特征工程是围绕预测目标设计经济意义明确、统计稳健、时序兼容的变量，需严格避免未来信息泄露，统一多源数据时间戳与频率，聚焦价格行为、订单流、跨市场三类可解释特征，并通过滚动标准化、winsorize及模块化封装实现可测试、可回滚、可归因。
在Python量化交易项目中，特征工程不是简单地“加几列数据”，而是围绕预测目标（比如未来1分钟涨跌、未来5分钟收益率、是否触发止损）设计有经济意义、统计稳健、时序兼容的变量。核心是让模型能从历史行情和订单流中“读懂”市场状态。
明确预测目标与时间粒度
特征必须服务于具体任务。做日内择时，用1分钟K线；做事件驱动套利，可能需毫秒级逐笔成交+挂单簿快照；做行业轮动，则要加入宏观指标或板块资金流。同一组原始数据，不同目标下特征构造逻辑完全不同。
- 先写清楚：你要预测什么？（例如：t+10期的收盘价相对t期的涨跌幅）
- 再定好：特征取自哪个时间窗口？（例如：过去20根5分钟K线，不含当前周期）
- 避免“未来信息泄露”——所有特征值必须严格基于t时刻已知的数据计算
清洗与对齐多源时序数据
A股分钟线、期货Tick、港股通资金流、新闻舆情API返回的时间戳格式、时区、缺失模式各不相同。直接拼接会引入错位偏差。
- 统一转为
pd.Timestamp并设为DataFrame索引，用.asfreq('1Min', method='ffill')或.resample('1Min').last()对齐频率 - 处理跳空/无交易时段：用前向填充（但需标记填充次数），或引入“是否为有效交易时段”布尔特征
- Level2行情中买卖盘口常有瞬时为空，建议用上一档价格替代，而非直接填0或NaN
构造三类关键特征
不堆砌维度，而聚焦可解释、易监控、抗过拟合的特征组：
立即学习“Python免费学习笔记（深入）”；
- 价格行为特征：真实波幅（TR）、ATR(14)、布林带宽度、近5期收益率斜率、高低点极差占比 —— 避免单纯用收盘价均线，改用加权平均或中位数平滑噪声
- 流动性与订单流特征：买卖价差比率、挂单深度比（bid_size/ask_size）、大单净流入（单笔≥100手成交的方向性累计）、订单簿不平衡度（(bid1-bid2)/(ask1-ask2)）
- 跨市场/跨周期特征：沪深300期货贴水率 vs 现货指数、同行业个股波动率中位数、隔夜美股ETF涨跌幅 —— 注意滞后对齐，如美股数据需映射到A股次日开盘前
标准化、截断与更新机制
金融数据分布偏态严重（如成交量、波动率常呈长尾），且模型上线后特征需持续滚动更新。
- 慎用全局Z-score：改用滚动窗口（如60日）的均值与标准差做局部标准化
- 对极端值做winsorize（例如上下1%分位截断），比直接删除更保信息
- 所有特征函数封装成类（如
class VolatilityFeature），含.fit()（训练期统计）和.transform(df)（实时计算），方便回测与实盘复用
基本上就这些。特征工程不是一次性的数据加工，而是和策略逻辑、风控边界、系统延迟一起迭代的过程。越早把特征定义成“可测试、可回滚、可归因”的模块，后期调参和归因分析就越省力。
