特徴量エンジニアリング: ML モデルの秘密のソース

ゴミが入って、ゴミが出る。これがデータサイエンスの黄金律です。世界で最も先進的なニューラル ネットワークを使用できますが、生のノイズの多い価格データをフィードすると失敗します。 特徴エンジニアリング は、生データを意味のある入力に変換する技術です。

機能とは何ですか?

取引において「価格」は生データです。

• RSI (相対強度指数) は価格から導出される特徴です。
• ボラティリティ (ATR) は機能です。
• 時刻は機能です。

変革の芸術

効果的な特徴エンジニアリングには、予測パターンを強調する入力の作成が含まれます。

1. 正規化

価格は大きく異なります (ビットコインは 100 ドル対 100,000 ドル)。モデルが絶対的な数値ではなく相対的な変化を認識できるように、入力を正規化します (例: Log Returns または Z スコアを使用)。

2. ラグ機能

現在の価格は過去の価格に依存します。データの「遅れた」バージョン (t-1、t-2、t-5) を作成して、モデルに時間的コンテキストを与えます。

3. インタラクション機能

2 つのインジケーターを組み合わせると、単独では複数のインジケーターが明らかになることがよくあります。たとえば、「出来高 * 価格変化」により マネー フローが得られます。

過学習の回避

機能を追加しすぎると、「次元の呪い」が発生します。モデルはノイズによって混乱します。 PCA (主成分分析) などの手法を使用して、最も影響力のある機能のみを選択します。

私たちのアプローチ

TradingMaster の 市場分析 は、さまざまな市場状況にわたって堅牢性がテストされた、厳選された 200 以上の独自機能のセットに依存しています。