Datasets:
Upload folder using huggingface_hub
Browse files
README.md
CHANGED
|
@@ -1,3 +1,61 @@
|
|
| 1 |
-
---
|
| 2 |
-
|
| 3 |
-
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- pt
|
| 4 |
+
- en
|
| 5 |
+
license: mit
|
| 6 |
+
task_categories:
|
| 7 |
+
- image-to-text
|
| 8 |
+
- visual-question-answering
|
| 9 |
+
tags:
|
| 10 |
+
- trading
|
| 11 |
+
- finance
|
| 12 |
+
- vlm
|
| 13 |
+
- gemma-3
|
| 14 |
+
- unsloth
|
| 15 |
+
- bollinger-bands
|
| 16 |
+
- technical-analysis
|
| 17 |
+
dataset_info:
|
| 18 |
+
features:
|
| 19 |
+
- name: image
|
| 20 |
+
dtype: image
|
| 21 |
+
- name: conversations
|
| 22 |
+
list:
|
| 23 |
+
- name: from
|
| 24 |
+
dtype: string
|
| 25 |
+
- name: value
|
| 26 |
+
dtype: string
|
| 27 |
+
---
|
| 28 |
+
|
| 29 |
+
# Nexus-V11-Bollinger-Kinematics
|
| 30 |
+
|
| 31 |
+
## 🚀 Overview
|
| 32 |
+
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).
|
| 33 |
+
|
| 34 |
+
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.
|
| 35 |
+
|
| 36 |
+
## 📊 Dataset Composition
|
| 37 |
+
- **Volume:** 232 amostras milimetricamente rotuladas.
|
| 38 |
+
- **Timeframes:** 50% Gráfico de 1 Hora (1H) e 50% Gráfico de 4 Horas (4H).
|
| 39 |
+
- **Ativos:** BTC/USDT, ETH/USDT, SOL/USDT.
|
| 40 |
+
- **Formato:** Arquivo `.jsonl` (ShareGPT Multimodal) + Imagens Clean (sem eixos).
|
| 41 |
+
|
| 42 |
+
## 🧠 Decision Logic (The "Right-Edge" Principle)
|
| 43 |
+
Diferente de datasets estáticos, este modelo foi treinado com o princípio de que **"O Agora é a Ponta Direita"**.
|
| 44 |
+
- Todas as imagens terminam exatamente no candle de entrada ou saída.
|
| 45 |
+
- 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.
|
| 46 |
+
|
| 47 |
+
## 🛠️ Usage (Unsloth / Colab)
|
| 48 |
+
Este dataset é compatível nativamente com o ecossistema **Unsloth**. Para usar no seu notebook:
|
| 49 |
+
|
| 50 |
+
```python
|
| 51 |
+
from datasets import load_dataset
|
| 52 |
+
dataset = load_dataset("SpaceGhost/Nexus-V11-Bollinger-Kinematics", split="train")
|
| 53 |
+
```
|
| 54 |
+
|
| 55 |
+
## 📜 Strategy: Didi Aguiar Agulhada (Visual Adapt)
|
| 56 |
+
A lógica foca no estreitamento das bandas (Squeeze) seguido da expansão (Release).
|
| 57 |
+
- **COMPRA:** Preço toca/fura a banda inferior, bandas começam a abrir no fundo.
|
| 58 |
+
- **VENDA:** Preço estica a banda superior, bandas atingem afastamento máximo indicando sobrecompra.
|
| 59 |
+
|
| 60 |
+
----
|
| 61 |
+
*Desenvolvido por SpaceGhost - Nexus Intelligence Project.*
|