1. 特征工程概述

1.1 特征工程的定义

特征工程（Feature Engineering）是指利用领域知识和数据挖掘技术，将原始数据转换为能更有效表示潜在问题、提升机器学习模型性能的特征向量的过程。它是数据预处理与模型训练之间的关键桥梁，决定了模型所能学习的“信息上限”。

1.2 特征工程在机器学习流程中的位置

在标准机器学习流水线中，特征工程位于数据清洗之后、模型训练之前。其位置决定了数据质量向模型性能的传递效率。

1.3 特征工程的重要性

特征工程的质量直接决定了模型性能的天花板。即使使用最先进的深度学习架构，低质量的特征输入也会导致模型无法学习到有效的模式。

1.4 特征工程与模型性能的关系

特征工程通过以下机制影响模型性能：

• 信息密度提升： 将原始数据中的非线性关系、交互效应显式编码为特征，降低模型学习难度。
• 噪声抑制： 通过分箱、平滑、异常值截断等操作，减少随机波动对模型的影响。
• 尺度统一： 标准化/归一化使不同量纲的特征在梯度下降中保持稳定更新。
• 维度控制： 特征选择与降维避免维度灾难，提升模型泛化能力。

1.5 特征工程的核心任务分类

特征工程涵盖以下五大核心任务，本课程将重点围绕分箱实践展开：

1. 特征构造： 基于业务逻辑创建新特征（如收益率、波动率、动量因子）。
2. 特征变换： 对特征进行数学变换（如对数变换、Box-Cox、分箱离散化）。
3. 特征缩放： 标准化、归一化、稳健缩放。
4. 特征选择： 过滤法、包裹法、嵌入法。
5. 特征降维： PCA、t-SNE、自编码器。

1.6 量化金融中的特征工程特点

在量化金融场景下，特征工程面临独特挑战：

• 信噪比极低： 金融数据中信号占比通常低于 5%，需要精细的特征提取。
• 非平稳性： 市场状态变化导致特征分布漂移，分箱边界需自适应。
• 多重共线性： 因子间高度相关，需要特征选择与正交化处理。
• 过拟合风险： 高维特征空间极易过拟合，分箱可起到正则化作用。