Kronos开源K线预测基础模型回测表现到底如何【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假设是某个交易日收盘你盯着一只股票的K线图想知道接下来几根K线大概是什么形状。开源K线预测模型 Kronos 做的就是这件事输入一段历史K线数据开盘、最高、最低、收盘、成交量直接输出未来若干周期的K线序列。它给的不是“看涨还是看跌”的模糊判断而是可以画成图的 OHLCV 数值。它是什么面向K线序列的开源基础模型Kronos 是首个面向金融 K 线序列的开源基础模型在超过 45 个全球交易所的数据上预训练相关工作已被 AAAI 2026 收录。一句话概括它的流程输入一段历史K线 → 模型编码后自回归预测 → 输出未来若干周期的K线含价格与成交量。模型按参数量分了几个档位mini 4.1M、small 24.7M、base 102.3M均开源可下载显存不大的设备也可以先跑推理。Kronos 怎么工作K线数据先“装箱”再逐根预测核心分两步。第一步是编码K线数据Token化。连续数值对神经网络并不友好Kronos 专门配了一个 tokenizer它先给每根K线一个“粗粒度 token”概括这根K线的整体价格位置和量能档位再在其中挂上“细粒度子 token”保留价格与成交量的细节。可以类比收拾行李箱主隔层放“这属于哪一类”细网袋装“具体偏在哪里”。这套双粒度设计基于二值球量化BSQ技术在明显压缩数据维度的同时保住关键信息。第二步是自回归预测。Token 序列被送进因果 Transformerdecoder-only 结构逐根预测下一根K线。有点像写连环画每一格只能看前面已经画好的格子不能偷看后面。这和真实交易场景一致——任何时刻只能看到当下为止的历史模型也不能“作弊”。核心实现可以顺着 model/kronos.py 看想抠细节从这里入手。效果怎么看Kronos 股票预测回测的三个指标仓库里给了一个回测示例用 A 股数据跑简单的 Top-K 策略曲线如下对应 finetune/ 目录的流水线。看回测图其实就看三件事指标含义怎么读累计收益策略随时间的累计盈亏与基准曲线沪深300对比持续在上方是第一标准超额收益策略跑赢基准的部分稳步抬升说明超额是持续的而不是某段行情带来的扣费后收益计入交易成本后的结果图里同时画了含成本与不含成本两条线扣费后仍站得住才更可信单只股票的预测效果可以看这张图蓝线是实际收盘与成交量红线是模型预测值。看这张图有两点值得注意。其一这是某只沪市股票 5 分钟K线上、向前预测 120 个周期的结果。其二红线没有贴住蓝线——模型捕捉的是趋势的整体形状和成交量峰值的位置而不是逐点对齐。如果哪里给出红线完全压住蓝线的“预测”反而要打个问号。3步跑通Kronos第一个预测第一步克隆并安装依赖git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt第二步准备数据。模型需要一个标准K线 CSV包含 timestamps、open、high、low、close、volume、amount 七列没有成交量可以填 0。格式样例可对照 finetune_csv/data/HK_ali_09988_kline_5min_all.csv。第三步跑示例脚本python examples/prediction_example.py它会输出一张历史K线与预测K线上下对照的图。如果卡住了先看 README.md 的 Getting Started 一节示例脚本的完整逻辑有逐步说明数据格式问题查 finetune_csv/README_CN.md显存有限就从 Kronos-mini 起步4.1M 参数、上下文 2048跑通第一次体验足够。不止预测价格高频K线微调和批量并行高频 5 分钟K线。finetune_csv/ 目录提供在单个 CSV 上微调的完整流水线仓库内附了港股阿里巴巴099885分钟K线的全量示例按配置训练后模型就能在 5 分钟级别上输出预测下图是示例产出的回测图之一。批量并行。预测器提供predict_batch接口把多只股票的序列放进列表一次并行预测走 GPU 并行适合“把一篮子股票都扫一遍”的场景。examples/yuce/ 目录下还有多只个股的完整分析案例如 000021每个案例同时输出K线预测图、成交量预测和市场因素评分的 JSON 报告方便二次开发成自己的信号。微调适配。想让模型专门针对某个市场或某只标的finetune/ 提供基于 Qlib 的四步流水线数据预处理 → 微调 tokenizer → 微调 predictor → 回测评估训练只需两条torchrun命令不用改模型代码。适合谁用、边界在哪里适合谁想搞懂K线序列模型架构的从业者想给技术分析之外多一个“第二意见”的投资者以及想把 AI 预测组件嵌入既有策略的开发者。已知局限仓库自己也讲得很直白效果依赖历史数据质量。数据缺失、噪音大输出会明显漂移。回测收益不等于实盘收益。README 明确说明微调流水线只是演示并非生产级系统简单 Top-K 回测也没有完全建模滑点和市场冲击。small/base 模型的上下文上限是 512 根K线输入窗口超过会被自动截断。预测来自概率采样温度、top_p 可调输出是一个区间估计不是确定值。一句话它是分析K线结构的工具不是印钞机。写在最后Kronos 的价值在于把“K线预测”这件以往只能靠黑盒商业系统的事变成了可复现、可开源、可自己动手验证的事——模型、数据格式、微调流水线全部公开。第一步很简单克隆仓库备好一份K线 CSV运行examples/prediction_example.py。看到那条红色预测曲线之后剩下的都是调参问题。【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
