第三节：基础统计特征提取

好，咱们今天聊聊基础统计特征提取。说白了，就是把原始的价格数据，变成我们量化模型能用的“食材”。

我个人习惯，拿到数据第一件事不是跑模型，而是先算这些基础指标。为什么？因为它们是后续所有策略的基石。你想想看，连波动率都算不准，谈什么风险控制？

3.1 日收益率计算

日收益率，最简单的定义就是今天的收盘价减去昨天的收盘价，再除以昨天的收盘价。公式长这样：

R_t = (P_t - P_{t-1}) / P_{t-1}

但在实际项目中，我建议用对数收益率。为什么？因为对数收益率在时间序列上具有可加性，而且更符合正态分布的假设。我在处理玉米期货数据时，就发现对数收益率比简单收益率更稳定。

代码实现也很简单：

import pandas as pd
import numpy as np

# 假设df是包含收盘价的数据框
df['return'] = np.log(df['close'] / df['close'].shift(1))
# 或者用pct_change
df['return_simple'] = df['close'].pct_change()

3.2 波动率计算

波动率，说白了就是收益率的“震荡幅度”。我们通常用标准差来衡量。但这里有个坑——你选多少天的窗口？

我个人习惯用20个交易日（差不多一个自然月）作为滚动窗口。这样既能捕捉到短期波动，又不会太敏感。

df['volatility'] = df['return'].rolling(window=20).std() * np.sqrt(252)
# 乘以sqrt(252)是为了年化，252是一年大概的交易天数

3.3 移动平均线（MA5, MA10, MA20）

移动平均线，最基础的趋势指标。MA5代表5日均线，MA10是10日，MA20是20日。它们的作用就是平滑价格，让我们看清趋势方向。

代码实现：

df['MA5'] = df['close'].rolling(window=5).mean()
df['MA10'] = df['close'].rolling(window=10).mean()
df['MA20'] = df['close'].rolling(window=20).mean()

嗯，这里要注意一点：移动平均线是滞后指标。价格已经涨上去了，均线才慢慢跟上。所以它更适合判断趋势，而不是预测拐点。

我在做豆粕的季节性策略时，发现MA20和MA5的金叉死叉信号，在每年3-4月和9-10月特别有效。为什么？因为这两个时间段是豆粕的消费旺季和淡季转换期。

3.4 相对强弱指标（RSI）

RSI，全称Relative Strength Index，用来衡量价格涨跌的力度。公式稍微复杂一点：

RSI = 100 - (100 / (1 + RS))
其中 RS = 平均上涨幅度 / 平均下跌幅度

通常我们用14天作为周期。RSI超过70算超买，低于30算超卖。但说实话，这个阈值在农产品上要调整。我记得做棉花期货时，RSI经常在60-80之间震荡，70根本不算超买。

代码实现：

def compute_rsi(data, window=14):
    delta = data.diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=window).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=window).mean()
    rs = gain / loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

df['RSI'] = compute_rsi(df['close'], window=14)

3.5 知识体系总览

下面这张图，把咱们今天讲的内容串起来了：

3.6 实战中的避坑指南

我曾经在计算波动率时，直接用默认的252天年化，结果发现豆粕的波动率被低估了。后来一查，豆粕期货一年实际交易天数只有240天左右。所以，一定要根据品种调整年化因子。

还有一次，我在做RSI时，发现棉花期货的RSI经常在70以上震荡，但价格还在涨。后来我调整了阈值，把超买线改到80，效果就好多了。说白了，农产品有它自己的脾气，不能生搬硬套股票的那套参数。

3.7 总结

今天咱们讲了四个基础指标：日收益率、波动率、移动平均线和RSI。它们看似简单，但用好了就是利器。我个人建议，拿到数据后先跑一遍这些指标，看看数据质量，感受一下品种的“性格”。

下一节，我们会把这些指标组合起来，构建真正的季节性因子。嗯，到时候你会发现，原来这些基础特征可以玩出这么多花样。