明，股市中也存在长记忆性，历史信息会对未来市场产生长期形响。如果过去时期价格呈现上升趋势，则下一个时期也呈现上升趋势，反之亦然，这就是波动趋势的记忆性特征。通过Hurst指数值来反映时间序列的依赖性，可以有效地预测时间序列数据中存在的趋势性，已广泛应用于水文、气候、化学、地质、地震、经济和金融等众多领域。
Hurst指数取值范围有三种形式：
如果H=0.5，表明时间序列可以用随机游走来描述，市场处于震荡行情，未来交化方向无法确定。
如果H<0.5，表示时间序列其有反持久性，即均值回复过程。未来可能出现的趋势将与过去相反，出现反转。过去越是下跌，则未来上涨的可能性越大，反之亦然。
如果H>0.5，表明时间序列为状态持续性序列，未来可能出现的趋势将与过去相同，即序列其有正的长程依赖性，趋势将维持原有方向。随着
图1-6 上证指数2014年4月29日至2015年2月28日Hurst指数图
H的增加，图形变得越平滑，曲线沿若同方向变化的趋势也增多。当前股价是上升的，未来一段时间内股价上升的可能性就越大。H值越大，市场保持原有趋势的惯性越大。
因此，Hurst指数的性质可以用于股价波动趋势及拐点的判断上。
