Feature Engineering Cho Model Trading: Chọn Đặc Trưng Nào?

Cách chọn feature hiệu quả cho model ML trading: ATR, RSI, session, wick ratio, và tại sao ít feature tốt hơn nhiều feature.

Feature là gì và tại sao quan trọng?

Feature (đặc trưng) là các con số mô tả bối cảnh thị trường tại thời điểm vào lệnh, được đưa vào model học máy để dự đoán xác suất thắng/thua. Chất lượng feature quan trọng hơn độ phức tạp của thuật toán — một model đơn giản với feature tốt thường vượt trội một model phức tạp với feature kém.

Nhóm feature hiệu quả cho trading

1. Feature biến động (Volatility)

ATR (Average True Range) — đo mức biến động trung bình, giúp model hiểu bối cảnh thị trường đang 'yên tĩnh' hay 'dữ dội'.

2. Feature động lượng (Momentum)

RSI, tỷ lệ thân nến/bóng nến (wick ratio) — phản ánh áp lực mua/bán tại thời điểm entry.

3. Feature thời gian (Temporal)

Session (Á/London/NY/Overlap) — nhiều nghiên cứu cho thấy winrate khác biệt đáng kể giữa các phiên giao dịch.

4. Feature cấu trúc (Structural)

Khoảng cách entry đến swing gần nhất, số lần vùng Order Block đã bị test, vị trí entry trong vùng OB (0=đáy, 1=đỉnh).

Bao nhiêu feature là đủ?

Chuẩn hóa dữ liệu (Normalization)

Các feature có đơn vị khác nhau (ATR tính bằng giá, RSI tính bằng 0-100, session là số nguyên 0-3) cần được chuẩn hóa về cùng thang đo trước khi đưa vào model — thường dùng z-score normalization (trừ trung bình, chia độ lệch chuẩn) để tránh feature có giá trị lớn lấn át feature có giá trị nhỏ.

Câu hỏi thường gặp