2. 金融特征工程基础
2.1 金融数据的核心特点
金融数据是特征工程中最具挑战性的数据域之一。与电商、社交等通用领域不同，金融数据在采集频率、时间依赖性和来源多样性上存在显著差异。理解这些特点是构建有效特征的前提。
| 特点 | 描述 | 对特征工程的挑战 |
|---|---|---|
| 高频 | 行情数据可达微秒级 tick，交易流水秒级产生 | 窗口聚合、降采样、事件对齐 |
| 时序 | 数据严格按时间排序，未来不可见 | 避免未来信息泄露、时间序列交叉验证 |
| 多源 | 行情、订单簿、财报、舆情、宏观指标 | 异构数据对齐、实体解析、时效性匹配 |
| 信噪比低 | 有效信号常淹没在市场噪声中 | 特征筛选、平滑、去噪 |
| 非平稳 | 统计分布随市场状态变化 | 特征漂移检测、自适应归一化 |
关键认知： 金融数据的"高频"不是指数据量大，而是指事件间隔极短且不规则。一个简单的"过去5分钟平均价格"特征，在tick级数据上需要处理毫秒级的时间窗口对齐，这直接决定了特征计算的实时性。
2.2 金融数据的三维特征空间
金融特征工程围绕三个核心维度展开：时间维度、结构维度和行为维度。下图展示了这三个维度如何共同构成金融特征的基础框架。
2.3 特征工程在三大金融场景中的作用
2.3.1 风控场景：从规则到预测
传统风控依赖硬性规则（如"收入>月供×3"），特征工程将原始数据转化为可量化的风险信号。
- 信用风险特征： 收入负债比、历史逾期次数、多头借贷指数、社交关系稳定性
- 欺诈风险特征： 设备指纹、IP地理位置变化率、操作间隔异常度、关联黑名单距离
- 市场风险特征： 波动率锥、VaR回测偏差、流动性枯竭指标
实战案例： 某消费金融平台通过构建"夜间交易占比"和"跨省登录速度"两个特征，将团伙欺诈识别率提升42%。这两个特征分别从行为时间异常和空间异常两个角度捕捉欺诈模式。
2.3.2 交易场景：从信号到策略
量化交易中，特征工程直接决定策略的alpha能力。原始行情数据需要经过多级特征加工才能成为有效的交易信号。
| 特征层级 | 输入数据 | 加工方法 | 输出特征 |
|---|---|---|---|
| L1 原始 | tick行情 | 清洗、对齐 | 标准化OHLCV |
| L2 统计 | OHLCV | 滑动窗口、差分 | 移动平均、RSI、布林带 |
| L3 结构 | 订单簿 | 深度聚合、价差计算 | 订单簿斜率、流动性指数 |
| L4 行为 | 逐笔成交 | 大单识别、资金流 | 聪明钱指数、VPIN |
| L5 复合 | 多源异构 | 特征交叉、非线性变换 | 多因子合成信号 |
2.3.3 反欺诈场景：从静态到动态
反欺诈特征工程面临的最大挑战是对抗性——欺诈者会主动调整行为以绕过规则。因此特征需要具备动态演化能力。
- 行为画像特征： 设备使用习惯、操作路径熵、输入节奏模式
- 关系网络特征： 图嵌入（Graph Embedding）、社区检测、二度关联风险
- 时序异常特征： 事件序列马尔可夫转移概率、时间序列突变检测
反欺诈特征陷阱： 不要过度依赖"历史是否欺诈"这类标签特征。欺诈模式会快速演变，静态特征在3-6个月后通常失效。建议引入"特征新鲜度"指标，定期评估特征的区分能力衰减情况。
2.4 金融特征工程的核心流程
下图展示了从原始金融数据到可用特征的标准化处理流水线。这个流程在Feature Store中会被封装为可复用的特征管道。
2.5 金融特征工程的常见陷阱
- 未来信息泄露（Look-ahead Bias）： 使用未来数据计算当前特征，导致模型在回测中表现优异但实盘失效。例如用"当日收盘价"计算"盘中波动率"。
- 幸存者偏差： 只分析存续标的，忽略已退市或违约的样本。在信用评分中，只分析正常还款客户会高估模型效果。
- 特征穿越： 不同时间粒度的特征混用。例如将日频的财报数据与分钟频的行情数据直接拼接，未做时间对齐。
- 过度拟合噪声： 金融数据信噪比极低，高频特征容易拟合随机波动。建议使用正则化或特征降维。