XGBoost模型在债券择时中的特征工程设计与稳定性筛选机制是什么？

研究构建了涵盖技术动量、利率曲线、宏观变量与期现结构的四维特征体系。技术动量因子通过趋势指标、形态识别及跨资产情绪刻画市场微观结构；利率曲线因子利用绝对收益率、期限利差、信用利差及资金价格反映相对估值；宏观变量引入高频数据与大宗商品映射以捕捉基本面边际变化；期现结构因子则通过期货定价偏离与交易情绪捕捉前瞻信号。

为解决数据痛点，研究对宏观变量采用差分表达，以捕捉预期修正而非静态水平，因为债券定价更关注边际变化；对利率曲线采用分位数表达，将不可比的绝对值转化为可比的相对尺度，以消除宏观中枢长期漂移的影响。这两种变换共同降低了特征对经济中枢漂移的敏感度。

在特征提纯方面，研究设计了双层机制。首先，通过稳定性得分筛选，计算特征在多个历史锚点上的平均信息增益与跨期波动，剔除增益不稳定或为负的特征，保留跨阶段有效的变量。其次，进行全局相关性剪枝，对相关系数超过阈值的高相关特征组强制剔除冗余项，仅保留稳定性更高的表达方式。这一机制大幅降低了共线性干扰，确保了最终入模特征的高独立性与清晰的经济含义。