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.