Это вариант с системами. Я попробовал систему на МА. Думал сеть научиться фильтровать входы. Не научилась. А вообще для обучения сети нужны примеры. Если мы учим сеть определять входу. Нужен набор данных для входов. Т.е. в момент входа берем данные которые подаются на вход и на выход подаем то что они значат. Так же нужны данные когда нет входов. Эти данные нужны для обучения. Когда сеть обучена мы берем текущие данные (последние) и сеть определяет есть ли вход. Т.е. сеть научилась отличать входы от не входов.
Я с самого начала спрашивал тебя - какой во всем этом смысл? То, что ты здесь описал - это банальная работа любого стандартного советника. МЫ придумываем ТС, формулируем критерии для входа и выхода, а советник потом распознает по указанным критериям эти входы и выходы, благодаря чему в нужные моменты открывает и закрывает позиции. Заметь, без всякого обучения! Да еще и сверх того, можно задать ему и изменение объемов, и стопы, и время работы и многое другое. В чем смысл "обучения сетей", если, судя по твоему описанию, они в итоге делают тоже самое, но "через колено" и с меньшими возможностями?
Смысл нейронных сетей может быть только в том, чтобы мы на входе подавали просто график цены, а сеть, прогнав через себя эти графики тысячи раз, нашла "закономерности" изменений цены, и на выходе дала готовую ТС, способную с высокой частотой предсказывать по найденным закономерностям изменения цены в будущем. Но искать и обучаться закономерностям она должна САМА! А у тебя это "каша из топора". Сам придумай закономерности, найди способ доступно запихать их в сеть, запрограммируй на выходе индикатор или советник по засунутому в нее, и в итоге получишь чудо систему)) Нелепо это.