VFX-0251-R.ipynb

Valkiria VX ⚔️

AI Ensemble Trading Platform

Валкирия ВХ е експериментална платформа за алгоритмична търговия, изградена като ансамбъл от три агента.
Всеки агент има собствена роля, обучава се чрез подсилващо обучение (RL), записва чекпойнти и се преобучава, за да постигне по-добра хармония с пазара.

---

📒 Colab Notebook

За бърз старт и експерименти можете да използвате готовия Colab бележник:

Notebook: VFX-0251 R.ipynb

Бележникът съдържа:

• ⚙️ Настройки на средата и глобални параметри
• 📈 Зареждане и обработка на данни (Yahoo Finance или CSV)
• 🧠 Обучение на агентите с RL алгоритми (напр. A2C)
• 💾 Чекпойнтинг и управление на модели
• 📊 Визуализация на резултатите

---

✨ Основни характеристики

• 📈 Гъвкави източници на данни – Yahoo Finance или CSV файлове
• ⏱️ Множество таймфрейми – от дневни до минутни данни
• ⚙️ Глобални настройки – капитал, lookback прозорец, риск мениджмънт
• 🛡️ Риск контрол – стоп-лос, тейк-профит, максимален спад на портфейла, трейлинг стоп
• 📦 Управление на модели – запазване и зареждане на агенти, продължаване на обучение от чекпойнт
• 🧠 Подсилващо обучение – поддръжка на алгоритми като A2C
• 📊 Бектест и анализ – разделяне на данни за обучение и тест, визуализация на резултатите

---

🚀 Стартиране локално

1. Клонирайте репото:

   https://github.com/AlexKitipov/VFX-0251-R.ipynb.git
   

📸 Интерфейс на таблото

Стъпка 1: Начален изглед

Стъпка 2: Зареждане на данни

Стъпка 3: Конфигурация на средата

Стъпка 4: Обучение на агентите

Стъпка 5: Визуализация на резултати

---

⚠️ ВАЖНО: Настройки, които силно влияят на обучението на агентите

За да постигнете стабилно и реалистично обучение, е критично да настроите правилно следните параметри:

📌 Размер на позицията (position_size)

• По подразбиране: 18% от капитала (твърде агресивно)
• Препоръчително: 0.1%, 0.01% или максимум 1%
  Това намалява риска и позволява на агентите да учат без да фалират при малки грешки.

💸 Комисионна (commission)

• По подразбиране: 0.1
• Препоръчително: 0.01 или по-ниска
  Високата комисионна изяжда печалбата и затруднява обучението.

🧠 Learning Rate (learning_rate)

• Препоръчителен диапазон: 1e-4 до 5e-4
  Твърде висок learning rate води до нестабилно обучение, твърде нисък — до бавно учене.

⏳ Lookback Window (lookback)

• Оптимален диапазон: 20 до 100
  По-къс прозорец = по-бърза реакция, но по-малко контекст. По-дълъг = по-добра адаптация.

🛡️ Risk Management

• Stop Loss / Take Profit: Настройте разумни нива според волатилността.
• Max Drawdown: Ограничете до 10–20% за реалистично поведение.
• Trailing Stop: Активирайте за динамична защита на печалбата.

---

❗ Неправилните настройки могат да доведат до неуспешно обучение, фалити на агенти или нереалистични резултати. Препоръчва се да започнете с консервативни стойности и постепенно да експериментирате.

---

🚀 Стартиране на интерфейса в Colab

След като заредите всички клетки в бележника (VFX_0251_R.ipynb), следвайте тези стъпки, за да стартирате интерфейса и да осигурите запис на чекпойнтите:

✅ Стъпка 1: Зареждане на всички клетки

• Изпълнете клетките една по една, отгоре надолу.
• Уверете се, че всички библиотеки са инсталирани успешно.
• Ако някои клетки за инсталиране на Gemini Pro дават грешка — можете спокойно да ги премахнете или пропуснете. Те не съдържат API и не влияят на работата на интерфейса.

🔗 Стъпка 2: Стартиране на Cloudflare тунела

• В предпоследната клетка ще се появи URL адрес, започващ с https://trycloudflare.com/...
• Това е публичният линк към Streamlit интерфейса.
• Кликнете върху него, за да отворите таблото в нов прозорец.

📦 Стъпка 3: Маунтване на Google Drive

• За да се записват чекпойнтите и моделите, е необходимо да маунтнете своя Google Drive.
• Изпълнете клетката с:

  from google.colab import drive
  drive.mount('/content/drive')

⚠️ ВНИМАНИЕ: Без маунтнат Google Drive, агентите няма да могат да записват чекпойнти и обучението ще се загуби при рестарт на сесията.

---

🎼 Съавторство с изкуствен интелект

Валкирия е не просто проект, а партитура, написана в съавторство от
Александър, Копилот и Джемини.