第二章：高阶特征工程（上）——滚动窗口里的统计学
各位同学，欢迎来到高阶特征工程的第一部分。说实话，很多做量化的人，一开始都盯着价格本身，或者简单的均线、MACD这些。但真正拉开差距的，往往是你对数据「切」和「算」的功夫。今天我们就聊聊，怎么用滚动窗口，把那些藏在数据深处的统计特征挖出来。
2.1 为什么是滚动窗口？
你想想看，市场是动态的。昨天的波动和今天的波动，意义完全不同。静态地算一个全样本的偏度、峰度，那等于把过去十年的数据混在一起，告诉你「嗯，这个股票挺稳定的」。但实际呢？可能最近三个月已经剧烈波动了。
滚动窗口的核心思想很简单：只关注最近一段时间的状态。比如过去20个交易日、60个交易日。窗口滑过去，每个时间点都算一遍特征。这样你得到的，是一组随时间变化的统计量——这才是真正能用于预测的信号。
关键点：滚动窗口的长度选择，直接影响特征的质量。我个人习惯，短周期（如5-10天）捕捉噪声，长周期（如60-120天）捕捉趋势。没有绝对正确，只有适合你的策略。
2.2 偏度与峰度：分布的形状会说话
偏度衡量的是分布的不对称性。正偏度意味着右尾更长，也就是容易出现极端正收益。负偏度则相反。在量化里，偏度可以告诉你：这个资产最近是不是「容易出大事」。
峰度呢？它衡量的是分布的「尖峭」程度。高峰度意味着极端值频繁出现——说白了，就是波动剧烈，肥尾风险大。我记得有一次做CTA策略，某个品种的峰度突然飙升到8以上，我立刻减仓了。结果第二天就出了黑天鹅事件。嗯，这不是玄学，是统计在说话。
import numpy as np
import pandas as pd
def rolling_skewness(series, window=20):
"""滚动偏度"""
return series.rolling(window).skew()
def rolling_kurtosis(series, window=20):
"""滚动峰度（Fisher定义，正态分布为0）"""
return series.rolling(window).kurt()
# 示例：计算某股票日收益率的滚动偏度
returns = pd.Series([0.01, -0.02, 0.03, -0.01, 0.02, ...])
skew_20 = rolling_skewness(returns, 20)
kurt_20 = rolling_kurtosis(returns, 20)
避坑指南：我曾经直接用默认的rolling().kurt()，结果发现它返回的是Fisher峰度（正态分布为0）。而有些文献用的是Pearson峰度（正态分布为3）。两者差一个常数3，千万别搞混。建议统一用Fisher定义，因为更直观——正数就是肥尾。
2.3 高阶矩：不止于偏度和峰度
偏度是三阶矩，峰度是四阶矩。那五阶、六阶呢？理论上你可以算任意阶矩。但在实际交易中，我很少用到五阶以上。为什么？因为高阶矩对极端值极其敏感，样本量不够时，算出来全是噪声。
不过，有一个例外：滚动五阶矩在某些高频策略中，可以用来检测「微小的不对称性」。比如，当五阶矩突然变大，可能意味着市场深度在悄悄变化。但这需要至少500个以上的数据点，否则别碰。
def rolling_moment(series, order, window=20):
"""滚动n阶中心矩"""
mean = series.rolling(window).mean()
centered = series - mean
moment = (centered ** order).rolling(window).mean()
return moment
# 五阶矩示例（注意：需要足够长的窗口）
moment_5 = rolling_moment(returns, 5, 100)
警告：高阶矩的计算非常消耗计算资源。如果你用Python的纯循环去算，100万条数据可能要跑几分钟。建议用numpy的向量化操作，或者用numba加速。我见过有人用for循环算滚动四阶矩，跑了半小时还没出结果……
2.4 分位数特征：比均值更稳健
均值容易被极端值带偏。但分位数不会。比如，滚动20日的90%分位数，告诉你「过去20天里，90%的收益率都低于这个值」。这比均值更能反映真实的尾部风险。
我个人常用的分位数特征有：
- 滚动中位数（50%分位）：比均值更稳健的趋势指标
- 滚动90%分位与10%分位的差值：衡量波动范围，比标准差更抗噪
- 滚动分位数斜率：比如计算最近5日分位数的变化方向，可以捕捉趋势加速
def rolling_quantile(series, q=0.9, window=20):
