在金融 ML 里，特征工程的产出效率是模型调参的数倍：把领域知识编码进特征，比让模型自己从原始数据里挖更省样本、更抗过拟合。本篇按三个构造维度组织手册，再处理两个生死问题：泄漏与稳定性。
维度一：时序特征——把一条序列变成一组统计量
对每个原始变量（价格、量、波动、财务指标），构造多窗口统计家族：
- 动量族：
ret_5/20/60（多窗口收益）、price/ma20 − 1（相对均线偏离）； - 波动族：
std_20、std_20/std_60（波动变化率）、下行波动占比； - 位置族：当前价在 60 日高低区间的分位、距离前高的天数；
- 结构族：收益率偏度/峰度（20 日）、上涨天数占比、连续同向天数；
- 变化率族：换手率的环比/同比——「变量本身」与「变量的变化」是不同的信息（水平值慢、变化快）。
设计原则：窗口族化（每个核心变量给 3–5 个窗口，让树模型自己学哪档有效）优于单窗口精调；语义命名（reversal_5d 而不是 x37）——特征可解释性是后来排查泄漏与失效的线索。
维度二：截面特征——把「绝对水平」变成「相对位置」
原始值（市值 500 亿）对横截面预测几乎无意义，有意义的是相对位置：
- 分位数：行业内 rank/percentile——消除行业与规模量纲，树模型对这类 [0,1] 特征极其友好（见因子构建 的标准化）；
- 相对偏离：个股值 − 行业中位（财务比率的行业差）；
- 分组哑变量 / 序数编码：市值五分位组、风格组标签；
- 截面条件特征：「低估值 AND 高质量」的双条件标记——把组合逻辑显式编码为特征。
截面的正确打开方式还有时变基准：所有截面操作按「当日截面」计算（不是全样本）——这既是统计正确性也是泄漏防线（见下文）。
维度三：交叉特征——编码交互假设
树模型理论上能自动学交互（分裂路径即交互），但显式构造语义交互更省样本也更稳：
- 量价交互：
量变化 × 价变化（放量上涨 vs 缩量上涨，经典四象限）； - 波动 × 估值：低波 × 低估值（双低风险结构）；
- 资金 × 动量：北向流入 × 前期滞涨（资金抢筹滞涨股）；
- 时间交互：财报临近度 × 预期差（事件窗口的条件因子）。
每条交叉特征都应有一个经济学假设写在注释里——「这组交互可能捕捉什么」回答不了的交叉特征，过拟合风险大于信息价值。
特征泄漏：六种形态与防线
泄漏（label leakage）是金融 ML 的第一死因——模型「通过未来作弊」，样本外必然现形。六种形态：
- 时间泄漏：特征窗口包含标签期（用 20 日收益做标签，特征却含当日后的数据）——防线：特征与标签的时间区间严格不相交 + 逐特征审计可知时点；
- 截面泄漏：用全样本统计量标准化（全期均值/方差含未来）——防线：一切统计按「当日截面」或「滚动至当日」（见统计推断 的口径纪律）；
- 幸存者泄漏：股票池用今天的成分回测历史——防线：动态当时在市池（见数据清洗 ）；
- 处理泄漏：用全样本拟合的 scaler/PCA/编码器进入回测——防线：一切「拟合型」变换只能在训练区拟合、滚动应用（Walk-Forward 的思想下沉到特征层，见Walk-Forward ）；
- 标签工程泄漏：标签用了未来才知的信息（如「未来 20 日是否 ST」含披露滞后）——防线：标签也要 PIT 化；
- 选择泄漏：特征筛选用全样本重要性挑出的特征再进 CV——防线：特征筛选嵌进 CV 循环内（每折只用自己的训练区筛特征）。
泄漏的体检法：构造「打乱标签」的对照实验——把标签随机重排后重新训练，若模型绩效仍然不错（如重要性前特征仍显著），特征里几乎必有泄漏。
特征稳定性：时间维度的体检
金融特征的时间稳定性与预测力同等重要：
- 重要性漂移：滚动窗口重训，特征重要性的排名方差——重要性暴涨暴跌的特征是「噪声探测器」（它在拟合每个窗口的独特噪声）；
- 单调性检查：特征与收益的关系（分箱收益）跨期是否保持方向——方向翻转的特征要么做状态条件处理、要么剔除（与因子失效监控同构，见因子库 ）；
- 覆盖率与缺失模式：特征的覆盖度随时间的漂移（另类数据早期覆盖稀疏）——覆盖率突变的时期单独检验。
特征库的管理与因子库同构（版本、元数据、血缘——见因子存储 ），特征是因子的高维延伸，管理纪律不因形态变花哨而放松。