Funktionsteknik: ML-modellernas hemliga sås

Skräp in, skräp ut. Detta är den gyllene regeln för datavetenskap. Du kan ha det mest avancerade neurala nätverket i världen, men om du matar det med rå, bullriga prisdata kommer det att misslyckas. Feature Engineering är konsten att omvandla rådata till meningsfulla indata.

Vad är en funktion?

I handel är "Pris" rådata.

• RSI (Relative Strength Index) är en funktion som härrör från priset.
• Volatilitet (ATR) är en funktion.
• Tid på dagen är en funktion.

Konsten att förvandla

Effektiv funktionsteknik innebär att skapa indata som lyfter fram prediktiva mönster.

1. Normalisering

Priserna varierar kraftigt (Bitcoin på $100 vs $100.000). Vi normaliserar indata (t.ex. med hjälp av log Returns eller Z-poäng) så att modellen ser relativa förändringar, inte absoluta tal.

2. Fördröjningsfunktioner

Nuvarande pris beror på tidigare pris. Vi skapar "laggade" versioner av data (t-1, t-2, t-5) för att ge modellen tidsmässigt sammanhang.

3. Interaktionsfunktioner

Att kombinera två indikatorer visar ofta mer än en ensam. Till exempel, "Volym * Prisändring" ger oss Money Flow.

Undviker övermontering

Att lägga till för många funktioner leder till "Dimensionalitetens förbannelse". Modellen blir förvirrad av buller. Vi använder tekniker som PCA (Principal Component Analysis) för att bara välja de mest effektfulla funktionerna.

Vårt tillvägagångssätt

På TradingMaster förlitar sig vår Marknadsanalys på en kurerad uppsättning av över 200 egenutvecklade funktioner, testade för robusthet under varierande marknadsförhållanden.