4. 特征工程基础：流动性指标构建
各位同学，咱们今天聊聊流动性指标。说实话，流动性这东西，在风控模型里就像人的血液——平时感觉不到，一旦出问题，那就是大事。我在做债券市场流动性预警模型时，就吃过亏，当时指标选得不够细，结果模型在极端行情下直接失效。嗯，今天咱们就把这块补上。
4.1 买卖价差：最直接的流动性度量
买卖价差，说白了就是你想买和想卖之间的那道坎。价差越小，流动性越好。我习惯用相对价差，因为绝对价差在不同价格水平的资产间没法比。
核心公式：
相对买卖价差 = (卖一价 - 买一价) / 中间价
中间价 = (卖一价 + 买一价) / 2你想想看，如果一只股票买一价10.00元，卖一价10.02元，那相对价差就是0.02/10.01≈0.2%。这个值越小，说明市场越活跃。
我的经验：在实际项目中，我建议同时计算5档价差加权平均。因为有时候卖一价和买一价可能被大单操控，多取几档更稳健。我曾经在期货数据上只用了最优价差，结果模型在临近交割日时频频报警，后来才发现是深度数据没用好。
4.2 市场深度：能扛住多大的单子？
市场深度，就是问你：你想砸1000万进去，价格会跳多少？深度越大，市场越能“接住”你的单子。
我常用的指标有两个：
- 金额深度：各档位挂单金额之和。比如买一到买五，每档挂单量乘以价格，再求和。
- 深度比率：某档位深度占总深度的比例。这个能看出资金分布是否均匀。
注意：千万别只看深度绝对值。我记得有一次，某只股票深度很大，但全是散户的小单，一有大资金进来，深度瞬间就没了。所以，我建议结合订单笔数一起看——大单占比高，深度才真实。
代码实现其实不复杂：
def calc_market_depth(order_book, levels=5):
"""
计算市场深度
order_book: 包含买卖各档位价格和数量的DataFrame
"""
bid_depth = sum(order_book['bid_qty'][i] * order_book['bid_price'][i] for i in range(levels))
ask_depth = sum(order_book['ask_qty'][i] * order_book['ask_price'][i] for i in range(levels))
total_depth = bid_depth + ask_depth
depth_ratio = bid_depth / ask_depth if ask_depth > 0 else np.nan
return total_depth, depth_ratio4.3 交易量：最朴素的流动性信号
交易量，这个大家最熟悉。但我要说的是，别只看绝对交易量。为什么？因为不同股票、不同时间段的交易量差异太大了。
我习惯做以下处理：
- 标准化：用过去20日平均交易量做分母，得到相对交易量。
- 分段统计：把一天分成早盘、午盘、尾盘，分别计算。因为尾盘交易量通常更大，直接混在一起会失真。
- 异常检测：交易量突然萎缩到平时的10%以下，这往往是流动性枯竭的前兆。
实战技巧：我在做A股流动性模型时，发现单纯用交易量会漏掉很多信号。后来加入了“交易量冲击系数”——即每单位交易量引起的价格变动。这个指标能更敏感地捕捉到流动性变化。
4.4 换手率：流动性的“温度计”
换手率，就是股票转手的频率。换手率高，说明市场活跃，流动性好。但这里有个坑——换手率在不同市值股票间差异巨大。
| 股票类型 | 典型换手率 | 流动性含义 |
|---|---|---|
| 大盘蓝筹 | 0.5% - 2% | 稳定，但换手率低不代表流动性差 |
| 中小盘 | 2% - 8% | 活跃，但波动大 |
| 小盘妖股 | 8% - 20%+ | 极高换手，但可能被操控 |
我个人习惯用“换手率分位数”来替代原始值。比如，某只股票当前换手率处于过去60天的90%分位，那说明今天异常活跃。这样跨股票比较才有意义。
避坑指南：我曾经在构建模型时，直接把换手率作为特征扔进去，结果模型学到的全是市值效应——大盘股换手率低，小盘股换手率高，模型变成了“市值分类器”。后来我改用“市值调整后的换手率”，效果才正常。
4.5 指标组合：构建综合流动性评分
单一指标都有缺陷。我的做法是把四个指标组合成一个综合评分。具体步骤：
- 对每个指标做标准化（Z-score或Min-Max）
- 根据业务经验赋予权重（我常用：价差0.3，深度0.3，交易量0.2，换手率0.2）
- 加权求和得到流动性得分
得分越高，流动性越好。当得分低于某个阈值（比如-1.5），就触发预警。
核心逻辑：流动性危机往往不是单一指标恶化，而是多个指标同时恶化。所以综合评分比单个指标更可靠。我在2020年3月的市场暴跌中验证过，综合评分比任何单一指标都提前2-3分钟发出预警。
4.6 本章知识体系
下面这张图，是我梳理的流动性指标构建框架。你仔细看看，每个指标都不是孤立的，它们共同构成了流动性的“体检报告”。
嗯，以上就是流动性指标构建的核心内容。记住，特征工程不是堆砌指标，而是理解每个指标背后的业务含义。你在实际项目中，一定要根据数据特点做调整，别生搬硬套。