Натягиваю ML поверх паттернов.

CloseToAlgoTrading, Ну вот если пользоваться подходом, описываемым RTT, будут пропуски точно, а будет ли лишнее — тут уже как опишешь, ты, условно, переходишь на описание логики, оперируя экстремумами, на этом уровне задаешь как должен выглядеть паттерн и много ли будет лишнего находиться.

Мой подход исключает пропуски (расплачиваюсь медленной скоростью). А вот с лишними я борюсь с помощью ML — если какой-то паттерн плох, «не красив» — модель наоборот должна его увидеть, а дальше пусть сама учится тому «что такое хорошо, а что такое плохо».

Ручная разметка — это прилично другой подход, конечно. Были такие мысли, чтобы потом в какую-нить нейросеть со сверточными слоями закинуть, но это сильно другое — это направление ещё не трогал.

Дало это хоть кому  — ПРЕИМУЩЕСТВО?

НЕТ!

У вас очень громкие заявления, очень безапелляционные, слишком обобщенно.

Во-первых, откуда я знаю, кому это что дало и кому не дало и уж точно не могу знать, дало ли хоть кому-то. Но вы, видимо, знаете)). 

Во-вторых, к чему мне эта информация? — Дало, не дало. Меня интересует только то, даст ли это что-то мне и если даст, то что. Это и есть цель моего рисеча. Остальное — пустое.

3Qu, Может это какой-то эволюционный сбой у меня, но мне как-то по барабану, что там на mql5 обсуждают + не думаю, что прям так достоверно можно выявить по видимым признакам, получается ли у кого-то, насколько хорошо, какова доля тех, у кого получается и т.д.

Лишь, замечу, «паттерны» (не оч понимаю что это такое) для обучения должна выделять само ML, т.к. в выборке для обучения должны присутствовать как правильные, так и неправильные ответы в пропорциях, в которых они встречаются в реальности.

Ну это только один из множества вариантов. ML — это разные типы моделей (например, есть обучение без правильных ответов), разные признаковые описания, совершенно разные таргеты, по-разному можно квантовать данные, в разных разрезах и под разными углами смотреть на данные и т.д.

reserved, Мм, anomaly detection — любопытно, поизучаю, спасибо.