Feature Engineering: de geheime saus van ML-modellen

Vuilnis erin, afval eruit. Dit is de gouden regel van Data Science. Je kunt het meest geavanceerde neurale netwerk ter wereld hebben, maar als je het ruwe, luidruchtige prijsgegevens invoert, zal het mislukken. Feature Engineering is de kunst van het transformeren van ruwe data in betekenisvolle input.

Wat is een functie?

In de handel bestaat ‘Prijs’ uit ruwe gegevens.

• RSI (Relative Strength Index) is een kenmerk dat is afgeleid van de prijs.
• Volatiliteit (ATR) is een functie.
• Tijd van de dag is een functie.

De kunst van transformatie

Effectieve feature-engineering omvat het creëren van input die voorspellende patronen benadrukt.

1. Normalisatie

Prijzen variëren enorm (Bitcoin voor $100 versus $100.000). We normaliseren invoer (bijvoorbeeld met behulp van Log Returns of Z-scores), zodat het model relatieve veranderingen ziet, en geen absolute getallen.

2. Lag-functies

De huidige prijs is afhankelijk van de prijs uit het verleden. We creëren "vertraagde" versies van gegevens (t-1, t-2, t-5) om het model een tijdelijke context te geven.

3. Interactiefuncties

Het combineren van twee indicatoren brengt vaak meer dan één indicator aan het licht. 'Volume * Prijsverandering' geeft ons bijvoorbeeld Geldstroom.

Overfitting vermijden

Het toevoegen van te veel functies leidt tot de ‘Curse of Dimensionality’. Het model raakt in de war door ruis. We gebruiken technieken zoals PCA (Principal Component Analysis) om alleen de meest impactvolle functies te selecteren.

Onze aanpak

Bij TradingMaster vertrouwt onze Marktanalyse op een samengestelde set van meer dan 200 eigen functies, getest op robuustheid onder verschillende marktomstandigheden.