3. 特征工程

在数据探索后，我们需要进行特征工程，目的是选择合适的特征，并构造新的特征，以便后续的机器学习模型能更好地学习股票价格的变化规律。

3.1 特征选择

我们从原始数据中提取以下特征：

• 基本价格特征：
  • open（开盘价）
  • high（最高价）
  • low（最低价）
  • close（收盘价）
  • volume（交易量）
• 时间特征：
  • year（年份）
  • month（月份）
  • day_of_week（星期几）
• 技术指标特征：
  • 5-day moving average (MA5)（5日均线）
  • 20-day moving average (MA20)（20日均线）
  • Relative Strength Index (RSI)（相对强弱指数）
  • Volatility (Standard Deviation of 5 days)（5日标准差衡量波动性）

3.2. 构造新特征

我们计算均线、相对强弱指数（RSI）等技术指标作为新特征。

3.2.1 计算移动均线（MA）

# 计算 5 日和 20 日移动均线
df["MA5"] = df.groupby("Name")["close"].transform(lambda x: x.rolling(window=5).mean())
df["MA20"] = df.groupby("Name")["close"].transform(lambda x: x.rolling(window=20).mean())

• MA5 和 MA20 代表短期和中期趋势。
• 如果 MA5 上穿 MA20，可能是买入信号；反之可能是卖出信号。

3.2.2 计算相对强弱指数（RSI）

def compute_rsi(series, window=14):
    delta = series.diff(1)
    gain = (delta.where(delta > 0, 0)).rolling(window=window).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=window).mean()
    rs = gain / loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

df["RSI14"] = df.groupby("Name")["close"].transform(lambda x: compute_rsi(x, window=14))

• RSI（相对强弱指数） 用于判断股票是否超买（>70）或超卖（<30）。
• RSI 过高时，股价可能即将回落；过低时，股价可能即将反弹。

3.2.3 计算波动性（标准差）

df["volatility"] = df.groupby("Name")["close"].transform(lambda x: x.rolling(window=5).std())

• 标准差用于衡量价格波动，波动较大的股票通常风险较高。

3.3 处理时间特征

# 提取年份、月份、星期几
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["day_of_week"] = df["date"].dt.dayofweek  # 0: Monday, 6: Sunday

• 股票市场可能有季节性变化，如年底表现较强，周一或周五交易活跃度不同。

3.4 数据集划分

我们以 AAPL 作为示例，构建训练集和测试集：

from sklearn.model_selection import train_test_split

# 选择 AAPL 股票数据
df_aapl = df[df["Name"] == "AAPL"].dropna()  # 移除 NaN 值

# 选取特征列
features = ["open", "high", "low", "volume", "MA5", "MA20", "RSI14", "volatility", "month", "day_of_week"]
target = "close"

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(df_aapl[features], df_aapl[target], test_size=0.2, random_state=42)

print(f"训练集样本数：{X_train.shape[0]}")
print(f"测试集样本数：{X_test.shape[0]}")

• 目标变量 close（收盘价）是我们希望预测的变量。
• 训练集占80%，测试集占20%，用于评估模型的泛化能力。

3.5 关键特征可视化

3.5.1 移动均线趋势

plt.figure(figsize=(12, 6))
plt.plot(df_aapl["date"], df_aapl["close"], label="Close Price", color="dodgerblue")
plt.plot(df_aapl["date"], df_aapl["MA5"], label="MA5", color="orange")
plt.plot(df_aapl["date"], df_aapl["MA20"], label="MA20", color="red")
plt.xlabel("Date")
plt.ylabel("Price")
plt.title("AAPL Stock Closing Price with Moving Averages")
plt.legend()
plt.grid(True)
plt.show()

• 观察短期均线（MA5） 和长期均线（MA20） 是否交叉，判断趋势。

3.5.2 RSI 指标

plt.figure(figsize=(12, 4))
plt.plot(df_aapl["date"], df_aapl["RSI14"], label="RSI14", color="purple")
plt.axhline(70, linestyle="--", color="red")  # 超买线
plt.axhline(30, linestyle="--", color="green")  # 超卖线
plt.xlabel("Date")
plt.ylabel("RSI Value")
plt.title("AAPL RSI Trend")
plt.legend()
plt.show()

• RSI > 70 时，可能是卖出信号；RSI < 30 时，可能是买入信号。

3.5.3 交易量 vs. 波动性

plt.figure(figsize=(10, 5))
sns.scatterplot(x=df_aapl["volume"], y=df_aapl["volatility"], alpha=0.5, color="blue")
plt.xlabel("Trading Volume")
plt.ylabel("Volatility")
plt.title("Trading Volume vs. Stock Volatility")
plt.show()

• 交易量越大，是否波动性越强？
• 这有助于理解大额交易对市场的影响。

3.6 小结

1. 特征选择：
   • 价格特征：open, high, low, close, volume
   • 时间特征：year, month, day_of_week
   • 技术指标：MA5, MA20, RSI14, volatility
2. 特征构造：
   • 计算移动均线（MA5, MA20）
   • 计算 RSI 指标
   • 计算波动性（标准差）
   • 提取时间特征（月份、星期）
3. 数据划分：
   • 训练集（80%） & 测试集（20%）
4. 可视化分析：
   • 移动均线趋势
   • RSI 指标
   • 交易量 vs. 波动性