Напишу тут, чем я занимаюсь в данный момент.

Хочется сделать некий инструмент, который на основе классификации рыночных ситуаций по методу ближайших соседей будет отыскивать похожие на рынке ситуации и прикидывать вероятность реализации прогноза. Исходя из этого, можно при помощь формул MM рассчитать размер оптимального лота.

Сейчас пытаюсь нормализовать само понятие рыночной ситуации, чтобы его можно было представить в виде набора признаков или вектора, ну а далее уже дело техники(строим матрицу дистанций и выбираем n-ближайших соседей).

Задача на первом этапе, понять, какие признаки имеют наибольшие веса, исходя из их влияния на точный прогноз.

То есть нужно решить фактически задачу минимизации прогнозной ошибки для множества признаков.

Какие признаки изменения рыночной ситуации? Их тысячи. Очевидные: волатильность, объемы, ои, динамика(скорость) изменения какого-то параметра, уровни(да-да, ТА это зло, но уровни существуют) и так далее.

Задача второго этапа, написание самообучающейся модели классификатора рыночных ситуаций.

p.s. Идея не оригинальна и подобные классификаторы используются во-многих прикладных областях.