В вашем вопросе уже частично есть ответ. А именно: нужно ли вообще применять ML? Тут никакой шутки нет, наоборот, важно понять, какую цель вы преследуете и затем максимально точно поставить задачу. Ибо это позволит вам определить критерии качества (хотя бы приблизительно). Имеет смысл посмотреть, а какие способы человечество уже придумало для вашего класса задач и чем они вас конкретно не устраивают. Иногда, кстати, бывает, что ML может нести не количественную выгоду (точность выше, например), а качественную (меньшие затраты при сопоставимой точности, лучшая утилизация оборудования, и т.п.).
И если всё таки будет принято решение, что без ML - никуда, тогда придётся неизбежно погружаться в предметную область, исследовать, какие данные есть в наличии, что, может, необходимо ещё собрать, понять зависимости в данных. И вот поэтому на ваш вопрос, скорее всего, нет прямого ответа, выбрать самые правильные признаки непросто, и пока мы не знаем, как это сделать хорошо, быстро и лучше всего автоматически. Есть алгоритмы, которые иногда могут помочь (PCA, например), но это не всегда.
Эх, если б было так просто предсказать доходность акций, то финтех бы уже умер, унеся с собой в могилу весь финансовый рынок.