Feature Engineering: Az ML modellek titkos szósza

Szemet be, szemét ki. Ez az adattudomány aranyszabálya. Rendelkezhet a világ legfejlettebb neurális hálózatával, de ha nyers, zajos áradatokat táplál be, akkor meghibásodik. A Feature Engineering a nyers adatok értelmes bemenetekké alakításának művészete.

Mi az a funkció?

A kereskedésben az „ár” nyers adat.

• Az RSI (Relative Strength Index) egy árból származó jellemző.
• A volatilitás (ATR) egy jellemző.
• A napszak egy funkció.

Az átalakulás művészete

A hatékony szolgáltatástervezés magában foglalja a prediktív mintákat kiemelő bemenetek létrehozását.

1. Normalizálás

Az árak vadul változnak (Bitcoin 100 dollár vs 100 000 dollár). Normalizáljuk a bemeneteket (például naplóbejegyzések vagy Z-pontszámok használatával), így a modell relatív változásokat lát, nem abszolút számokat.

2. Lag Features

A jelenlegi ár a múltbeli ártól függ. Létrehozzuk az adatok "késett" változatait (t-1, t-2, t-5), hogy a modellnek időbeli kontextust adjunk.

3. Interakciós funkciók

Két mutató kombinálása gyakran önmagában is többet tár fel. Például a "Volume * Price Change" Money Flow-t ad nekünk.

A túlszerelés elkerülése

Túl sok funkció hozzáadása a "Dimenzionalitás átkához" vezet. A modell megzavarodik a zajtól. Olyan technikákat használunk, mint a PCA (Principal Component Analysis), hogy csak a leghatásosabb funkciókat válasszuk ki.

A mi megközelítésünk

A TradingMasternél a Piacelemzés több mint 200 szabadalmaztatott funkcióból álló összegyűjtött készletre támaszkodik, amelyeket a változó piaci körülmények között teszteltek.