Использование Машинного Обучения в торговых системах. Простейшее применение.

Допустим, делаете вы торговую аж на 5 или больше индикаторах. Их как-то надо обернуть логикой принятия решений, потом как-то настроить, подобрать параметры в логике — работа большая, требующая много времени. Но вы сами эту систему разработали, и уже в основном знаете, что конкретно должна искать ваша логика. А раз так, то вы уже примерно знаете, где конкретно ваша логика должна выдавать свои сигналы.
В подобных случаях мы можем существенно облегчить себе работу, поручив построение логики методам Машинного Обучения (МО).
Входы мы знаем, выходы нам тоже примерно известны — строим обучающую последовательность для выбранного метода МО. Затем нормируем нашу обучающую последовательность к входам/выходам метода МО. Обучаем. Проверяем. Получаем готовую логику для нашей торговой системы.
Отмечу, что в данном конкретном случае нас не должны особо заботить переобучение и прочие проблемы МО — мы делаем вполне однозначную систему.
В нашем случае мы всего-навсего используем МО как обучаемую логику.
Ну, и какие основные методы можно использовать: нейросети, леса-деревья, Байесовские классификаторы. В нашем случае за какими-то сверхсложными методами гнаться не надо, вполне подойдут простейшие решения.
Да, и за вас, в данном случае, методы МО ничего делать или искать не будут. Они только строят логику вашей системы по вашему заданию. Что конкретно должна делать такая логика, это вы должны знать сами и четко сформулировать это в обучающей последовательности.

PS Продолжение темы: Топик где обсуждаются возможности реализация стратегии с применением Lua, С++ и Python - Использование Машинного Обучения в торговых системах. Реализация.