Storm项目主要实现了以下功能：
金融数据处理与预训练
- 能够对金融数据（可能与道琼斯30指数DJ30相关，根据配置文件推测）进行处理，为后续分析和模型训练做准备。
- 通过执行预训练步骤（
pretrain_day_dj30_dynamic_dual_vqvae.py相关配置），利用特定的模型结构（可能是动态双VQ-VAE，从配置文件名推测）进行预测和投资组合管理相关的预训练操作，学习金融数据中的潜在模式和规律，以便为后续的交易决策提供基础支持。
状态提取用于强化学习
- 可以从预训练模型或数据中提取状态信息（通过
--state参数指定），这些状态信息将用于强化学习部分，为智能体（agent）在交易环境中的决策提供必要的输入特征。该步骤不进行训练和测试操作（--no_train和--no_test参数），且不记录相关日志（--no_writer和--no_wandb参数），专注于状态提取。
强化学习交易
- 实现了基于强化学习的交易策略，智能体（agent）在交易环境中根据从状态提取步骤获取的状态信息进行决策，以实现最优的交易行为，如买卖股票等操作。具体交易操作通过
tools/trading.py脚本结合相应的配置文件（如AAPL_day_dj30_dynamic_dual_vqvae.py）来执行，在配置文件中可能定义了交易的规则、奖励机制、环境设置等参数，使得智能体能够在模拟的金融市场环境中进行学习和决策，以追求最大的收益或达到其他预设的交易目标。