第3章特征工程基础

3. 特征工程基础：价格与成交量特征、订单簿特征、异常交易行为特征

各位同学，欢迎来到特征工程这一章。说实话，在金融风控这个领域摸爬滚打这些年，我越来越觉得：特征决定了模型的上限，算法只是逼近这个上限。你想想看，再牛的模型，喂进去一堆垃圾特征，出来的结果能好到哪去？

今天咱们就聊聊内幕交易检测中最核心的三类特征。我习惯把它们叫做「三板斧」——价格成交量、订单簿、异常行为。这三板斧用好了，很多异常信号就藏不住了。

3.1 价格与成交量特征：最基础的信号

先说说价格和成交量。这两个东西，说白了就是市场的「心跳」和「呼吸」。内幕交易者再狡猾，也逃不过量价关系的约束。

3.1.1 收益率特征

收益率不是简单的涨跌幅。我个人习惯把它拆成三块来看：

日收益率：最基础，但噪声大。我一般会做对数收益率，因为它的统计性质更好。
累计异常收益率（CAR）：这个很关键。用个股收益率减去市场基准收益率，剩下的就是「异常」部分。
日内分时收益率：比如每5分钟、每15分钟算一次。内幕交易往往在某个时间窗口内集中爆发。

核心公式：

# 对数收益率
log_return = ln(P_t / P_{t-1})

# 累计异常收益率
CAR = Σ(R_i - R_m)
# R_i 是个股收益率，R_m 是市场收益率

嗯，这里要注意：收益率特征一定要做平稳性检验。我在项目中遇到过，有人直接用原始收益率序列建模，结果模型全在学市场波动，根本抓不到内幕信号。

3.1.2 换手率特征

换手率，说白了就是「筹码交换的速度」。内幕交易前，换手率往往会出现异常放大。

我常用的几个维度：

日均换手率：和过去20天、60天的均值做对比
换手率突变：当日换手率 / 过去N日均值，超过2倍就要警惕
换手率与价格背离：价格涨但换手率低，或者价格跌但换手率高——都有问题

避坑指南：

我曾经吃过一次亏：只用了换手率的绝对值，没考虑流通股本变化。结果某次送转股后，换手率突然飙升，模型疯狂报警。后来加了「复权换手率」才解决。

3.1.3 波动率特征

波动率是内幕交易的「温度计」。我习惯用两种方式：

历史波动率：用过去20天的收益率标准差。简单，但有效。
已实现波动率：用日内高频数据算。这个对捕捉盘中异动特别敏感。

# 历史波动率（20日）
import numpy as np
def historical_volatility(prices, window=20):
    log_returns = np.log(prices / prices.shift(1))
    return log_returns.rolling(window).std() * np.sqrt(252)

# 已实现波动率（5分钟频率）
def realized_volatility(returns_5min):
    return np.sqrt(np.sum(returns_5min**2))

3.2 订单簿特征：微观结构的秘密

订单簿数据，很多人觉得太细、太杂。但我想说：内幕交易的痕迹，往往就藏在这些毫秒级的订单里。

3.2.1 买卖价差

买卖价差，就是最优卖价和最优买价的差值。正常情况下，流动性好的股票价差很小。但内幕交易者为了快速成交，往往会「吃单」——直接吃掉对手盘，导致价差瞬间扩大。

我常用的指标：

绝对价差：Ask_Price - Bid_Price
相对价差：绝对价差 / 中间价
有效价差：成交价与中间价的差值，这个更能反映真实成本

注意：

价差特征对数据频率要求很高。如果你只有日线数据，那价差基本没用。至少要用分钟级数据，最好是Tick级。

3.2.2 订单不平衡

这个特征，我个人觉得是订单簿里最有价值的。什么叫订单不平衡？就是买盘和卖盘的力量对比。

计算方式很简单：

# 订单不平衡指标
order_imbalance = (buy_volume - sell_volume) / (buy_volume + sell_volume)

# 或者用订单笔数
order_imbalance_count = (buy_orders - sell_orders) / (buy_orders + sell_orders)

你想想看，如果一只股票突然出现大量买单，但价格没怎么涨——这正常吗？不正常。这很可能是有人在偷偷吸筹。反过来，大量卖单压着，价格却不跌，也可能是有人在护盘。

3.3 异常交易行为特征：抓「狐狸尾巴」

前面两类特征，都是基于正常交易逻辑。但内幕交易者，往往会留下一些「非正常」的痕迹。这部分特征，就是专门抓这些狐狸尾巴的。

3.3.1 大单异动

什么叫大单？我一般把单笔成交金额超过过去20日均值3倍以上的，定义为大单。内幕交易者资金量大，很难完全拆分成小单。

关键指标：

大单成交占比：大单成交量 / 总成交量
大单频率：单位时间内大单出现的次数
大单方向：主动买入还是主动卖出

3.3.2 关联账户行为

这个比较高级。内幕交易者往往用多个账户操作，但账户之间会有「协同性」。

我常用的方法：

交易时间相关性：多个账户在同一时间窗口内交易同一只股票
买卖方向一致性：多个账户同时买入或同时卖出
IP/MAC地址关联：如果数据允许，这个最直接

实战经验：

我曾经处理过一个案子：三个账户，分别在不同券商开户，交易时间高度重合，而且每次都是A账户先买，B和C账户跟着买。后来一查，三个账户的实际控制人是同一个人。这就是典型的关联账户行为。

3.3.3 时间异常特征

内幕交易者有个特点：他们往往在「关键时间点」前后集中交易。比如：

收盘前集中交易：利用收盘价操纵
公告前突击交易：这个最明显
节假日前后：利用信息真空期

我一般会构建一个「时间异常得分」：

# 时间异常得分示例
def time_anomaly_score(trade_time, event_time):
    # trade_time: 交易时间
    # event_time: 事件公告时间
    time_diff = (event_time - trade_time).total_seconds()
    # 越接近事件时间，得分越高
    score = np.exp(-time_diff / 3600)  # 1小时内衰减
    return score

3.4 特征组合与实战建议

好了，三类特征都讲完了。但我想说：单个特征的力量有限，组合起来才是王炸。

我常用的组合方式：

特征组合	检测场景	典型信号
收益率 + 换手率	量价背离	价格涨但换手率低 → 可能有人控盘
订单不平衡 + 大单异动	资金异动	大单持续买入但价格不涨 → 吸筹信号
波动率 + 时间异常	事件驱动	公告前波动率骤升 → 信息泄露
关联账户 + 买卖价差	团伙交易	多账户同时吃单 → 协同操作

最后说两句：

特征工程没有银弹。每个市场、每只股票都有自己的「脾气」。我的建议是：先跑一遍基础特征，看看哪些特征和已知的内幕交易案例有强相关性，然后再迭代优化。别一上来就搞几百个特征，容易过拟合。

嗯，这一章的内容就到这。特征工程是门手艺活，多动手、多复盘，慢慢就有感觉了。

公众号:蓝海资料掘金营，微信deep3321