4. 特征工程基础：时间序列特征、统计特征、量价关系特征的构建方法

大家好，我是老张。今天咱们聊聊特征工程。

说实话，在市场监管这个领域摸爬滚打这么多年，我最大的体会就是：特征工程做得好，模型就成功了一半。你想想看，原始的交易数据就像一堆散落的拼图碎片，特征工程就是把这些碎片拼成有意义的图案。没有这一步，再牛的算法也白搭。

4.1 时间序列特征：捕捉交易行为的时序规律

时间序列特征，说白了就是利用时间维度上的信息。为什么重要？因为市场操纵行为往往有特定的时间模式。比如尾盘拉升、开盘打压，这些都是典型的时间序列特征。

我个人习惯把时间序列特征分成三类：

• 滞后特征：过去N个时间点的值。比如过去5分钟的成交量、过去10笔的成交价。
• 窗口统计特征：滑动窗口内的统计量。比如过去1小时的均值、标准差、最大值、最小值。
• 差分特征：当前值与过去值的差值。比如价格变化量、成交量变化量。

我在项目中遇到过这样一个案例：某只股票每天尾盘最后5分钟成交量突然放大，但价格波动很小。这明显是异常行为。我们用滞后特征和窗口统计特征，成功捕捉到了这个模式。

来看一段代码示例：

import pandas as pd
import numpy as np

# 假设df是包含交易数据的DataFrame，索引是时间
df['volume_lag_1'] = df['volume'].shift(1)  # 滞后1期
df['volume_lag_5'] = df['volume'].shift(5)  # 滞后5期

# 滚动窗口统计
df['volume_ma_10'] = df['volume'].rolling(window=10).mean()  # 10期移动平均
df['volume_std_10'] = df['volume'].rolling(window=10).std()   # 10期标准差

# 差分特征
df['price_diff'] = df['close'].diff()  # 价格变化
df['volume_diff'] = df['volume'].diff()  # 成交量变化

4.2 统计特征：用数学语言描述交易行为

统计特征，就是用量化的方式描述数据的分布特征。嗯，这里要注意，统计特征不是简单的均值方差，而是要结合业务场景去设计。

我常用的统计特征包括：

• 集中趋势：均值、中位数、众数
• 离散程度：标准差、方差、极差、四分位距
• 分布形态：偏度、峰度
• 异常检测：Z-score、箱线图异常值

举个例子，偏度这个特征在识别操纵行为时特别好用。为什么？因为正常的交易数据往往近似正态分布，而操纵行为会导致数据分布严重偏斜。比如对倒交易，会在某个价格区间形成异常密集的成交，导致偏度值异常。

我曾经用偏度特征成功识别出一个典型的"老鼠仓"案例。那个账户的交易数据偏度值高达3.8，而正常账户一般在-0.5到0.5之间。你看，一个简单的统计特征就能发现问题。

# 计算统计特征
def extract_statistical_features(df, window=20):
    features = pd.DataFrame(index=df.index)
    
    # 滚动窗口内的统计量
    features['mean'] = df['volume'].rolling(window).mean()
    features['std'] = df['volume'].rolling(window).std()
    features['skew'] = df['volume'].rolling(window).skew()  # 偏度
    features['kurt'] = df['volume'].rolling(window).kurt()  # 峰度
    
    # Z-score异常检测
    features['z_score'] = (df['volume'] - features['mean']) / features['std']
    
    return features

4.3 量价关系特征：揭示交易行为的本质

量价关系，是市场监管中最核心的分析维度。你想想看，任何交易行为最终都会体现在成交量和价格的变化上。量价关系特征，就是把这些变化用数学公式表达出来。

我常用的量价关系特征有：

特征名称	计算公式	业务含义
量价相关系数	corr(volume, price)	量价是否同步变化
量价背离指数	price_change / volume_change	价格变化是否由成交量支撑
成交量加权价格	∑(price * volume) / ∑volume	真实成交价格水平
量价弹性	Δprice / Δvolume	单位成交量引起的价格变化
资金流向强度	(buy_volume - sell_volume) / total_volume	买卖力量对比

这里我要特别强调一下量价背离指数。正常交易中，价格上涨通常伴随着成交量放大。但如果价格大幅上涨而成交量萎缩，这就是典型的量价背离，很可能是操纵行为。

我记得有一次，某只股票连续三天涨停，但成交量却逐日递减。量价背离指数从正常的0.8降到了0.2。我们立即发出预警，后来证实是庄家在对倒拉升。

# 量价关系特征构建
def extract_volume_price_features(df):
    features = pd.DataFrame(index=df.index)
    
    # 量价相关系数（滚动窗口）
    features['corr_vp'] = df['volume'].rolling(20).corr(df['close'])
    
    # 量价背离指数
    price_change = df['close'].pct_change()
    volume_change = df['volume'].pct_change()
    features['divergence'] = price_change / (volume_change + 1e-8)  # 加小值防除零
    
    # 成交量加权价格
    features['vwap'] = (df['close'] * df['volume']).rolling(20).sum() / df['volume'].rolling(20).sum()
    
    # 量价弹性
    features['elasticity'] = price_change / (volume_change + 1e-8)
    
    return features

4.4 特征构建的整体框架

好了，三种特征都讲完了。你可能觉得有点乱，我画个图帮你理清思路。

这个框架图很直观。原始数据进来后，分三条路走：时间序列、统计、量价关系。每条路都有自己的子特征，最后汇聚成特征矩阵，喂给模型。

在实际项目中，我一般会先构建时间序列特征，因为这是基础。然后加上统计特征，最后用量价关系特征做补充。三个维度都覆盖了，特征空间就比较完整了。

---