Ingénierie des fonctionnalités : la sauce secrète des modèles ML

Déchets entrants, déchets sortants. C’est la règle d’or de la Data Science. Vous pouvez avoir le réseau neuronal le plus avancé au monde, mais si vous lui fournissez des données de prix brutes et bruitées, il échouera. L'Feature Engineering est l'art de transformer des données brutes en entrées significatives.

Qu'est-ce qu'une fonctionnalité ?

En trading, le « Prix » est une donnée brute.

• RSI (Relative Strength Index) est une caractéristique dérivée du prix.
• La volatilité (ATR) est une fonctionnalité.
• L'heure du jour est une fonctionnalité.

L'art de la transformation

Une ingénierie de fonctionnalités efficace implique la création d’entrées qui mettent en évidence des modèles prédictifs.

1. Normalisation

Les prix varient énormément (Bitcoin à 100 $ contre 100 000 $). Nous normalisons les entrées (par exemple, en utilisant les retours de journaux ou les scores Z) afin que le modèle voie les changements relatifs, et non les nombres absolus.

2. Fonctionnalités de décalage

Le prix actuel dépend du prix passé. Nous créons des versions « décalées » des données (t-1, t-2, t-5) pour donner le contexte temporel du modèle.

3. Fonctionnalités d'interaction

La combinaison de deux indicateurs en révèle souvent plusieurs à elle seule. Par exemple, « Volume * Changement de prix » nous donne Money Flow.

Éviter le surapprentissage

L'ajout de trop de fonctionnalités conduit à la « malédiction de la dimensionnalité ». Le modèle est perturbé par le bruit. Nous utilisons des techniques telles que PCA (Principal Component Analysis) pour sélectionner uniquement les fonctionnalités les plus percutantes.

Notre approche

Chez TradingMaster, notre analyse de marché s'appuie sur un ensemble organisé de plus de 200 fonctionnalités propriétaires, testées pour leur robustesse dans diverses conditions de marché.