Feature Engineering
Konstruktion aussagekräftiger Eingabevariablen für ML-Modelle.
Feature Engineering ist der Prozess, aus Rohdaten Variablen zu konstruieren, die ein ML-Modell besser lernen lassen. In Finanzdaten: Returns statt Preise, Volatilitäts-Schätzer, technische Indikatoren, Rolling-Statistiken, Volumen-Profile, Calendar Features, Cross-Asset-Signale.
In der Trading-ML gilt: Feature Engineering schlägt oft Modell-Komplexität. Ein einfacher Random Forest mit guten Features übertrifft ein tiefes neuronales Netz auf schlechten Rohdaten. Hüten Sie sich vor Look-Ahead in Features und Stationaritäts-Verletzungen.
Sie wollen das Konzept in der Praxis sehen?
Zu den interaktiven Tools