3. 特征工程（上）：技术指标（均线、MACD、RSI）的计算与衍生、滞后特征与滚动窗口统计
各位同学，欢迎来到特征工程部分。说实话，在量化交易这个领域，我见过太多人把精力花在模型调参上，却忽略了最基础也最关键的环节——特征工程。你想想看，模型再牛，喂进去的是垃圾数据，出来的只能是更精致的垃圾。今天我们就来聊聊技术指标的计算与衍生，以及滞后特征和滚动窗口统计这些基本功。
3.1 技术指标：从均线说起
均线（Moving Average）是最基础的技术指标。我个人习惯把它看作是「市场的平均成本线」。简单移动平均（SMA）和指数移动平均（EMA）是两种最常见的实现方式。
SMA 的计算公式：
SMA = (P1 + P2 + ... + Pn) / nEMA 的计算公式：
EMA_t = α * P_t + (1 - α) * EMA_{t-1}
其中 α = 2 / (n + 1)我在项目中遇到过一个问题：用 SMA 做短线交易时，信号总是滞后太多。后来我改用 EMA，情况好了不少。为什么呢？因为 EMA 给近期数据赋予了更高的权重，反应更灵敏。
核心要点：均线周期选择没有标准答案。5日、10日均线适合短线，20日、60日均线适合中线，120日、250日均线适合长线。具体选哪个，得看你的交易频率。
3.2 MACD：趋势跟踪的利器
MACD（指数平滑异同移动平均线）本质上是对均线的二次加工。它由三部分组成：DIF线、DEA线和柱状线。
计算步骤：
- 计算快线（通常12日EMA）和慢线（通常26日EMA）
- DIF = 快线 - 慢线
- DEA = DIF的9日EMA
- 柱状线 = (DIF - DEA) * 2
嗯，这里要注意：MACD 的默认参数（12, 26, 9）是 Gerald Appel 在1979年提出的，当时是为了分析美股。用在A股上，我个人建议把参数调小一些，比如（8, 17, 5），效果可能会更好。
实战技巧：我曾经用 MACD 底背离策略做了一波创业板，收益还不错。底背离就是价格创新低，但 MACD 的 DIF 线没有创新低。这往往预示着下跌动能衰竭。
3.3 RSI：超买超卖的判断
RSI（相对强弱指标）衡量的是价格变动的速度和幅度。它的核心思想是：在上涨行情中，收盘价上涨的幅度应该大于下跌的幅度。
计算公式：
RSI = 100 - (100 / (1 + RS))
其中 RS = 平均上涨幅度 / 平均下跌幅度标准用法是：RSI > 70 视为超买，RSI < 30 视为超卖。但我在实际交易中发现，在强趋势行情中，RSI 会长时间停留在超买或超卖区域。这时候盲目反向操作，很容易被市场打脸。
避坑指南：我曾经在2015年牛市中使用 RSI > 70 就做空，结果被连续打脸三次。后来我学乖了——在强趋势行情中，RSI 的阈值要适当放宽，比如改成 80 和 20。
3.4 滞后特征：让模型看到「过去」
滞后特征（Lag Features）就是把过去某个时间点的数据作为当前的特征。说白了，就是让模型知道「昨天发生了什么」。
常见的滞后特征：
- 滞后1日收益率：ret_1 = (close_t / close_{t-1}) - 1
- 滞后5日收益率：ret_5 = (close_t / close_{t-5}) - 1
- 滞后10日成交量变化：vol_10 = volume_t / volume_{t-10}
你想想看，如果只给模型当天的数据，它怎么知道趋势呢？滞后特征就是给模型装上了「后视镜」。
3.5 滚动窗口统计：捕捉局部规律
滚动窗口统计（Rolling Window Statistics）是在一个固定大小的窗口内计算统计量。这是我最喜欢用的特征工程方法之一。
常用统计量：
| 统计量 | 含义 | 应用场景 |
|---|---|---|
| 滚动均值 | 窗口内价格的平均值 | 判断当前价格是否偏离均值 |
| 滚动标准差 | 窗口内价格的波动程度 | 衡量市场波动率 |
| 滚动最大值 | 窗口内的最高价 | 判断是否突破前高 |
| 滚动最小值 | 窗口内的最低价 | 判断是否跌破前低 |
| 滚动偏度 | 窗口内收益率的偏斜程度 | 判断市场是否处于极端状态 |
| 滚动峰度 | 窗口内收益率的尖峰程度 | 判断市场是否出现异常波动 |
代码示例：
import pandas as pd
import numpy as np
# 假设 df 是包含收盘价的数据框
df['rolling_mean_20'] = df['close'].rolling(window=20).mean()
df['rolling_std_20'] = df['close'].rolling(window=20).std()
df['rolling_max_20'] = df['close'].rolling(window=20).max()
df['rolling_min_20'] = df['close'].rolling(window=20).min()
df['rolling_skew_20'] = df['close'].rolling(window=20).skew()
df['rolling_kurt_20'] = df['close'].rolling(window=20).kurt()重要提醒：滚动窗口统计会产生 NaN 值。前 n-1 行（n 为窗口大小）的数据是无法计算的。处理方式有两种：要么直接丢弃，要么用向前填充。我个人建议直接丢弃，因为填充会引入未来信息。
3.6 特征衍生：组合创造价值
单一的技术指标往往不够用。把多个指标组合起来，往往能产生更好的效果。这就是特征衍生。
常见的衍生方式：
- 比值类：价格/均线、成交量/均量、RSI/RSI均线
- 差值类：价格-均线、DIF-DEA、当前RSI-过去RSI
- 交叉类：快线上穿慢线（金叉）、快线下穿慢线（死叉）
- 归一化类：(价格 - 滚动均值) / 滚动标准差
举个例子，我常用的一个特征叫「价格位置」：
# 价格在20日区间内的位置
df['price_position'] = (df['close'] - df['rolling_min_20']) / (df['rolling_max_20'] - df['rolling_min_20'])这个特征的值在0到1之间，表示当前价格在最近20天内的相对位置。0表示最低点，1表示最高点。这个特征在震荡市中特别好用。
3.7 知识体系总览
下面这张图展示了本章的核心逻辑：从原始数据出发，经过技术指标计算、滞后特征构建、滚动窗口统计，最终形成可用于模型训练的特征矩阵。
我的经验：特征不是越多越好。我曾经在一个项目里搞了200多个特征，结果模型过拟合得一塌糊涂。后来我精简到30个核心特征，效果反而更好。记住：好的特征工程是「少而精」，不是「多而杂」。
好了，这一章的内容就到这里。技术指标的计算、滞后特征的构建、滚动窗口统计，这些都是特征工程的基本功。下一章我们会继续聊特征工程的下半部分——如何做特征筛选和降维。到时候见。