这样就把输入的价格序列转化为了对数收益率序列。
R/S 分析第二步：将长度为 N 的对数收益率序列等分为 A 个子集，每个子集的长度为 n= N / A。计算每个子集的均值，记为 e_a, a = 1, 2, ..., A。
R/S 分析第三步：在每个子集 a 内，逐一计算前 k 个点（k = 1, 2, ..., n) 相对该子集均值 e_a 的累积离差：
这里的关键点是累积离差是相对于该子集均值而言的，即这里有个去均值的过程，因此下一步计算出的波动范围（range）也是去均值化后的。在 Hurst 的研究中，他使用的正是去均值化后的离差和波动范围，这可以消除序列长期趋势对增量之间相关性的影响（Hurst 1951，Feller 1951）。由于对数收益率序列的累加构成对数价格，而对数价格由 FBM 描述，因此去均值也保证了收益率序列满足 B_H(t) 在任意长度区间内增量的期望为 0。如果没有进行去均值处理，则对数收益率序列可能存在非零的漂移率（drift rate）常数项，这会造成 FBM 不满足增量零均值性质。
Hurst 指数刻画的是去除漂移率项之后的对数收益率的自相关性。
考虑下面的例子。假设对数收益率序列为：2%，-1%，2%，-1%，2%，-1%，2%，-1%。它们的均值为 0.5%，因此去均值化后的序列为：1.5%，-1.5%，1.5%，-1.5%，1.5%，-1.5%，1.5%，-1.5%。显然，这两个序列的累积离差序列完全不同（因此在下一步中计算出的波动范围也不同）。
R/S 分析第四步：计算每个子集 a 内对数收益率序列的波动范围 R_a，它等于累积离差最大值和最小值的差值：
R/S 分析第五步：计算每个子集 a 内对数收益率序列的标准差 S_a。
R/S 分析第六步：对每个子集 a 内，使用其标准差 S_a 对其波动范围 R_a 进行标准化，得到重标极差 R_a/S_a。从第二步开始，对于选取的长度 n，我们一共有 A 个子集，因此有 A 个重标极差。取它们的均值作为该原始对数价格序列在长度为 n 的时间跨度上的重标极差，记为 (R/S)_n：
R/S 分析第七步：增大 n 的取值，并重复前六步，得到不同长度 n 的时间跨度上对数价格序列的重标极差 (R/S)_n。
R/S 分析第八步：根据 Hurst 指数 H 的定义，我们知道它是描述 (R/S)_n 和 n^H 的正比关系，即：
