Добрый день,
Когда я преподавал на факультете повышения квалификации,
то на первом занятии я знакомился со слушателями и по их уровню знаний
в дальнейшем определял как излагать свои лекции.
К сожалению, я не знаю Вашего уровня знаний,
поэтому мне сложно угадать, как надо вам объяснить.
Поэтому вероятнее всего мой ответ будет иметь малый кпд.
Если Вы изучали нейронные сети и методы прогнозирования в вузе,то проще почитать лекции.
Если не изучали, то тоже хорошо бы начать с изучения учебников.
Попробую объяснить на пальцах.
Нейронная сеть — это система уравнений с неизвестными коэффициентами и программа поиска значений данных коэффициентов.
Если, при построении торгового алгоритма руками,
Вы сами задаете указанную систему уравнений(правил) и потом оптимизируете коэффициенты,
то нейронная сеть строит эту систему уравнений,
используя в качестве критерия указания учителя или критерии компактности.
Иначе сказать, Вы, как учитель, знаете лишь набор правильных ответов и указываете их системе,
кроме того, вы указываете первичные признаки,
которые по вашему мнению могут быть связаны с правильными решениями.
Нейронная сеть строит функциональную связь признаков с правильными решениями методами поиска оптимального решения.
Современные нейронные сети — это очень простая модель человеческого мозга.
По аналогии с обучением человека, для обучения нейронной сети «от печки» потребуется очень много времени и исходных данных.
Поэтому и применяется учитель,который систематизирует и сжимает первичную информацию, что обеспечивает эффективное обучение.
На основе своего опыта и знаний я выбираю совокупность первичных признаков, из которых, для ускорения обучения могу сформировать совокупность вторичных признаков.
Кроме того, у меня есть график цены, на котором я могу помечтать о том, что возможно если бы я заранее знал , что так будет, то изменил свою позицию в этой точке.
Вот эта информация и вводится в систему распознавания образов(нейронную сеть) на этапе обучения с учителем.
Система перебирает исторические данные и получает какие-то решения.
После этого она сравнивает с решением учителя, если решения равны, то система поощряется,
если она ошиблась — то она наказывается.
И так кругами (повторение — мать учения),
до тех пор пока система либо перестанет ошибаться ( все выучила), либо учитель поймет,
что систему обучить нельзя.

Всякую стратегию можно сделать прибыльной путем оптимизации ее параметров на длительной истории.
Нейронная сеть сама строит стратегию, а будет ли она прибыльной зависит от набора признаков
и алгоритма построения связей в сети ( от процесса обучения).

Добрый вечер,
Не удивительно,что кпд моих пояснений очень низкий.
Попробую повторить еще раз. Более или менее эффективную систему прогноза на современных вычислительных средствах можно построить лишь с использованием предварительной обработки человеком ( с помощью компьютера ) исходной информации для выделения информативных признаков и
выбора класса (структуры) сети , вторичных признаков.
Кроме того, построенная сеть является вполне конкретной реализацией и она мне точно известна.
Более того, я ее оптимизирую и ищу на ее основе наиболее информативные признаки.