データドリブンの本質を解析するにあたり、特徴量の構造は不可欠なプロセスです。 このシリーズでは、特徴量の種類を初心者でも理解できるように簡潔に解説します。
【その1】リターン系
常に元データを基に、n日間の変化率や平均を解析します。
【その2】モメンタム系
RSIやMACDなど、動きの加速度や方向性を数値化します。
【その3】ボラティリティ系
価格変動の激しさを捉えるATRやHV、応用指標によってリスク管理・戦略選択の基盤を構築。
【その4】ろうそく足構造系
実体・ヒゲ比率や連続パターンなどを数値化し、買い圧力・売り圧力や相場の心理をクオンツ的に可視化。
【その5】特殊系・複合系
RSI÷ATRやMACD×HVなど、複数指標を掛け合わせて市場の奥行きを捉える高次元な特徴量設計。
【その6】時間系・外部要因
時間帯・曜日・外部指標などを使い、市場の地合いや環境リズムを捉える特徴量群。
【その7】相関・統計系
相関・分散・平均など、統計的手法で特徴量の構造や信頼性を数値化する基礎系ファクター
【その8】フィルター型
「勝てる地合い」を数値化し、戦略のON/OFFを制御するフィルター型特徴量の活用法。
【その9】Zスコア・標準化系
特徴量のスケールを同一化するための前処理。スプレッドやロンショートストラテジーにも必須。
【その10】ファンダメンタルズ型
財務指標や外部経済データを定量化し、中長期トレンドや構造変化を捉える特徴量設計。
【その11】機械学習用特徴量
スケーリングとICで精度を高める、機械学習モデルに最適な特徴量設計法を解説。
【その12】結合・進化型／出来高・VWAP・ノイズ除去系の特徴量
出来高・VWAP・ノイズ除去・進化型で、流動性と異常検出を戦略の武器に変える。
ご期待頂きありがとうございます。
完成済みの記事は順次リンクされますので、是非ご参考にしてください。
内容については変更する可能性もありますが、ご了承ください。
せしょうのX（旧Twitter）→ せしょう＠225オプション投資家（@sesyo5）さん / X