Feature Engineering: Das Geheimnis von ML-Modellen

Müll rein, Müll raus. Dies ist die goldene Regel der Datenwissenschaft. Sie können das fortschrittlichste neuronale Netzwerk der Welt haben, aber wenn Sie es mit rohen, verrauschten Preisdaten füttern, wird es scheitern. Feature Engineering ist die Kunst, Rohdaten in aussagekräftige Eingaben umzuwandeln.

Was ist eine Funktion?

Im Handel handelt es sich bei „Preis“ um Rohdaten.

• RSI (Relative Strength Index) ist eine vom Preis abgeleitete Funktion.
• Volatilität (ATR) ist eine Funktion.
• Tageszeit ist eine Funktion.

Die Kunst der Transformation

Zu einem effektiven Feature-Engineering gehört die Erstellung von Eingaben, die Vorhersagemuster hervorheben.

1. Normalisierung

Die Preise variieren stark (Bitcoin bei 100 $ vs. 100.000 $). Wir normalisieren Eingaben (z. B. mithilfe von Log Returns oder Z-Scores), sodass das Modell relative Änderungen und keine absoluten Zahlen erkennt.

2. Verzögerungsfunktionen

Der aktuelle Preis hängt vom vergangenen Preis ab. Wir erstellen „verzögerte“ Versionen von Daten (t-1, t-2, t-5), um dem Modell einen zeitlichen Kontext zu geben.

3. Interaktionsfunktionen

Die Kombination zweier Indikatoren ergibt oft mehr als nur einen. Beispiel: „Volumen * Preisänderung“ ergibt Geldfluss.

Überanpassung vermeiden

Das Hinzufügen zu vieler Funktionen führt zum „Fluch der Dimensionalität“. Das Modell wird durch Rauschen verwirrt. Wir verwenden Techniken wie PCA (Principal Component Analysis), um nur die wirkungsvollsten Funktionen auszuwählen.

Unser Ansatz

Bei TradingMaster basiert unsere Marktanalyse auf einem kuratierten Satz von über 200 proprietären Funktionen, die unter verschiedenen Marktbedingungen auf Robustheit getestet wurden.