特征工程导论：什么是特征工程、为什么在量化交易中如此重要、特征工程与模型性能的关系

大家好，欢迎来到这门课的第一讲。

说实话，每次带新人做量化项目，我最怕听到的一句话就是：「我找了个牛逼模型，直接扔数据进去跑就行了吧？」

嗯，每次听到这个，我都得深吸一口气。模型再牛，也架不住你喂它一堆垃圾数据。今天咱们就来聊聊，量化交易里最容易被低估、但恰恰最值钱的一环——特征工程。

什么是特征工程？

先别急着看定义。我换个说法：特征工程，就是把原始数据变成模型能听懂的语言。

你想想看，股票期货市场每天产生海量数据——开盘价、收盘价、成交量、持仓量、龙虎榜、舆情……但模型它不懂什么叫「放量突破」，也不懂什么叫「MACD金叉」。它只认数字，只认矩阵，只认张量。

所以，特征工程要做的，就是把这些原始数据，加工成模型能理解的、有预测能力的「特征」。

我个人习惯把特征工程分成三个层次：

• 基础层：数据清洗、缺失值处理、异常值剔除。说白了，先把脏东西洗掉。
• 构造层：用数学变换、统计指标、时序逻辑生成新特征。比如计算过去20天的波动率、构建动量因子。
• 选择层：从几百个特征里挑出最有效的那些，去掉噪音和冗余。

我在项目中遇到过最典型的例子：有人把沪深300的300只成分股收盘价直接扔进LSTM模型，结果训练了三天，预测结果跟抛硬币差不多。为什么？因为原始价格是非平稳的，模型根本学不到规律。后来我们做了差分、做了归一化、加了技术指标，同样的模型，夏普比率直接从0.3干到了1.8。

为什么在量化交易中如此重要？

这个问题，我用一句话回答：在量化交易里，特征工程决定了你的策略上限。

模型只是逼近这个上限的工具。你特征做得好，用线性回归都能赚钱；特征做得烂，用Transformer也是白搭。

具体来说，有这几个原因：

1. 金融数据信噪比极低。 股票期货的价格波动里，真正的信号可能只有1%，剩下99%都是噪音。特征工程就是帮你把那1%的信号放大、提纯。
2. 市场规律是隐性的。 没有哪个市场会直接告诉你「明天要涨」。你需要通过特征构造，把隐藏在量价关系、资金流向、市场情绪里的规律显式表达出来。
3. 避免过拟合的陷阱。 我见过太多人，特征没做几个，上来就堆模型复杂度。结果回测曲线漂亮得像假的一样，实盘一跑就崩。好的特征工程，本身就是一种正则化。

我曾经踩过一个坑：做股指期货的日内策略，我把「过去5分钟的价格变化」作为特征，回测效果惊人。结果实盘时发现，这个特征在盘中会频繁出现「跳变」，因为交易所的撮合机制导致价格在极短时间内来回波动。后来我加了中位数滤波，才把这个坑填上。

特征工程与模型性能的关系

咱们用一张图来直观理解这个关系。下面是我手绘的一个知识框架图，展示了特征工程在整个量化建模流程中的位置和作用。

从这张图里你能看到，特征工程不是孤立的一步。它连接着原始数据和模型性能，而且是一个迭代反馈的过程。模型跑得不好，很多时候不是模型的问题，是特征没做透。

我给大家一个经验公式，是我自己这些年总结的：

为什么会这样？因为金融数据天生具有非平稳、非线性、高噪音的特点。你再牛的模型，面对一堆垃圾特征，也只能学到垃圾规律。反过来，如果你构造出了真正反映市场微观结构的特征，哪怕用最简单的线性模型，也能稳定盈利。

我记得有一次做商品期货的跨品种套利策略。一开始我们用了20多个常见的技术指标，效果平平。后来我们深入研究了两个品种的产业链关系，构造了一个「库存-基差-利润」的复合特征，就这一个特征，把策略的年化收益从8%提到了22%。

你看，这就是特征工程的力量。

本章小结

咱们快速回顾一下今天的内容：

• 特征工程是把原始数据转化为模型可理解、有预测能力的特征的过程。
• 在量化交易中，它之所以重要，是因为金融数据信噪比低、市场规律隐性、且容易过拟合。
• 特征工程与模型性能的关系是：特征决定上限，模型逼近上限。把精力花在特征上，远比花在调参上划算。

嗯，这一讲就到这里。记住一句话：好的特征，是量化策略的基石。后面的章节，我会带大家一步步深入，从基础特征构造到高阶因子挖掘，咱们慢慢来。

---

公众号:蓝海资料掘金营，微信deep3321