3. 金融数据特征工程：时间特征提取与滚动统计

各位同学，咱们今天聊点实在的。金融数据里，时间就是金钱——这句话真不是开玩笑。我做了这么多年量化，见过太多人把原始时间戳直接扔进模型，结果跑出来一堆垃圾。说白了，时间特征工程就是把「几月几号几点几分」这种原始信息，翻译成模型能理解的数学语言。

我个人习惯，拿到金融数据第一件事，先看时间列。不看时间，后面所有分析都是空中楼阁。好，咱们直接进入正题。

3.1 时间特征提取：从日历里挖金子

时间特征提取，说白了就是把一个时间戳拆成多个维度。为什么要拆？因为金融市场的规律往往藏在特定的时间节点里。

核心维度包括：

• 年、月、日：捕捉年度周期、月度效应、月末效应
• 星期几：周一效应、周五效应，这些在A股市场特别明显
• 节假日：节前节后的异常波动，我吃过不少亏
• 交易日序号：月内第几个交易日，这个很多人忽略

import pandas as pd
import numpy as np
from datetime import datetime

# 假设df已经加载，'date'列是时间戳
df['date'] = pd.to_datetime(df['date'])

# 基础时间特征
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['day'] = df['date'].dt.day
df['weekday'] = df['date'].dt.weekday  # 0=周一, 6=周日
df['is_weekend'] = df['weekday'].isin([5, 6]).astype(int)

# 节假日特征（以中国A股为例）
# 这里需要外部节假日数据，我一般用tushare或自己维护的日历
holiday_list = ['2024-01-01', '2024-02-10', '2024-02-11', ...]  # 实际需要完整列表
df['is_holiday'] = df['date'].isin(holiday_list).astype(int)

# 交易日序号（月内第几个交易日）
df['trading_day_in_month'] = df.groupby(['year', 'month'])['date'].rank(method='first').astype(int)

3.2 滞后特征（Lag Features）：让数据「记住」过去

金融数据最核心的假设是什么？历史会重演。滞后特征就是把这个假设变成数学公式。

滞后特征，说白了就是把过去N天的数据「搬」到今天来用。比如今天的收盘价，和昨天的收盘价、前天的收盘价，它们之间是有依赖关系的。

# 滞后特征示例
# 假设df已经按时间排序
df = df.sort_values('date')

# 创建滞后1天、2天、5天的收盘价
df['close_lag1'] = df['close'].shift(1)
df['close_lag2'] = df['close'].shift(2)
df['close_lag5'] = df['close'].shift(5)

# 滞后收益率（更常用）
df['return_lag1'] = df['return'].shift(1)
df['return_lag5'] = df['return'].shift(5)

# 注意：shift后会产生NaN，需要处理
df = df.dropna(subset=['close_lag1'])

我个人习惯，滞后阶数不是随便选的。对于日频数据，我一般试1、2、5、10、20、60这几个阶数。为什么？1天是超短期，5天是一周，20天是一个月，60天是一个季度。这些时间窗口在金融里都有实际意义。

3.3 滚动窗口统计：捕捉趋势与波动

滚动窗口统计，说白了就是「过去N天的平均值/标准差」。它能帮我们平滑噪声，抓住趋势。

常用滚动统计量：

• 滚动均值（Rolling Mean）：趋势指标，比如20日均线
• 滚动标准差（Rolling Std）：波动率指标，衡量风险
• 滚动最大值/最小值：支撑位/压力位
• 滚动偏度/峰度：分布形态，用于异常检测

# 滚动窗口统计示例
# 20日滚动均值和标准差
df['ma20'] = df['close'].rolling(window=20).mean()
df['std20'] = df['close'].rolling(window=20).std()

# 滚动波动率（年化）
df['volatility_20d'] = df['return'].rolling(window=20).std() * np.sqrt(252)

# 滚动最大值/最小值（过去20天）
df['high_20d'] = df['high'].rolling(window=20).max()
df['low_20d'] = df['low'].rolling(window=20).min()

# 滚动偏度（用于检测尾部风险）
df['skew_20d'] = df['return'].rolling(window=20).skew()

3.4 知识体系总览

下面这张图，是我自己总结的时间特征工程知识体系。你看一眼，就能明白今天讲的内容是怎么串起来的。

3.5 实战组合：把三个模块串起来

光讲理论没意思，咱们来个实战案例。假设我们要预测某只股票明天的涨跌，特征工程怎么做？

# 完整特征工程流水线
def create_features(df):
    """
    输入：原始DataFrame，包含date, open, high, low, close, volume
    输出：带有全部特征的DataFrame
    """
    df = df.copy()
    df['date'] = pd.to_datetime(df['date'])
    df = df.sort_values('date')
    
    # 1. 时间特征
    df['month'] = df['date'].dt.month
    df['weekday'] = df['date'].dt.weekday
    df['is_month_end'] = df['date'].dt.is_month_end.astype(int)
    
    # 2. 滞后特征（过去1天、5天、20天的收益率）
    df['ret'] = df['close'].pct_change()
    df['ret_lag1'] = df['ret'].shift(1)
    df['ret_lag5'] = df['ret'].shift(5)
    df['ret_lag20'] = df['ret'].shift(20)
    
    # 3. 滚动统计（20日均线、20日波动率）
    df['ma20'] = df['close'].rolling(20).mean()
    df['vol20'] = df['ret'].rolling(20).std()
    
    # 4. 衍生特征（价格与均线的偏离度）
    df['price_to_ma20'] = df['close'] / df['ma20'] - 1
    
    # 清理NaN
    df = df.dropna()
    
    return df

# 使用示例
featured_df = create_features(raw_data)
print(featured_df[['date', 'ret_lag1', 'ma20', 'vol20', 'price_to_ma20']].head())

嗯，今天的内容就到这儿。时间特征、滞后特征、滚动统计，这三板斧用好了，你的金融模型就已经赢在起跑线上了。下次咱们聊更高级的特征交互，到时候你会发现，原来特征还能这么玩。

---