Рассмотрено использование алгоритма эволюционного обучения как промежуточного шага в использовании нейросетей для алгоритмической торговли. Эволюционный алгоритм позволяет решить проблему разметки данных для обучения. Правильная разметка тренировочных данных значительно повышает шансы успеха при поиске зависимости между рыночной ситуацией и оптимальной настройкой. А полная автоматизация генерации разметок позволяет алгоритму адаптироваться под изменения рынка. Склонность эволюционных алгоритмов к перенасыщению позволяет находить оптимальные, хоть и не общие решения, то есть наилучшие решения для конкретной рыночной ситуации, непереносимые на другие ситуации.