13、机器学习预警模型（一）：特征工程
从订单簿、成交量、波动率、衍生品市场中提取有效特征，避免过拟合。
做量化这些年，我最大的体会是：模型可以简单，特征必须扎实。你想想看，再牛的神经网络，喂进去的是垃圾，吐出来的只能是更精致的垃圾。这一章，我们就聊聊怎么从海量市场数据里，挖出那些真正能预警流动性黑洞的“金子”。
13.1 特征工程的核心思路：信号 vs 噪声
流动性崩溃前的特征，其实是有共性的。我个人习惯把特征分成四类：
- 订单簿特征：买卖盘的深度、宽度、失衡度
- 成交量特征：成交速度、大单占比、主动买卖方向
- 波动率特征：已实现波动、隐含波动、波动率曲率
- 衍生品特征：期权偏斜、期货基差、跨期价差
说白了，我们要找的是“市场正在失去弹性”的信号。而不是那些随机游走的噪声。
13.2 订单簿特征：微观结构的“心电图”
订单簿是市场最原始的数据。我曾在一次股指期货的闪崩前，亲眼看到买一和买二之间的价差突然拉大到平时的5倍——这就是典型的“流动性断层”。
13.2.1 深度与宽度
- 订单簿深度：前10档买卖挂单的总量。深度骤降，说明做市商在撤退。
- 买卖价差：买一价与卖一价的差值。价差突然扩大，往往是流动性枯竭的前兆。
- 价格影响系数：吃掉前5档挂单所需的价格变动。这个系数越大，市场越脆弱。
13.2.2 订单簿失衡度
我常用的一个指标是 Order Imbalance Ratio：
OIR = (买盘总量 - 卖盘总量) / (买盘总量 + 卖盘总量)当OIR绝对值超过0.8，且持续3秒以上，往往意味着方向性压力在急剧积累。嗯，这里要注意：不要只看绝对值，要看变化速度。我曾经踩过坑，只盯着阈值，结果错过了几次快速反转的预警信号。
13.3 成交量特征：资金的“真实意图”
成交量不会骗人，但成交量需要“拆解”。
13.3.1 成交速度与大单占比
- 成交频率：每秒成交笔数。频率突然飙升，往往是程序化交易在集体行动。
- 大单成交占比：单笔超过平均单量3倍以上的成交占比。占比超过30%时，机构资金可能在集中离场。
13.3.2 主动买卖方向
用Tick数据标记每一笔成交是主动买还是主动卖。我习惯计算一个 主动买卖比率：
ABR = 主动买成交量 / (主动买成交量 + 主动卖成交量)当ABR连续5分钟低于0.3，且价格还在横盘——这往往是“阴跌”的前奏。我在2015年股灾时就吃过这个亏，当时只看了价格没看成交方向，结果被闷杀。
13.4 波动率特征：市场的“恐慌指数”
波动率本身不是风险，波动率的突变才是。
13.4.1 已实现波动率与波动率曲率
- 已实现波动率：过去5分钟、15分钟、1小时的波动率。我习惯用Parkinson估计量，它对日内跳空更敏感。
- 波动率曲率：短期波动率与长期波动率的差值变化率。曲率突然转正，说明市场在“加速恐慌”。
13.4.2 波动率聚集性
用GARCH模型拟合残差，提取波动率的自相关性。当波动率的自相关系数在0.7以上时，说明市场处于“波动率集群”状态——这时候流动性黑洞的概率会显著上升。
13.5 衍生品市场特征：聪明钱的“风向标”
衍生品市场往往领先现货市场。我个人习惯把期权和期货数据作为“领先指标”。
13.5.1 期权偏斜
看跌期权与看涨期权的隐含波动率之差。当偏斜度超过历史95分位数时，说明对冲需求在急剧上升。我曾在2020年3月的美股熔断前，看到标普500期权的偏斜度连续3天飙升——那是我第一次真正重视这个指标。
13.5.2 期货基差与跨期价差
- 基差：期货价格与现货价格的差值。基差突然转负且扩大，说明市场在“抢跑”下跌。
- 跨期价差：近月合约与远月合约的价差。价差收窄，往往意味着流动性在向远月迁移，近月市场正在“干涸”。
13.6 避免过拟合：特征选择的“铁律”
特征多了，模型就容易“记住”噪声而不是“学习”规律。我总结了几条铁律：
- 相关性筛选：特征之间的相关系数超过0.9，只保留一个。我习惯用VIF（方差膨胀因子）来检测多重共线性。
- 时间序列交叉验证：不能用随机打乱的方式做验证。要用“滚动窗口”或“扩展窗口”来模拟真实交易场景。
- 特征稳定性检验：每个特征在不同市场状态（牛市、熊市、震荡市）下的分布是否一致？如果某个特征只在特定行情下有效，那它就是个“伪特征”。
- 业务逻辑约束：如果一个特征在逻辑上说不通，哪怕统计上显著，也坚决剔除。我见过有人把“月相”作为特征，结果回测效果还不错——但谁敢用？
13.7 知识体系框架
下面这张图，是我自己整理的特征工程核心逻辑。你可以把它当作一个检查清单：
13.8 实战建议：从“做减法”开始
如果你刚开始做流动性预警模型，我建议你先从5-8个核心特征开始。别贪多。我自己的经验是：订单簿失衡度 + 成交速度 + 波动率曲率 + 期权偏斜，这四个特征组合起来，已经能覆盖80%的流动性崩溃场景。
剩下的20%，靠的是对特定市场微观结构的理解。比如在国债期货市场，基差的变化比期权偏斜更敏感；在加密货币市场，订单簿深度比成交量更重要。这些细节，只能靠你在实战中慢慢积累。
好了，特征工程这部分就聊到这儿。下一章我们会把这些特征喂进模型里，看看它们到底能不能在实盘中扛住考验。