4、时间序列基础特征：滚动均值、滚动标准差、滚动最大值/最小值、滚动分位数

在高频行情中，原始逐笔数据或快照数据包含大量噪声和微观结构效应。直接使用原始价格或成交量进行建模，往往会导致过拟合或信号不稳定。滚动统计量（Rolling Statistics）通过对固定窗口内的数据进行局部聚合，能够有效平滑噪声、捕捉短期趋势与波动特征，是特征工程中最基础且最有效的工具之一。

4.1 滚动统计量的核心概念

滚动统计量以固定长度的滑动窗口在时间序列上逐点移动，对窗口内的子序列计算指定统计函数。窗口长度（Window Size）是唯一的关键超参数，决定了特征的时间尺度。常见窗口类型包括：

• 滚动均值（Rolling Mean）：窗口内数据的算术平均，反映局部趋势与价格中枢。
• 滚动标准差（Rolling Std）：窗口内数据的标准差，度量局部波动率与价格离散程度。
• 滚动最大值/最小值（Rolling Max/Min）：窗口内的极值，用于识别局部支撑/阻力位或价格突破。
• 滚动分位数（Rolling Quantile）：窗口内指定分位点的值（如 25%、75%），刻画局部分布形态与尾部风险。

4.2 滚动统计量的计算流程

以下为滚动特征的标准计算步骤，以 Python 的 pandas 库为例：

import pandas as pd
import numpy as np

# 假设 df 包含高频行情数据，index 为时间戳，'price' 列为最新成交价
df = pd.DataFrame({
    'price': [100.1, 100.3, 100.2, 100.5, 100.4, 100.7, 100.6, 100.9, 101.0, 100.8]
})

window = 5  # 滚动窗口大小

# 滚动均值
df['rolling_mean'] = df['price'].rolling(window=window).mean()

# 滚动标准差
df['rolling_std'] = df['price'].rolling(window=window).std()

# 滚动最大值
df['rolling_max'] = df['price'].rolling(window=window).max()

# 滚动最小值
df['rolling_min'] = df['price'].rolling(window=window).min()

# 滚动分位数（25% 和 75%）
df['rolling_q25'] = df['price'].rolling(window=window).quantile(0.25)
df['rolling_q75'] = df['price'].rolling(window=window).quantile(0.75)

print(df)

4.3 滚动统计量的对比与选择

4.4 滚动特征在标签优化中的作用

滚动统计量不仅作为原始特征输入模型，更常用于对标签（Label）进行预处理和优化：

• 标签平滑：对收益率或价格变化标签应用滚动均值，减少微观噪声导致的虚假信号。
• 波动率调整：使用滚动标准差对收益率进行标准化（Z-score），使标签在不同波动时段具有可比性。
• 极值截断：利用滚动分位数（如 1% 和 99%）对标签进行 winsorize 处理，抑制极端值对模型训练的干扰。
• 动态阈值：基于滚动最大值/最小值设定自适应止盈止损阈值，避免固定阈值在趋势行情中过早离场。

4.5 滚动特征计算流程示意图

下图展示了滚动统计量在时间序列上的滑动计算过程，以窗口大小为 5 的滚动均值为例：

4.6 多窗口滚动特征融合策略

单一窗口的滚动特征只能捕捉一个时间尺度的信息。高频行情特征工程中，通常采用多窗口融合策略，将不同尺度的滚动统计量拼接为高维特征向量：

# 多窗口滚动特征生成示例
windows = [5, 10, 20, 50]
for w in windows:
    df[f'mean_{w}'] = df['price'].rolling(w).mean()
    df[f'std_{w}'] = df['price'].rolling(w).std()
    df[f'max_{w}'] = df['price'].rolling(w).max()
    df[f'min_{w}'] = df['price'].rolling(w).min()
    df[f'q25_{w}'] = df['price'].rolling(w).quantile(0.25)
    df[f'q75_{w}'] = df['price'].rolling(w).quantile(0.75)

4.7 滚动特征与标签的联动优化

下图展示了滚动特征如何直接参与标签优化流程，形成从原始行情到优化标签的完整链路：

4.8 实践避坑指南

• 数据泄露：滚动统计量必须使用历史窗口数据，严禁引入未来信息。在回测中务必使用 shift(1) 将滚动特征向后平移一个时间步，确保当前时刻的特征仅基于历史数据。
• 窗口边界效应：窗口初期的 NaN 值建议使用 min_periods 参数控制最小有效观测数，避免过早输出不稳定统计量。
• 计算性能：高频数据每秒可达数千笔，建议使用增量算法（如 Welford 在线算法）计算滚动均值和标准差，避免重复全量计算。
• 特征冗余：高度相关的滚动特征（如窗口 5 和窗口 6 的均值）会导致模型过拟合，建议通过特征选择或 PCA 降维。