特征工程总览：特征设计原则、特征分类与评估框架

各位同学好，今天我们来聊聊时间序列特征工程的全貌。说实话，这个主题我琢磨了很久才敢动笔。为什么？因为特征工程这东西，太容易被人当成「玄学」了。

我在量化交易领域摸爬滚打了七八年，见过太多人一上来就堆特征——什么均线、动量、波动率，能想到的全塞进去。结果呢？模型过拟合得一塌糊涂，回测曲线漂亮得像假的一样。嗯，我自己也踩过这个坑。

所以这一章，我想把特征工程这件事讲透。不是教你怎么造特征，而是告诉你：什么样的特征是好特征？特征到底分几类？怎么判断特征有没有用？

一、特征设计的三条铁律

先说说我个人习惯。每次设计新特征前，我都会问自己三个问题。这三个问题，我称之为「特征设计三原则」。

二、特征分类：三大门派

时间序列特征，我习惯分成三大类。你想想看，就像分析一个人，你可以看他的长相（统计特征）、行为（时域特征）、还有内在频率（频域特征）。

类别	核心思想	典型例子	适用场景
统计特征	用统计量描述数据分布	均值、方差、偏度、峰度	数据探索、异常检测
时域特征	分析时间序列的动态变化	自相关、差分、滑动窗口	趋势跟踪、动量策略
频域特征	挖掘周期性成分	傅里叶变换、功率谱密度	季节性分析、周期识别

1. 统计特征：最基础也最容易被忽视

很多人觉得统计特征太简单，不屑于用。但我告诉你，有时候最简单的特征反而最有效。

举个例子。我在做股票因子时，发现「过去20日收益率偏度」这个特征，对识别市场极端行情特别有用。当偏度显著为负时，说明市场正在积累下行风险。这个特征简单吧？但很多量化模型都没用。

# 统计特征计算示例
import numpy as np
import pandas as pd

def compute_statistical_features(series):
    """计算基础统计特征"""
    features = {
        'mean': np.mean(series),
        'std': np.std(series),
        'skew': series.skew(),      # 偏度
        'kurt': series.kurtosis(),  # 峰度
        'quantile_25': series.quantile(0.25),
        'quantile_75': series.quantile(0.75)
    }
    return features

2. 时域特征：捕捉动态变化

时域特征是我个人最常用的一类。为什么？因为金融市场本质上是动态的，静态统计量往往不够用。

比如自相关特征。我记得有一次做期货策略，发现某个品种的5分钟收益率自相关特别强。这意味着什么？意味着过去5分钟的涨跌会延续到未来5分钟。这就是一个典型的「动量因子」。

# 时域特征示例：自相关与差分
def compute_time_domain_features(series, lag=5):
    """计算时域特征"""
    features = {
        'autocorr_lag1': series.autocorr(lag=1),
        'autocorr_lag5': series.autocorr(lag=lag),
        'diff_mean': series.diff().mean(),
        'diff_std': series.diff().std(),
        'rolling_vol': series.rolling(20).std().iloc[-1]
    }
    return features

3. 频域特征：发现隐藏的周期

频域特征，说白了就是把时间序列从「时间视角」转换到「频率视角」。为什么要这么做？因为有些规律在时间域里看不出来，但在频率域里一目了然。

举个例子。我做过一个电力负荷预测项目。从时域看，数据就是每天上下波动，看不出什么。但一做傅里叶变换，发现24小时和168小时（一周）这两个频率成分特别强。这就是典型的日周期和周周期。

三、特征评估框架：怎么判断特征好不好？

特征造出来了，怎么知道它好不好？我有一套自己的评估框架，分享给你。

第一步：单因子分析

先看单个特征的表现。我一般会看三个指标：

• IC（信息系数）：特征值与未来收益的相关性。绝对值越大越好。
• Rank IC：排序后的IC，对极端值不敏感，更稳健。
• 分组收益：按特征值分成10组，看最高组和最低组的收益差。

第二步：相关性分析

多个特征之间不能太相关。为什么？因为如果两个特征高度相关，它们提供的信息是重复的。模型会变得不稳定，而且容易过拟合。

我一般要求特征之间的相关系数不超过0.7。超过这个阈值，我就会考虑合并或者剔除一个。

第三步：稳定性检验

这是最关键的一步。我会把数据分成多个子时期，比如牛市区、熊市区、震荡区。然后看特征在每个子时期的表现是否一致。

如果一个特征在牛市里IC是0.15，熊市里变成-0.05，那这个特征我是不敢用的。市场风格一变，它可能就从「好特征」变成「坏特征」了。

四、知识体系总览

说了这么多，我画了一张图帮你梳理一下。这张图涵盖了特征工程的完整流程：从设计原则，到分类方法，再到评估框架。

五、一些心里话

特征工程这件事，说难也难，说简单也简单。难在你要对数据有深刻理解，简单在只要你遵循基本原则，就不会犯大错。

我个人建议，刚开始做特征工程时，不要追求花哨。先把统计特征和时域特征吃透，把评估框架跑熟。等你有了一定经验，再慢慢尝试频域特征和更复杂的特征构造方法。

记住一句话：好的特征工程，不是特征越多越好，而是每个特征都有它存在的理由。