4. 时间序列基础：时间索引设置、重采样、滚动窗口、时间滞后操作
做汇率预测，说白了就是跟时间打交道。我刚开始接触这个领域时，以为拿到历史数据就能直接建模，结果跑出来的模型一塌糊涂。后来才明白——时间序列数据如果不先处理好索引、对齐好时间窗口，再牛的算法也白搭。
今天咱们就聊聊时间序列的四个基本功：时间索引设置、重采样、滚动窗口、时间滞后。这些操作在汇率预测里几乎天天用，你想想看，没有它们，你怎么把日频数据转成周频？怎么计算过去5天的移动平均？怎么构造滞后特征？
核心观点：时间序列特征工程的第一步，就是把时间这个维度变成可计算、可对齐、可滑动的结构。这一步做不好，后面全是坑。
4.1 时间索引设置：让数据认识时间
我见过太多人拿到CSV直接开干，结果pandas把日期列当成普通字符串。你算个rolling mean试试？报错。为什么？因为pandas不知道哪列是时间。
正确的做法是：把时间列设为索引。我个人习惯用 pd.to_datetime() 先转换格式，再用 set_index() 搞定。
import pandas as pd
# 假设你有一份欧元/美元日频数据
df = pd.read_csv('eur_usd_daily.csv')
df['date'] = pd.to_datetime(df['date'])
df.set_index('date', inplace=True)
# 看一眼索引类型
print(df.index)
# 输出: DatetimeIndex(['2024-01-01', '2024-01-02', ...], dtype='datetime64[ns]', freq=None)
嗯，这里要注意：freq=None 表示pandas还没识别出数据频率。你最好手动指定一下，比如日频数据就设 df.index.freq = 'D'。我在项目中遇到过，如果不设freq，后面做shift操作时容易出警告，虽然不影响结果，但看着烦。
小技巧：如果你的数据是交易日历（非自然日），别设freq='D'，因为周末没数据。建议用 pd.offsets.CustomBusinessDay() 自定义工作日历。
4.2 重采样：改变数据的时间粒度
汇率数据通常是日频，但有时候你需要周频、月频甚至小时频。重采样就是干这个的。
举个例子，你想把日频收盘价转成周频，取每周五的收盘价：
# 周频重采样，取每周最后一个交易日
weekly_close = df['close'].resample('W-FRI').last()
# 或者你想看每周平均汇率
weekly_mean = df['close'].resample('W').mean()
重采样的核心参数就两个：频率字符串和聚合函数。频率字符串的规则我列个表，你收藏一下：
| 频率代码 | 含义 | 适用场景 |
|---|---|---|
| D | 自然日 | 连续数据 |
| B | 工作日 | 交易日数据 |
| W | 周（默认周日结束） | 周频分析 |
| W-FRI | 周（周五结束） | 外汇周频 |
| M | 月末 | 月频报告 |
| Q | 季末 | 季度分析 |
我曾经犯过一个错：用 resample('W') 处理外汇数据，结果发现每周的结束日是周日，而外汇市场周日不开盘。最后取到的数据全是NaN。后来改成 W-FRI 才解决问题。避坑指南：一定要确认你的市场日历。
4.3 滚动窗口：滑动计算，捕捉局部趋势
滚动窗口是时间序列特征工程里最常用的操作之一。说白了，就是在一个固定大小的窗口里算统计量，然后窗口往前滑。
汇率预测里，滚动均值、滚动标准差、滚动最大值这些特征，能帮你捕捉短期趋势和波动率变化。
# 计算过去5天的移动平均线
df['ma_5'] = df['close'].rolling(window=5).mean()
# 计算过去20天的滚动标准差（波动率）
df['volatility_20'] = df['close'].rolling(window=20).std()
# 计算过去10天的滚动最大值（阻力位参考）
df['high_10'] = df['high'].rolling(window=10).max()
你想想看，为什么用滚动窗口？因为汇率市场有记忆效应——今天的价格受过去几天的影响。滚动窗口就是把这个「记忆」量化出来。
注意：滚动窗口会产生NaN值。比如window=5，前4行都是NaN。我个人习惯用 .dropna() 清理掉，或者用 min_periods 参数控制最少需要多少非空值。
还有一个进阶用法：滚动相关系数。比如你想看欧元和英镑的滚动相关性变化：
# 假设df包含eur_close和gbp_close两列
df['rolling_corr'] = df['eur_close'].rolling(60).corr(df['gbp_close'])
这个特征在汇率预测里很有用，因为货币对之间的相关性会随时间变化。我记得有一次做模型，加入滚动相关系数后，预测准确率提升了3%。
4.4 时间滞后：把过去的信息带到今天
滞后操作，就是让过去的数据「穿越」到现在。比如用昨天的收盘价预测今天的收盘价，这就是一个lag=1的特征。
在pandas里用 shift() 实现：
# 滞后1天
df['close_lag1'] = df['close'].shift(1)
# 滞后5天
df['close_lag5'] = df['close'].shift(5)
# 超前1天（未来数据，做标签用）
df['close_lead1'] = df['close'].shift(-1)
这里有个关键点：滞后特征不能泄露未来信息。你想想看，如果用当天的数据预测当天的涨跌，那叫作弊。所以做滞后时，一定要确保shift(1)之后，第t行的数据是第t-1天的。
实战建议：在汇率预测中，我通常构造3组滞后特征：短期（lag1-5）、中期（lag10-20）、长期（lag30-60）。然后通过特征选择算法筛选出最重要的几个。
我曾经踩过一个坑：做滞后特征时忘了排序。如果数据不是按时间升序排列，shift出来的值就全乱了。所以每次做shift之前，我都会先执行 df.sort_index(inplace=True)。嗯，这个习惯救过我很多次。
4.5 知识体系总览
下面这张图总结了时间序列基础操作的逻辑关系，你可以把它当作本章的思维导图：
这四个操作不是孤立的。实际项目中，你经常需要组合使用。比如先重采样到周频，再计算滚动窗口，然后做滞后特征。我一般会写一个pipeline，把这几步串起来，避免手动操作出错。
个人经验：刚开始做特征工程时，别贪多。先把时间索引设对，然后加3-5个滚动窗口特征和3-5个滞后特征，跑个基线模型看看效果。等模型稳定了，再逐步增加复杂度。
好了，时间序列的基础操作就聊到这儿。这些工具虽然简单，但用好了能解决80%的时间特征问题。下一章咱们会把这些操作组合起来，构造真正能提升模型效果的汇率预测特征。