Алготрейдинг, как вы определяете какой из множества предикторов выбрать?

Алгоритм трейдинга:

— Есть N предикторов (алгоритмов, закономерностей) найденных на исторических данных. Какие то работали в прошлом, потом перестали, какие то работают до сих пор. Итого несколько десятков или сотен таких предикторов.
— Каждый предиктор сообщает а) знак следущего приращения цены б) амплитуду в) достоверность предсказания (вероятность, насколько он сам уверен что не ошибается).
— И трейдер (тоже алгоритм), который выбирает какой предиктор использовать в данный момент, из доступных N предикторов (может спрашивает у каждого насколько он уверен в предсказании и выбирает максимальный, может как то еще).
— Трейдер так же выбирает сделать ставку сейчас или пропустить и ждать следущего случая. Трейдер не обязан торговать на каждый тик, он может пропускать сотни и тысячи тиков, и совершает продажу/покупку только если считает нужным, например и уверен в своем предсказании. 

Предикторы это небольшие правила, которые смотрят на например прошлую историю цены, скажем 1000 прошлых тиков, возможно также дополнительно какие то другие данные, корреляции и т. п. Мы их ищем бактестингом, запускаем алгоритм на прошлых данных и перебирая всевозможные закономерности пытаемся найти вариант который как то предсказывает будущее. Они иногда работают, иногда перестают работать, тем не менее мы их все равно собираем. И таких правил мы насобирали несколько сотен. Такой поиск долгий и тяжелый процесс, переборы триллионов вариантов, и он делается заранее, до самого трейдинга.

Вопросы:

а) Как реализован алгоритм трейдер который выбирает какой из N предикторов использовать в данный момент?

б) Чем это отличается от использования нейросети? По сути то что мы делаем, пропуская трейдинговые данные через N предикторов — это снижаем размерность данных, сжимаем исходные данные (например в 1000 прошлых тиков ) в некий малый осмысленный обьем, получаем некий семантический вектор размерности N (выходные данные N предикторов давших свои заключения). И на базе этого семантического вектора N, алгоритм трейдер некоторым образом принимает решение о торговле. По сути это похоже на сверточную нейросеть, где куча мелких кусочков сети (аналогов предикторов) распознают мелкие паттерны (превращают изображение в семантический вектор), и затем уже другие глубинные уровни, на базе этих данных принимают решение что изображено на картинке.

Зачем делать все это вручную (изобретать структуру предикторов, как неких линейных функций или полиномов и т.п.), если можно использовать готовые архитектуры сетей (по сути они и есть такие универсальные операторы), плюс готовую инфраструктуру — отлаженные и эффективные алгоритмы их обучения на GPU, и даже на фермах GPU.

У нейроесетей есть проблема, они тормозные и по скорости работы специализированные предикторы (линейные или полиномы) — на порядки быстрее, но учитывая что скоростного канала у нас все равно нет, то и толку от этой скорости нам никакого, и на чем считать без разницы.

в) Что помешает брокеру или частным инвест фондам, запустить такую нейросеть на ферме GPU и перебрать все эти варианты? И имея льготные комиссии и скоростные каналы, забрать прибыль, и сделать рынок «эффективным», обнулив все эти предсказания. Как вы их побиваете (находите то что не смогли найти они), находясь в более сложных условиях, меньше данных, и ниже скорость данных?

П.С. Навеяно прочтением постов «Мальчик buybuy», насколько я понял алгоритм работает примерно так. Не понимаю как он приносит прибыль, ведь каждый второй фонд алготрейдинга, делает то же самое? Я использую другой подход, анализ финотчетности, но задача эта интересная и интересно узнать как люди ее решают.