📚 课程目录第3章特征工程基础

3. 特征工程基础：特征分类、衍生与标准化

在金融压力测试场景中，特征工程是连接原始数据与风险模型的核心桥梁。本章聚焦于特征的分类体系、衍生方法以及数值预处理技术，为后续构建高鲁棒性的压力测试特征服务奠定基础。

3.1 特征分类：宏观、微观、市场与信用

金融压力测试的特征通常按数据来源与业务含义划分为四大类。每一类特征在压力情景下的敏感性与传导路径各不相同。

特征类别	典型指标	压力情景下的行为	数据频率
宏观特征	GDP增速、CPI、失业率、M2	滞后反映经济周期，趋势性强	月度/季度
微观特征	企业资产负债率、现金流覆盖率	个体异质性高，受宏观传导影响	季度/年度
市场特征	股票指数、波动率、信用利差	高频率、高波动，对冲击反应迅速	日度/分钟级
信用特征	违约概率(PD)、违约损失率(LGD)	尾部风险集中，与宏观情景强相关	月度/季度

实践要点：在压力测试特征服务中，宏观与市场特征通常作为“情景驱动因子”，而微观与信用特征作为“组合响应变量”。特征分类的清晰度直接影响情景传导模型的准确性。

3.2 特征衍生方法

原始特征往往无法直接刻画压力情景下的非线性关系与尾部风险。特征衍生通过数学变换、时序聚合与交叉组合，生成更具解释力的新特征。

3.2.1 常用衍生方法清单

滞后与差分：捕捉时序依赖，如 ΔGDP_t = GDP_t - GDP_{t-1}。
滚动统计量：滚动均值、标准差、最大值、最小值，反映近期趋势与波动。
比率与对数变换：如负债率、对数收益率，稳定方差并增强正态性。
交叉特征：宏观因子 × 行业敏感系数，模拟情景传导强度。
分位数与排序：将连续变量映射为分位数等级，降低异常值影响。

# 示例：特征衍生伪代码（Python风格）
import pandas as pd
import numpy as np

def derive_features(df):
    # 滞后特征
    df['gdp_lag1'] = df['gdp'].shift(1)
    # 滚动波动率
    df['vol_20d'] = df['return'].rolling(20).std()
    # 交叉特征：宏观冲击 × 行业敞口
    df['macro_exposure'] = df['gdp_growth'] * df['industry_beta']
    # 对数变换
    df['log_asset'] = np.log(df['total_asset'] + 1)
    return df

  注意：衍生特征必须避免“未来信息泄露”。在压力测试回测中，所有滚动统计量应仅使用历史窗口内的数据，严禁引入未来值。

3.3 特征标准化与归一化技术

不同特征的量纲与分布差异巨大，直接输入模型会导致权重失衡。标准化与归一化是特征预处理的标准步骤，尤其在压力测试中，需保证特征在极端情景下的数值稳定性。

3.3.1 核心方法对比

方法	公式	输出范围	适用场景
Z-score 标准化	`z = (x - μ) / σ`	无固定范围，均值为0	数据近似正态分布，如收益率
Min-Max 归一化	`x' = (x - min) / (max - min)`	[0, 1]	有界特征，如比率、概率
Robust 缩放	`x' = (x - median) / IQR`	无固定范围	存在异常值，如极端损失
分位数变换	映射到均匀分布或正态分布	[0, 1] 或标准正态	非对称分布，如违约率

3.3.2 压力测试中的特殊考量

情景外推：压力情景下的特征值可能超出历史范围，Min-Max 归一化需设定业务上限，避免截断。
时序一致性：标准化参数（μ, σ, min, max）必须在训练窗口内计算，并固定用于后续所有情景。
分组标准化：不同行业或资产类别的特征应分别标准化，保留组间差异。

# 示例：标准化与归一化实现
from sklearn.preprocessing import StandardScaler, MinMaxScaler

scaler_z = StandardScaler()
scaler_mm = MinMaxScaler(feature_range=(0, 1))

# 假设 X_train 为训练集特征矩阵
X_train_z = scaler_z.fit_transform(X_train)
X_train_mm = scaler_mm.fit_transform(X_train)

# 压力情景数据使用同一参数变换
X_scenario_z = scaler_z.transform(X_scenario)

风险提示：在压力测试中，切勿对全量数据（含未来情景）进行全局标准化。必须严格区分“历史训练期”与“情景预测期”，否则将引入前视偏差，导致压力测试结果失真。

3.4 特征分类与衍生流程总览

下图展示了从原始数据到标准化特征服务的完整流程，涵盖分类、衍生与预处理三个核心阶段。

3.5 特征标准化效果对比

以下 SVG 展示了同一组原始数据（模拟违约率分布）经过不同标准化方法后的分布形态变化，帮助理解各方法的实际效果。

3.6 本章小结

特征分类是压力测试特征服务的起点，宏观、微观、市场、信用四类特征在情景分析中承担不同角色。
特征衍生通过滞后、滚动、交叉与变换，增强特征对非线性风险与尾部事件的表达能力。
标准化与归一化是模型稳定性的保障，需根据数据分布与压力情景特性选择合适方法，并严格避免前视偏差。