Kronos面向K线预测的开源金融基础模型与最小运行指南【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 是首个面向金融K线序列的开源基础模型在45全球交易所数据上预训练将K线标记化后用自回归Transformer预测价格与成交量适合量化新手与开发者快速上手K线预测。 它解决什么问题金融K线包含开高低收与成交量等多维连续数据噪音大、波动快通用时序模型直接输入原始数值往往难以捕捉其中的结构。Kronos 的思路是先做转译用专用 tokenizer 把 K线序列编码成离散 Token再用语言模型式的自回归 Transformer 在 Token 上预训练得到一个可复用的K线预测底座。单标的预测、批量预测与微调共用同一套入口核心实现集中在 model/kronos.py。⚙️ 工作原理两级标记化加自回归解码K线标记化连续价格压成两级离散Token一句话概括KronosTokenizer 用二值球面量化BSQ把每个K线点编码成粗码细码的层级 Token。机制上编码器 Transformer 先将 OHLCV 数据投影到隐空间BSQuantizer 将其量化为 s1 位粗粒度码与 s2 位细粒度码解码器再分两级重建原始数据。类比就像视频压缩里的关键帧加残差帧粗码记录整体形态细码补足局部细节。自回归解码只读历史逐帧猜下一步一句话概括预测模型是 decoder-only 的因果 Transformer预测下一步只能依赖已出现的历史 Token。模型先预测粗粒度 Token再通过 DependencyAwareLayer 以其为条件预测细粒度 Token并用时间戳嵌入保留时序信息。类比像一位逐帧口译K线的译员每次只根据已经念出的内容猜下一帧天然与不能偷看未来的真实交易场景一致。 效果与数据可查证的指标与演示官方说明预训练数据覆盖45全球交易所论文已被 AAAI 2026 接收arXiv: 2508.02739。开源三个规格Kronos-mini 4.1M 参数上下文2048、Kronos-small 24.7M、Kronos-base 102.3M上下文512。官方示例用400根5分钟K线做回看、预测未来120根输出价格与成交量的对照曲线微调回测采用简化 top-K 策略README 明确标注为演示流程而非生产级系统。 几分钟跑起来安装与最小运行命令前置条件Python 3.10模型权重会自动从 Hugging Face 下载示例脚本需要一个包含 open/high/low/close 和 timestamps 列的K线CSV默认读取 examples/ 下的 600977 数据可自行替换为自选标的。git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt python examples/prediction_example.py 还能做什么微调、回测与Web界面A股微调管线finetune/ 提供 Qlib 数据预处理、tokenizer 与 predictor 两阶段训练、top-K 回测的完整脚本配置集中在 finetune/ 下的 config.py。自定义CSV微调finetune_csv/ 支持用自己的CSV数据官方演示为5分钟K线做顺序微调并生成历史与预测的对照图。图形界面webui/ 下运行 python run.py 即可在 7070 端口获得可视化预测页面无需手写调用代码。Kronos 把K线序列当作一种语言用标记化加自回归建模给出了从单标的预测到回测验证的完整路径想深入实现从 model/kronos.py 的 KronosPredictor 与 README.md 的示例部分读起即可。【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面向K线预测的开源金融基础模型与最小运行指南【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 是首个面向金融K线序列的开源基础模型在45全球交易所数据上预训练将K线标记化后用自回归Transformer预测价格与成交量适合量化新手与开发者快速上手K线预测。 它解决什么问题金融K线包含开高低收与成交量等多维连续数据噪音大、波动快通用时序模型直接输入原始数值往往难以捕捉其中的结构。Kronos 的思路是先做转译用专用 tokenizer 把 K线序列编码成离散 Token再用语言模型式的自回归 Transformer 在 Token 上预训练得到一个可复用的K线预测底座。单标的预测、批量预测与微调共用同一套入口核心实现集中在 model/kronos.py。⚙️ 工作原理两级标记化加自回归解码K线标记化连续价格压成两级离散Token一句话概括KronosTokenizer 用二值球面量化BSQ把每个K线点编码成粗码细码的层级 Token。机制上编码器 Transformer 先将 OHLCV 数据投影到隐空间BSQuantizer 将其量化为 s1 位粗粒度码与 s2 位细粒度码解码器再分两级重建原始数据。类比就像视频压缩里的关键帧加残差帧粗码记录整体形态细码补足局部细节。自回归解码只读历史逐帧猜下一步一句话概括预测模型是 decoder-only 的因果 Transformer预测下一步只能依赖已出现的历史 Token。模型先预测粗粒度 Token再通过 DependencyAwareLayer 以其为条件预测细粒度 Token并用时间戳嵌入保留时序信息。类比像一位逐帧口译K线的译员每次只根据已经念出的内容猜下一帧天然与不能偷看未来的真实交易场景一致。 效果与数据可查证的指标与演示官方说明预训练数据覆盖45全球交易所论文已被 AAAI 2026 接收arXiv: 2508.02739。开源三个规格Kronos-mini 4.1M 参数上下文2048、Kronos-small 24.7M、Kronos-base 102.3M上下文512。官方示例用400根5分钟K线做回看、预测未来120根输出价格与成交量的对照曲线微调回测采用简化 top-K 策略README 明确标注为演示流程而非生产级系统。 几分钟跑起来安装与最小运行命令前置条件Python 3.10模型权重会自动从 Hugging Face 下载示例脚本需要一个包含 open/high/low/close 和 timestamps 列的K线CSV默认读取 examples/ 下的 600977 数据可自行替换为自选标的。git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt python examples/prediction_example.py 还能做什么微调、回测与Web界面A股微调管线finetune/ 提供 Qlib 数据预处理、tokenizer 与 predictor 两阶段训练、top-K 回测的完整脚本配置集中在 finetune/ 下的 config.py。自定义CSV微调finetune_csv/ 支持用自己的CSV数据官方演示为5分钟K线做顺序微调并生成历史与预测的对照图。图形界面webui/ 下运行 python run.py 即可在 7070 端口获得可视化预测页面无需手写调用代码。Kronos 把K线序列当作一种语言用标记化加自回归建模给出了从单标的预测到回测验证的完整路径想深入实现从 model/kronos.py 的 KronosPredictor 与 README.md 的示例部分读起即可。【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
