type
status
date
slug
summary
tags
category
icon
password
📊 1. 价格趋势类（Trend Features）
这些是最基础、最稳定的信号来源：
- 移动均线（MA/EMA/SMA/WMA）
ema_5,ema_10,ema_20,ema_50（捕捉短中期趋势）ema_ratio_5_20,ema_ratio_10_50（均线比例）
- MACD（
macd,macd_signal,macd_hist）
- RSI（14、7周期）
- ADX（趋势强度）
- CCI（短期超买超卖）
- KDJ（J值尤其适合捕捉反转）
🌊 2. 波动率类（Volatility Features）
衡量市场“热度”和风险：
- 真实波动幅度 ATR（14）
- 布林带宽度（
boll_width = (upper-lower)/middle）
- 过去 N 根 K 线的高低差/收盘差
- 价格的标准差（rolling std）
💰 3. 资金结构类（Position & Funding Features）
特别是你提到的 资金费率，在衍生品市场非常有效：
funding_rate（原始值）
funding_rate_change（变化率）
funding_rate_abs（绝对值）
- 持仓量 OI（原始值 / 变化率 / 相对价格变化）
- 成交量 Volume（原始值 / 变化率 / 相对价格变化）
- 成交量均值与当前成交量的比值（
vol_ratio）
😎 4. 市场情绪类（Sentiment / Order Flow Features）
如果能获取盘口数据，可以用：
- 买卖盘挂单比（
bid_ask_ratio）
- 主动买入/主动卖出量比（taker buy/sell）
- 大单交易占比（block trades）
🧠 5. 时间与周期类（Time Features）
CatBoost 很擅长处理这些：
- 小时、分钟、星期几（one-hot编码）
- 当前 K 线相对于交易日的位置（早盘/午盘/收盘）
⚙️ 样本标签（Target）
- 可以定义为 未来 N 根 5m K 线涨跌：
- 如果你做中性策略，也可以用收益率阈值：
✅ CatBoost 特征工程关键建议
- 不用标准化（CatBoost 内部会处理）
- 用滑动窗口生成趋势+波动+资金+情绪的混合特征
- 至少保留 2000+ 样本才能稳定收敛
- 防止数据泄露：生成特征必须用历史数据，不能偷看未来
- 作者:Lairdnote
- 链接:notion.feedscoin.com/article/catboost%205m%20%E9%A2%84%E6%B5%8B%E6%B6%A8%E8%B7%8C%20%20%E9%9C%80%E8%A6%81%E9%82%A3%E4%BA%9B%E7%89%B9%E5%BE%81
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。