长记忆性质和有效市场假说是两个金融市场的基本概念。对于投资者来说,市场是否有效是资产是否能够获得超额收益的重要指标。在弱有效机制中历史价格不能预测未来价格即资产价格或收益没有长记忆。但是结构突变可能导致“伪长记忆”,并且在重尾情况下,二阶矩可能不存在从而会导致以Hurst参数衡量长记忆不可靠。基于以上,本文选取了8种数字货币研究数字货币绝对值收益率序列,平方收益率序列的长记忆特征和数字货币市场的有效性。长记忆性常使用Hurst参数度量,本文首先对序列进行异常值和结构突变修正,将结构突变修正前和结构突变修正后时变Hurst参数对比,探究结构突变对是否会造成Hurst参数高估,然后通过秩次不变替换方法探究重尾对Hurst参数估计长记忆的影响,最后在结构突变修正后进行重排和秩次不变替换得到可靠的长记忆估计。对于数字货币市场序列长记忆性的结构突变影响,本文对序列进行异常值和结构突变修正,不仅能够得到更可靠的Hurst参数衡量的长记忆性,也能验证数字货币市场是否存在结构突变以及结构突变是否影响了长记忆参数估计。结果表明:数字货币市场存在较多异常值,这些异常值会造成Hurst参数估计波动较大,有必要对其进行修正,去趋势波动分析相比重标极差法更易受到异常值影响;数字货币市场存在结构突变,这可能是一系列的监管政策造成的;绝对值收益率的结构突变造成估计的Hurst参数估计偏大,而平方收益率受结构突变影响并不严重。对于数字货币市场序列长记忆性的重尾影响,考虑到异常值和结构突变对重尾的影响,我们分为两步进行探究。首先我们对原始序列利用秩次不变替换方法进行1000次秩次不变替换构造接受域,以观察重尾对Hurst参数估计的影响;再次我们对异常值和结构突变修正后的序列利用秩次不变替换方法进行1000次秩次不变替换构造接受域,以观察结构突变修正后,重尾是否改善并对Hurst参数估计产生了积极影响。结果表明重尾会严重影响Hurst参数估计,由于收益率序列,绝对值收益率序列,平方收益率序列重尾程度依次加重,受到重尾的影响也依次加重。在结构突变处理后,重尾情况有一定的缓解,但是还远远达不到消除重尾的目的。为了检验数字货币市场是否具有长记忆性以及是否市场有效,我们对异常值和结构突变修正后的序列重排1000次构造接受域。得到以下结果:比特币、莱特币、瑞波币、以太坊、比特币现金、币安币、千联、艾达币八个数字货币市场有效,绝对值收益率和平方收益率呈现长记忆特征,但平方收益率持续性较弱。数字货币波动率的持续性不仅可以帮助投资者更好的对波动性建模,也让政策制定者更好地防范数字货币市场的异常波动风险。