Datasets:
language:
- pt
- en
license: mit
task_categories:
- image-to-text
- visual-question-answering
tags:
- trading
- finance
- vlm
- gemma-3
- unsloth
- bollinger-bands
- technical-analysis
dataset_info:
features:
- name: image
dtype: image
- name: conversations
list:
- name: from
dtype: string
- name: value
dtype: string
Nexus-V11-Bollinger-Kinematics
🚀 Overview
Este é um dataset multimodal de alta precisão projetado para treinar Vision-Language Models (VLMs), como o Gemma 3, para identificar exaustão e oportunidades de trading institucional usando a estratégia de Bandas de Bollinger (filosofia Didi Aguiar).
O dataset foi gerado usando uma técnica de Hindsight Mining, onde um algoritmo identifica os topos e fundos perfeitos no futuro e captura o "snapshot" exato do momento da decisão no passado.
📊 Dataset Composition
- Volume: 232 amostras milimetricamente rotuladas.
- Timeframes: 50% Gráfico de 1 Hora (1H) e 50% Gráfico de 4 Horas (4H).
- Ativos: BTC/USDT, ETH/USDT, SOL/USDT.
- Formato: Arquivo
.jsonl(ShareGPT Multimodal) + Imagens Clean (sem eixos).
🧠 Decision Logic (The "Right-Edge" Principle)
Diferente de datasets estáticos, este modelo foi treinado com o princípio de que "O Agora é a Ponta Direita".
- Todas as imagens terminam exatamente no candle de entrada ou saída.
- A IA aprende a ler a topologia das bandas de Bollinger (cor vermelha) em relação à distância do preço (linha preta) para prever a exaustão.
🛠️ Usage (Unsloth / Colab)
Este dataset é compatível nativamente com o ecossistema Unsloth. Para usar no seu notebook:
from datasets import load_dataset
dataset = load_dataset("SpaceGhost/Nexus-V11-Bollinger-Kinematics", split="train")
📜 Strategy: Didi Aguiar Agulhada (Visual Adapt)
A lógica foca no estreitamento das bandas (Squeeze) seguido da expansão (Release).
- COMPRA: Preço toca/fura a banda inferior, bandas começam a abrir no fundo.
- VENDA: Preço estica a banda superior, bandas atingem afastamento máximo indicando sobrecompra.
Desenvolvido por SpaceGhost - Nexus Intelligence Project.