Kronos开源K线预测基础模型回测表现到底如何【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假设是某个交易日收盘你盯着一只股票的K线图想知道接下来几根K线大概是什么形状。开源K线预测模型 Kronos 做的就是这件事输入一段历史K线数据开盘、最高、最低、收盘、成交量直接输出未来若干周期的K线序列。它给的不是“看涨还是看跌”的模糊判断而是可以画成图的 OHLCV 数值。它是什么面向K线序列的开源基础模型Kronos 是首个面向金融 K 线序列的开源基础模型在超过 45 个全球交易所的数据上预训练相关工作已被 AAAI 2026 收录。一句话概括它的流程输入一段历史K线 → 模型编码后自回归预测 → 输出未来若干周期的K线含价格与成交量。模型按参数量分了几个档位mini 4.1M、small 24.7M、base 102.3M均开源可下载显存不大的设备也可以先跑推理。Kronos 怎么工作K线数据先“装箱”再逐根预测核心分两步。第一步是编码K线数据Token化。连续数值对神经网络并不友好Kronos 专门配了一个 tokenizer它先给每根K线一个“粗粒度 token”概括这根K线的整体价格位置和量能档位再在其中挂上“细粒度子 token”保留价格与成交量的细节。可以类比收拾行李箱主隔层放“这属于哪一类”细网袋装“具体偏在哪里”。这套双粒度设计基于二值球量化BSQ技术在明显压缩数据维度的同时保住关键信息。第二步是自回归预测。Token 序列被送进因果 Transformerdecoder-only 结构逐根预测下一根K线。有点像写连环画每一格只能看前面已经画好的格子不能偷看后面。这和真实交易场景一致——任何时刻只能看到当下为止的历史模型也不能“作弊”。核心实现可以顺着 model/kronos.py 看想抠细节从这里入手。效果怎么看Kronos 股票预测回测的三个指标仓库里给了一个回测示例用 A 股数据跑简单的 Top-K 策略曲线如下对应 finetune/ 目录的流水线。看回测图其实就看三件事指标含义怎么读累计收益策略随时间的累计盈亏与基准曲线沪深300对比持续在上方是第一标准超额收益策略跑赢基准的部分稳步抬升说明超额是持续的而不是某段行情带来的扣费后收益计入交易成本后的结果图里同时画了含成本与不含成本两条线扣费后仍站得住才更可信单只股票的预测效果可以看这张图蓝线是实际收盘与成交量红线是模型预测值。看这张图有两点值得注意。其一这是某只沪市股票 5 分钟K线上、向前预测 120 个周期的结果。其二红线没有贴住蓝线——模型捕捉的是趋势的整体形状和成交量峰值的位置而不是逐点对齐。如果哪里给出红线完全压住蓝线的“预测”反而要打个问号。3步跑通Kronos第一个预测第一步克隆并安装依赖git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt第二步准备数据。模型需要一个标准K线 CSV包含 timestamps、open、high、low、close、volume、amount 七列没有成交量可以填 0。格式样例可对照 finetune_csv/data/HK_ali_09988_kline_5min_all.csv。第三步跑示例脚本python examples/prediction_example.py它会输出一张历史K线与预测K线上下对照的图。如果卡住了先看 README.md 的 Getting Started 一节示例脚本的完整逻辑有逐步说明数据格式问题查 finetune_csv/README_CN.md显存有限就从 Kronos-mini 起步4.1M 参数、上下文 2048跑通第一次体验足够。不止预测价格高频K线微调和批量并行高频 5 分钟K线。finetune_csv/ 目录提供在单个 CSV 上微调的完整流水线仓库内附了港股阿里巴巴099885分钟K线的全量示例按配置训练后模型就能在 5 分钟级别上输出预测下图是示例产出的回测图之一。批量并行。预测器提供predict_batch接口把多只股票的序列放进列表一次并行预测走 GPU 并行适合“把一篮子股票都扫一遍”的场景。examples/yuce/ 目录下还有多只个股的完整分析案例如 000021每个案例同时输出K线预测图、成交量预测和市场因素评分的 JSON 报告方便二次开发成自己的信号。微调适配。想让模型专门针对某个市场或某只标的finetune/ 提供基于 Qlib 的四步流水线数据预处理 → 微调 tokenizer → 微调 predictor → 回测评估训练只需两条torchrun命令不用改模型代码。适合谁用、边界在哪里适合谁想搞懂K线序列模型架构的从业者想给技术分析之外多一个“第二意见”的投资者以及想把 AI 预测组件嵌入既有策略的开发者。已知局限仓库自己也讲得很直白效果依赖历史数据质量。数据缺失、噪音大输出会明显漂移。回测收益不等于实盘收益。README 明确说明微调流水线只是演示并非生产级系统简单 Top-K 回测也没有完全建模滑点和市场冲击。small/base 模型的上下文上限是 512 根K线输入窗口超过会被自动截断。预测来自概率采样温度、top_p 可调输出是一个区间估计不是确定值。一句话它是分析K线结构的工具不是印钞机。写在最后Kronos 的价值在于把“K线预测”这件以往只能靠黑盒商业系统的事变成了可复现、可开源、可自己动手验证的事——模型、数据格式、微调流水线全部公开。第一步很简单克隆仓库备好一份K线 CSV运行examples/prediction_example.py。看到那条红色预测曲线之后剩下的都是调参问题。【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
)
)
