4、特征工程基础：技术指标计算（均线、RSI、MACD）、滚动窗口统计量、滞后特征构建

在量化回测中，原始行情数据（开盘价、收盘价、最高价、最低价、成交量）无法直接作为 LightGBM 模型的输入。特征工程的目标是将这些原始数据转化为能够反映市场状态、趋势、动量及波动性的有效特征。本章将系统讲解三类核心特征：技术指标、滚动窗口统计量和滞后特征，并给出可直接用于回测框架的 Python 实现。

4.1 技术指标计算

技术指标是量化特征工程中最经典的组成部分。它们通过数学变换提取价格和成交量的隐含信息。以下重点介绍均线、RSI 和 MACD 三个最常用的指标。

4.1.1 移动平均线（MA）

移动平均线用于平滑价格序列，识别趋势方向。常见类型包括简单移动平均（SMA）和指数移动平均（EMA）。

import pandas as pd
import numpy as np

def add_ma_features(df, windows=[5, 10, 20, 60]):
    """添加简单移动平均线特征"""
    for w in windows:
        df[f'ma_{w}'] = df['close'].rolling(window=w).mean()
        # 价格与均线的偏离度
        df[f'ma_{w}_pct'] = (df['close'] - df[f'ma_{w}']) / df[f'ma_{w}']
    return df

4.1.2 相对强弱指标（RSI）

RSI 衡量价格变动的速度和幅度，用于判断超买或超卖状态。通常以 14 天为周期，RSI 值超过 70 视为超买，低于 30 视为超卖。

计算步骤：

1. 计算每日价格变动 ΔP = P_t - P_t-1
2. 分别计算周期内平均上涨幅度（AvgGain）和平均下跌幅度（AvgLoss）
3. RS = AvgGain / AvgLoss
4. RSI = 100 - (100 / (1 + RS))

def add_rsi_feature(df, period=14):
    """添加 RSI 特征"""
    delta = df['close'].diff()
    gain = delta.clip(lower=0)
    loss = -delta.clip(upper=0)
    avg_gain = gain.rolling(window=period).mean()
    avg_loss = loss.rolling(window=period).mean()
    rs = avg_gain / avg_loss
    df['rsi_14'] = 100 - (100 / (1 + rs))
    return df

4.1.3 指数平滑异同移动平均线（MACD）

MACD 由快线（DIF）、慢线（DEA）和柱状图（MACD Histogram）三部分组成，用于判断趋势的启动、延续和反转。

def add_macd_features(df):
    """添加 MACD 特征"""
    exp12 = df['close'].ewm(span=12, adjust=False).mean()
    exp26 = df['close'].ewm(span=26, adjust=False).mean()
    df['macd_dif'] = exp12 - exp26
    df['macd_dea'] = df['macd_dif'].ewm(span=9, adjust=False).mean()
    df['macd_hist'] = 2 * (df['macd_dif'] - df['macd_dea'])
    return df

4.2 滚动窗口统计量

滚动窗口统计量是量化特征工程中另一类强大的工具。它们通过滑动窗口计算价格或收益率的分布特征，帮助模型捕捉市场的波动状态和极端行为。

4.2.1 常用滚动统计量

def add_rolling_stats(df, windows=[5, 10, 20]):
    """添加滚动窗口统计量特征"""
    for w in windows:
        # 滚动标准差（波动率）
        df[f'volatility_{w}'] = df['close'].pct_change().rolling(window=w).std()
        # 滚动偏度
        df[f'skew_{w}'] = df['close'].rolling(window=w).skew()
        # 滚动峰度
        df[f'kurt_{w}'] = df['close'].rolling(window=w).kurt()
        # 当前价格在窗口内的百分位排名
        df[f'percentile_rank_{w}'] = df['close'].rolling(window=w).apply(
            lambda x: (x[-1] - x.min()) / (x.max() - x.min()) if x.max() != x.min() else 0.5
        )
    return df

4.3 滞后特征构建

滞后特征（Lag Features）是将过去时刻的变量值作为当前时刻的特征。对于时间序列预测，滞后特征是捕捉序列自相关结构的最直接方式。

4.3.1 滞后特征的类型

• 价格滞后：过去 n 期的收盘价、开盘价等。
• 收益率滞后：过去 n 期的对数收益率或简单收益率。
• 成交量滞后：过去 n 期的成交量或成交额。
• 技术指标滞后：过去 n 期的 RSI、MACD 等指标值。

def add_lag_features(df, columns=['close', 'volume', 'rsi_14'], lags=[1, 2, 3, 5, 10]):
    """添加滞后特征"""
    for col in columns:
        if col not in df.columns:
            continue
        for lag in lags:
            df[f'{col}_lag_{lag}'] = df[col].shift(lag)
    return df

4.3.2 滞后特征与差分特征

对于非平稳时间序列，直接使用价格滞后可能导致模型学习到虚假关系。通常建议将滞后特征与差分特征（一阶差分或收益率）结合使用。

4.4 特征组合与高阶衍生

在完成基础特征计算后，可以通过特征组合进一步提升模型表现。LightGBM 对特征交互有自动学习能力，但人工构造有意义的组合特征仍能加速收敛。

• 比值特征：短期均线 / 长期均线、当前价格 / 滚动均值、成交量 / 滚动均值。
• 差值特征：快线 - 慢线、当前 RSI - 过去 RSI 均值。
• 交叉信号：均线金叉/死叉（布尔值）、MACD 柱状图由负转正（布尔值）。
• 时序聚合：过去 n 日收益率累加、过去 n 日上涨天数占比。

def add_advanced_features(df):
    """添加高阶组合特征"""
    # 均线比值
    df['ma_ratio_5_20'] = df['ma_5'] / df['ma_20']
    # 成交量相对强度
    df['volume_ratio'] = df['volume'] / df['volume'].rolling(20).mean()
    # 过去5日上涨天数占比
    df['up_days_5'] = (df['close'].diff() > 0).rolling(5).sum() / 5
    # RSI 变化方向
    df['rsi_direction'] = np.sign(df['rsi_14'].diff())
    return df