govid13427742/regime-feature-engine
GitHub: govid13427742/regime-feature-engine
该工具将原始 OHLCV 数据转换为用于市场体制检测的去噪特征矩阵并完成标准化，解决特征工程在金融场景中的一致性与可用性问题。
Stars: 0 | Forks: 0
# regime-feature-engine
市场体制检测的特征工程领域服务。
## 边界上下文
将原始 OHLCV 市场数据转换为 10 维特征矩阵，捕捉收益动态、波动率结构以及回撤行为。
## 安装
```
pip install git+https://github.com/govid13427742/regime-feature-engine.git@main
```
## API
| 函数 | 描述 |
|------|------|
| `build_features(df)` | 从原始 OHLCV 数据构建完整特征矩阵 |
| `standardize(features)` | 对所有特征列进行 Z-score 标准化 |
## 生成的特征
`log_return`、`vol_10d`、`vol_20d`、`vol_of_vol`、`drawdown`、`skewness_20d`、`kurtosis_20d`、`momentum_5d`、`parkinson_vol`（可选）、`volume_change`（可选）
## 输出约定
`build_features()` 返回 `pd.DataFrame`：
- **索引**：`pd.DatetimeIndex`
- **保证**：无 NaN，无 inf，按日期排序
`standardize()` 返回 `(pd.DataFrame, StandardScaler)`：
- 均值为 ~0、标准差为 ~1 的 Z-score 标准化特征
## 依赖
- numpy、pandas、scikit-learn
标签：numpy, OHLCV, pandas, pip安装, Python, scikit-learn, SEO, Z-score, 偏度, 动量, 回归检测, 回撤, 对数收益, 峰度, 市场状态检测, 数据预处理, 无后门, 时间序列特征, 标准化, 波动率, 特征工程, 特征矩阵, 逆向工具, 金融工程, 领域服务