📚 课程目录第2章金融时间序列基础

2. 金融时间序列基础

在进入 TFT（Temporal Fusion Transformer）多变量金融预测之前，必须先建立对金融时间序列“数据底座”的清晰认知。TFT 的优势在于同时处理静态协变量、已知未来输入与观测到的历史输入，但如果对数据类型、频率、缺失、异常与平稳性缺乏判断，模型再强也只是在噪声上做拟合。本节围绕这五个基础概念展开，帮助你在建模前完成一次系统性的数据体检。

一、核心原理：多变量金融数据的五个基本维度

金融时间序列可以理解为按时间索引的一组观测值。单变量序列只有一个观测通道，而多变量序列在每个时间点上同时记录多个变量，例如某只股票的收盘价、成交量、换手率、市盈率，以及宏观层面的利率、汇率、CPI 等。TFT 建模时，这些变量会被区分为三类角色：静态协变量（如行业、上市板块）、已知未来输入（如日历、已公布的财报日期）和观测输入（如历史价格与成交量）。理解这一分类，是后续特征工程与模型配置的前提。

数据类型上，金融数据可分为数值型（价格、收益率、成交量）、类别型（行业、评级、交易状态）和布尔型（是否停牌、是否分红）。频率则决定了样本的时间间隔，常见有日频、周频、月频，以及高频的分钟级与 tick 级。缺失值在金融数据中极为普遍，可能来自非交易日、停牌、数据源断档或字段本身不披露。异常值则常由错单、闪崩、拆股未复权或数据录入错误引起。平稳性描述的是序列的统计特性是否随时间保持不变，它直接关系到模型能否学到可泛化的规律。

二、方法流程：从原始数据到可建模序列

面对一份多变量金融数据，建议按以下流程处理。第一步是频率对齐：将不同来源的数据统一到同一时间索引上，例如把月频宏观数据向前填充到日频，或把日频价格降采样为周频。第二步是缺失值处理：区分“真实缺失”与“非交易日缺失”，前者可用前向填充、插值或缺失指示变量，后者应直接剔除或按交易日历对齐。第三步是异常值检测：常用方法包括基于分位数的截断、Z-Score、IQR 以及滚动窗口的 MAD。第四步是平稳性检验：通过 ADF、KPSS 等检验判断序列是否需要差分或取对数。第五步是角色划分：明确哪些变量属于静态、已知未来和观测输入。

import pandas as pd
import numpy as np
from statsmodels.tsa.stattools import adfuller

# 1. 频率对齐：将日频数据重采样为周频
df_weekly = df.resample('W-FRI').last()

# 2. 缺失值标记：保留缺失指示变量
df_weekly['volume_missing'] = df_weekly['volume'].isna().astype(int)

# 3. 异常值检测：滚动 MAD 截断
rolling_median = df_weekly['close'].rolling(20).median()
rolling_mad = (df_weekly['close'] - rolling_median).abs().rolling(20).median()
df_weekly['close_clipped'] = np.where(
    (df_weekly['close'] - rolling_median).abs() > 5 * rolling_mad,
    rolling_median, df_weekly['close']
)

# 4. 平稳性检验：ADF
adf_result = adfuller(df_weekly['close_clipped'].dropna())
print(f"ADF Statistic: {adf_result[0]:.4f}, p-value: {adf_result[1]:.4f}")

三、案例场景：一只股票的多变量数据体检

假设我们要预测某只 A 股未来 5 日的收益率，原始数据包含日频收盘价、成交量、换手率，以及月频的 CPI 和利率。首先发现 CPI 和利率是月频，需要向前填充到日频，但要注意填充后的值在当月内不变，不能引入未来信息。其次发现该股票在春节前后有多个交易日缺失，这属于非交易日缺失，应按交易日历剔除而非填充。再次发现某日成交量异常放大 20 倍，经核查是拆股未复权导致，应使用复权价格重新计算。最后对收盘价做 ADF 检验，p 值为 0.92，说明不平稳，需转为对数收益率后再检验，p 值降至 0.01，满足平稳性要求。

检查项	常见问题	推荐处理	TFT 中的角色
数据类型	类别型未编码	独热或嵌入编码	静态协变量
频率	月频与日频混用	统一重采样并对齐	时间索引
缺失值	停牌被误填充	缺失指示变量 + 前向填充	观测输入掩码
异常值	未复权导致跳变	复权 + 滚动 MAD 截断	观测输入
平稳性	价格序列不平稳	对数差分或收益率	目标变量

四、误区与复盘

误区一：把缺失值一律填充为 0。在金融数据中，0 可能代表真实值（如收益率为 0），也可能代表缺失。静默填 0 会让模型误以为当天发生了极端事件。正确做法是保留缺失指示变量，让 TFT 的掩码机制自行学习。

误区二：忽略平稳性直接建模。价格序列通常不平稳，直接输入 TFT 会导致模型学到时间趋势而非可泛化规律。应先转为收益率或对数差分，再检验平稳性。

误区三：异常值直接删除。金融数据中的异常值有时包含重要信息，如闪崩可能预示风险。建议先标记、再截断，而非直接删除。

复盘建议：每次建模前，用一张“数据体检表”记录频率、缺失率、异常比例和 ADF 检验结果。这份记录不仅能帮助你定位问题，还能在模型效果不佳时快速回溯是数据问题还是模型问题。TFT 虽然强大，但它对输入数据的质量依然敏感，基础工作做得越扎实，后续的可解释性分析才越可靠。

掌握数据类型、频率、缺失值、异常值与平稳性这五个基础概念，是构建可信多变量金融预测系统的第一步。它们决定了你输入 TFT 的数据是否干净、对齐、可解释，也决定了模型输出的特征重要性和注意力权重是否值得信任。