"""滚动分位数"""
return series.rolling(window).quantile(q)
# 计算滚动90%分位与10%分位的差值（分位数范围）
q90 = rolling_quantile(returns, 0.9, 20)
q10 = rolling_quantile(returns, 0.1, 20)
quantile_range = q90 - q10
实战经验：我在做期权波动率交易时，特别喜欢用「滚动分位数偏度」——也就是(90%分位 - 50%分位)与(50%分位 - 10%分位)的比值。这个比值大于1.5时，说明右尾风险显著偏高，这时候卖出虚值看涨期权往往有不错的胜率。
2.5 滚动夏普比率：动态的风险调整收益
传统的夏普比率，算的是整个样本期的平均超额收益除以标准差。但问题是，策略的表现在不同时期差异巨大。滚动夏普比率，就是看最近一段时间内，每单位风险能换来多少收益。
计算方式很简单：用滚动窗口内的平均收益率，除以滚动窗口内的收益率标准差，再乘以年化因子（比如252的平方根）。但要注意：当滚动窗口太短时，夏普比率会剧烈波动，失去参考意义。
def rolling_sharpe(returns, window=60, rf=0.0, periods_per_year=252):
"""滚动夏普比率"""
excess_returns = returns - rf / periods_per_year
rolling_mean = excess_returns.rolling(window).mean()
rolling_std = excess_returns.rolling(window).std()
sharpe = rolling_mean / rolling_std * np.sqrt(periods_per_year)
return sharpe
# 示例：计算60日滚动夏普
sharpe_60 = rolling_sharpe(returns, 60)
我的习惯：我一般用60个交易日（约3个月）作为滚动窗口。太短了噪声大，太长了反应迟钝。另外，我建议同时计算滚动夏普的滚动标准差——如果夏普本身波动很大，说明策略不稳定，这时候要小心。
2.6 把这些特征组合起来
单个特征往往不够。真正有效的，是特征的组合。比如：
- 当滚动偏度为负且滚动峰度很高时，意味着「左尾风险正在积聚」——这是做空波动率的好时机？不一定，但值得警惕。
- 当滚动夏普比率从高位快速回落，同时分位数范围在扩大，说明策略正在失效——我建议减仓。
- 当滚动90%分位持续上升，但中位数没动，说明只有少数极端收益在拉动——这不是健康的上涨。
下面这张图，展示了本章的核心知识体系：
2.7 一个完整的实战案例
假设我们有一个股票池，想用这些特征来预测未来5日的波动率。我会这样做：
- 对每只股票，计算滚动20日的偏度、峰度、90%分位与10%分位差值、滚动夏普比率
- 把这些特征作为输入，训练一个简单的随机森林模型
- 回测时，注意特征之间的相关性——比如偏度和峰度往往高度相关，可以考虑只保留一个
# 伪代码示例
def build_features(df, window=20):
features = pd.DataFrame(index=df.index)
features['skew'] = df['returns'].rolling(window).skew()
features['kurt'] = df['returns'].rolling(window).kurt()
features['q_range'] = (df['returns'].rolling(window).quantile(0.9) -
df['returns'].rolling(window).quantile(0.1))
features['sharpe'] = rolling_sharpe(df['returns'], window)
return features.dropna()
注意：这些特征不是越多越好。我见过有人一口气算了20个滚动统计量，结果模型过拟合得一塌糊涂。建议先算5-8个核心特征，然后做特征重要性分析，再逐步添加。记住：简单模型+好特征，往往比复杂模型+垃圾特征更有效。
好了，这一章的内容就到这里。滚动窗口的特征工程，说白了就是「用最近的数据，算最有效的统计量」。偏度、峰度、分位数、夏普比率——这些工具用好了，你的策略会多出一双「透视眼」。下一章我们会继续聊高阶特征工程的下半部分，包括谱分析、小波变换这些更高级的工具。到时候见。