一、金融时序数据基础
各位同学好，我是老张。今天咱们聊聊金融时序数据。说实话，这个领域我摸爬滚打了十几年，踩过的坑比吃过的盐还多。但别担心，我会把最核心的东西掰开揉碎了讲给你听。
金融时序数据，说白了就是按时间顺序排列的金融观测值。你打开股票软件，看到的那根K线图，就是最典型的时序数据。但金融数据跟普通时序数据不一样，它有自己的脾气——非平稳、自相关、异方差，这三个词你记牢了，后面所有模型都绕不开它们。
核心要点：金融时序数据的三大特性——非平稳性（均值/方差随时间变化）、自相关性（今天涨跌影响明天）、异方差性（波动率会聚集）。
1.1 时间序列的定义
时间序列，就是一组按时间顺序排列的随机变量。数学上写成 {X_t, t ∈ T}，其中T是时间索引集。但咱们做量化的人，不需要搞那么复杂。你只要记住：时间序列 = 时间 + 数值。
举个例子，我每天收盘后记录上证指数的收盘价：
2024-01-02 2962.28
2024-01-03 2967.25
2024-01-04 2954.35
...这就是一个典型的时间序列。每一行代表一个时间点，后面的数字是观测值。嗯，这里要注意：时间间隔必须一致。如果你今天用日线，明天用周线，那模型就乱套了。
我的经验：做特征工程时，我习惯先把数据对齐到统一的时间频率。比如所有数据都转成日频，缺失值用前向填充。这一步看似简单，但80%的模型错误都源于时间对齐问题。
1.2 金融数据的特殊性
金融数据为什么难搞？因为它不听话。普通时序数据（比如气温、水位）往往有稳定的统计特性，但金融数据就像个叛逆少年——你永远猜不到它下一步要干嘛。
非平稳性
非平稳性，就是数据的统计特性（均值、方差）随时间变化。你看A股，2007年上证指数冲到6124点，2015年又到5178点，平时就在3000点晃悠。这均值明显不是常数。
为什么会这样？因为金融市场受太多因素影响：政策、经济周期、市场情绪、黑天鹅事件...这些都会导致数据分布发生结构性变化。
避坑指南：我曾经犯过一个低级错误——直接用原始价格数据训练模型。结果模型在回测时表现完美，一到实盘就崩了。后来才发现，价格序列是非平稳的，模型学到的只是历史趋势，而不是真正的规律。记住：绝大多数模型要求数据平稳。
处理非平稳性的常用方法：
- 差分法：用价格变化量代替价格本身（比如今日收盘价 - 昨日收盘价）
- 对数收益率：ln(P_t / P_{t-1})，这是量化中最常用的变换
- 去趋势：减去移动平均或拟合趋势线
自相关性
自相关性，就是今天的价格跟昨天的价格有关。你想想看，如果今天大盘涨了2%，明天继续涨的概率是不是更大？这就是正自相关。但外汇市场往往有负自相关——涨多了会回调。
自相关性用ACF（自相关函数）来度量。我一般会先画个ACF图，看看数据在哪些滞后阶数上有显著相关性。这能帮你决定用多少期历史数据做特征。
# 计算自相关系数（伪代码）
lag_1_corr = corr(P_t, P_{t-1})
lag_2_corr = corr(P_t, P_{t-2})
...我的习惯：做特征工程时，我会把自相关显著的滞后项作为特征加入模型。比如ACF显示滞后1、3、5期显著，我就构造这三个特征。但别贪多，太多滞后项会导致过拟合。
异方差性
异方差性，说白了就是波动率会变化。你看2020年疫情爆发时，美股一天熔断好几次，波动率爆表。但到了2021年，市场又变得风平浪静。这种波动率忽大忽小的现象，就是异方差。
金融数据还有一个特点：波动率聚集。大波动后面跟着大波动，小波动后面跟着小波动。就像暴风雨来临前，海面会先起浪，然后越来越大。
处理异方差性的经典模型是GARCH（广义自回归条件异方差模型）。但说实话，在深度学习时代，我更喜欢用LSTM或Transformer来捕捉波动率变化，效果往往更好。
1.3 常见金融数据源
做量化，数据是命根子。我见过太多人花大把时间调模型，结果数据源选错了，白忙活一场。下面是我常用的几类数据源：
| 数据源 | 特点 | 典型频率 | 注意事项 |
|---|---|---|---|
| 股票 | 高流动性、受公司基本面影响大 | 日频、分钟频 | 注意除权除息、停复牌 |
| 期货 | 杠杆交易、有交割日 | 日频、5分钟频 | 主力合约切换、升贴水 |
| 外汇 | 24小时交易、受宏观因素影响大 | 小时频、分钟频 | 点差成本、隔夜利息 |
| 加密货币 | 7×24交易、波动极大 | 分钟频、秒频 | 数据质量参差不齐、交易所差异 |
我个人建议：新手先从股票日线数据入手。为什么？因为日线数据最规范，容易获取，而且有足够的历史数据做回测。等把模型跑通了，再考虑期货、外汇这些更复杂的品种。
重要提醒：不同数据源的处理方式完全不同。比如期货有交割日，你不能像股票那样一直持有；外汇是24小时交易，你得考虑隔夜跳空；加密货币更是疯狂，一天涨跌50%都不稀奇。做特征工程时，一定要针对数据源的特点来设计。
知识体系总览
下面这张图，是我自己画的金融时序数据知识体系。你把它存下来，后面每学一章，就回来看看，保证思路清晰。
这张图把本章的核心内容串起来了。你从时间序列定义出发，理解三大特殊性，再对应到不同数据源的处理方式。后面每学一个新模型，都可以往这张图上加——比如ARIMA模型对应自相关性，GARCH对应异方差性，等等。
最后说一句：金融时序数据的基础，说白了就是理解数据的「脾气」。你摸清了它的非平稳、自相关、异方差，后面做特征工程、选模型、调参数，心里就有底了。别急着上复杂模型，先把数据吃透，这是最笨但最有效的方法。
公众号:蓝海资料掘金营，微信deep3321