特徵工程 Feature Engineering
⚠️ 本站內容僅作教育用途，不構成投資建議。投資涉及風險，作出任何投資決定前請諮詢持牌專業人士。
特徵工程 Feature Engineering 指在訓練機器學習模型之前，由原始數據出發構造、轉換與篩選輸入變數（特徵）的整套工序，又稱擴充特徵空間（augmenting the feature space）。在金融時間序列上，常見做法包括：把歷史價差序列轉為滯後項、移動平均、波動率等衍生變數，或加入技術指標作為額外特徵，讓模型接觸更豐富的資訊。以配對交易為例，單用當日價差作輸入，與同時輸入過去二十日的價差走勢及相關指標，模型的預測能力可以大相逕庭。要注意：特徵越多不等於越好，無關或洩漏未來資訊的特徵會拖垮樣本外表現；特徵的構造必須嚴格只使用當時可得的數據，否則回測結果會失真。