Kronos 实战指南K线时序预测与微调完整上手【免费下载链接】KronosKronos: A Foundation Model for the Language of Financial Markets项目地址: https://gitcode.com/GitHub_Trending/kronos14/KronosKronos 是一个面向金融 K 线蜡烛图序列的开源时序基础模型。它在全球 45 个交易所的历史 K 线上完成预训练你喂入 OHLCV 历史数据它输出未来价格与成交量的预测值。适合技术分析爱好者、量化开发者以及需要批量做多资产预测的团队。 Kronos 时序预测实测结果先看项目官方示例沪深 300 成分股批量预测给出的数据你据此判断是否值得继续读评估项Kronos 实测传统方法对照价格预测准确率89.2%75%~80%趋势方向判断准确率94.5%85%~90%1000 只股票批量预测耗时约 8 分钟40~60 分钟测试范围沪深 300 成分股同一批量的传统流程以上数字来自项目示例的批量测试属于演示口径换到你的数据上会变化。Kronos K线预测机制速览双粒度分词TokenizerK 线不直接进模型。OHLCV 连续值先经过 BSQ 量化把连续数值切成离散符号的过程拆成粗、细两层 token——粗粒度承载宏观趋势细粒度保留微观波动后面的 Transformer 就像读句子一样读行情。因果 Transformer 自回归预训练预测模型是 decoder-only 的因果 Transformer每个 Transformer 块含自注意力与跨块注意力并共享参数让不同时间尺度的信息互相整合再在 token 序列上做自回归预训练。单资产/批量统一接口KronosPredictor已封装数据预处理、归一化和还原单资产调predict多资产调predict_batch并行跑。small/base 版max_context上限 512mini 版为 2048。谁适合用 Kronos 金融大模型个人、无编程背景仓库自带 webui/ 图形界面装好依赖启动 app.py输入股票代码即可拿到预测图不用写代码。量化团队、机构finetune/ 提供基于 Qlib 的微调加回测管线先调 tokenizer、再调 predictor最后用 qlib_test.py 在测试集上验证。进阶用户高频、多周期finetune_csv/ 里有一份某港股 5 分钟 K 线微调的完整示例和效果图你要做 5、15、30 分钟粒度可以直接参照它改。Kronos 安装与首次预测步骤准备环境Python 3.10GPU 显存 24GB 以上内存 128GB 以上官方快速开始口径。克隆仓库并装依赖git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt python examples/prediction_example.py准备数据CSV 至少要有 open、high、low、close 四列volume、amount 可选外加时间列small/base 版建议上下文不超过 512超出会被自动截断。想要图形化体验进入 webui/ 目录按 webui/README.md 启动 app.py。要用自己的数据训练先改 finetune/config.py 里的路径然后依次跑数据预处理、tokenizer 微调、predictor 微调最后python finetune/qlib_test.py --device cuda:0回测微调走 torchrun 多卡需先pip install pyqlib。Kronos 使用边界与选型硬件是硬门槛base 版102.3M 参数想跑顺至少按 24GB 显存准备只有 CPU 的笔记本只建议试 mini4.1M 参数且速度有限。数据前提历史 K 线要连续、干净OHLC 缺列或粒度混乱都会明显拉低预测质量批量预测还要求各序列的回看长度、预测长度一致。微调管线是演示而非交易系统README 明确说这是简化示例没有组合优化、风险因子中性化和交易成本/滑点建模回测曲线不能直接当预期收益看。不建议用的情况没有 GPU 却想跑 base 版、没有稳定数据源、或打算拿模型输出不经策略研究直接下单。选型上mini 4.1M 参数上下文 2048、small 24.7M、base 102.3M上下文均 512、large 499.2M未开源。快速验证选 mini/small认真做研究再上 base。如果你想试试把 K 线当语言来建模这条路建议先跑通官方示例再决定投入。入口见 README.md可运行样例在 examples/。【免费下载链接】KronosKronos: A Foundation Model for the Language of Financial Markets项目地址: https://gitcode.com/GitHub_Trending/kronos14/Kronos创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考