Kronos金融大模型完整入门3步装好就能预测K线完全免费开源【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 是第一个开源的金融K线基础模型能读取开盘、最高、最低、收盘等K线数据自动预测未来价格走势和成交量。你不需要懂深度学习3步装好、上传一份CSV就能在网页上看到第一次预测结果。先睹为快Kronos 股票预测能跑出什么效果先直接看结果。下面这张图是对深科技000021做的日级预测模型不仅给出了未来几天的价格走势绿色线还同时预测了成交量、涨跌幅并对大盘、宏观等市场因素打了分最后一格标记出模型给出的最终预测价格。单只股票只是冰山一角。Kronos 支持批量并行预测官方用沪深300成分股做了回测把模型预测当作选股信号做简单策略扣掉成本后的累计收益上图跑赢基准指数 CSI300黑色虚线超额收益下图大部分时间持续为正最高接近 0.15。从零到第一次出预测结果3步上手第1步克隆仓库并安装依赖git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt要求 Python 3.10 以上依赖主要是 PyTorch、pandas 等常用库。第2步启动网页界面cd webui python run.py浏览器会自动打开 http://localhost:7070 。界面支持在 mini410万参数、small2470万、base1亿三档模型间选择首次使用会自动下载模型稍等片刻即可。详细使用说明见 Web界面文档。第3步放入数据点一下预测把你的K线数据保存为CSV文件放进项目根目录的data/文件夹没有就新建。CSV 里必须包含open、high、low、close四列和timestamps时间列volume、amount可选。然后在网页上选择数据文件 → 选择模型和计算设备CPU 也能跑→ 用滑杆选定时间窗口固定 400 根历史K线 120 根预测K线→ 点击预测。几秒钟后就能看到预测曲线与真实数据的对比图以及价格误差统计表。如果你更愿意用脚本跑项目提供了开箱即用的示例 examples/prediction_example.py运行后会输出下面这种真实值 vs 预测值的价格与成交量对比图Kronos 是怎么读懂K线图的只讲三个关键点每个都能说清它是什么 → 为什么有效 → 对你有什么好处。1. 双粒度K线分词器Tokenizer它是什么一个把连续K线数据翻译成离散单词的前置模块每个K线点被编码成粗粒度 细粒度两层子令牌。 为什么有效粗粒度抓整体形态像看趋势细粒度保局部细节像看每根影线两者拼起来才不丢信息。 对你的好处你喂进去的是普通CSV它负责把机器读不懂的数字变成模型读得懂的词数据预处理、归一化它全包了。2. 自回归预训练的因果 Transformer它是什么一个基于 Transformer 的主模型用根据前文逐字猜下一个词的方式在超过45个全球交易所的K线数据上预训练。 为什么有效和语言模型预测下一个词一样它预测的是下一根K线的令牌天然适合由历史推未来的时序任务。 对你的好处同一个预训练底座可以兼顾价格、成交量等多任务预测还支持predict_batch对多只股票并行预测批量处理沪深300级别数据只需约8分钟。3. 完整的预测器封装KronosPredictor它是什么一个把分词器、主模型、反归一化串起来的高层接口。 为什么有效原始预测是令牌和标准化数字它自动还原成带时间戳的 OHLCV 表格。 对你的好处从原始 DataFrame 到可用预测结果只需要一次predict()调用细节实现可以看 核心模型代码想用 CSV 微调自己的数据则参考 finetune_csv/README.md。常见问题电脑配置、数据格式、准确率没有显卡能用吗能。mini 和 small 模型在普通笔记本 CPU 上即可运行Web界面也支持 CPU/CUDA/MPS 三种设备要批量预测或跑 base 大模型建议上 NVIDIA GPU 加速。数据文件有什么要求必须是 CSV含open、high、low、close四列和时间列volume、amount可缺省缺了会填0。完整格式样例见 finetune_csv/data/HK_ali_09988_kline_5min_all.csv。注意 small/base 模型一次最多看 512 根K线历史窗口建议不超过 512Web界面固定用 400120。预测准确率有多高官方没有承诺固定准确率回测里策略收益跑赢基准也只代表历史表现。所有预测都存在不确定性请把它当作分析参考而不是确定性答案。K线数据从哪来Kronos 本身不带数据源你可以用 akshare、tushare 等开源库抓取。项目 examples/ 目录里就提供了用 akshare 拉取历史行情的脚本可以直接改一改用。写在最后Kronos 把读K线这件事做成了一个开源模型 一个网页界面装好依赖、放好CSV第一次预测结果几分钟内就能出来之后还可以用 finetune/ 或 finetune_csv/ 流水线在自己的数据上继续微调。它给你的是市场洞察的参考不构成任何投资建议真金白银入场前请先用历史数据回测并量力而行。【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金融大模型完整入门3步装好就能预测K线完全免费开源【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 是第一个开源的金融K线基础模型能读取开盘、最高、最低、收盘等K线数据自动预测未来价格走势和成交量。你不需要懂深度学习3步装好、上传一份CSV就能在网页上看到第一次预测结果。先睹为快Kronos 股票预测能跑出什么效果先直接看结果。下面这张图是对深科技000021做的日级预测模型不仅给出了未来几天的价格走势绿色线还同时预测了成交量、涨跌幅并对大盘、宏观等市场因素打了分最后一格标记出模型给出的最终预测价格。单只股票只是冰山一角。Kronos 支持批量并行预测官方用沪深300成分股做了回测把模型预测当作选股信号做简单策略扣掉成本后的累计收益上图跑赢基准指数 CSI300黑色虚线超额收益下图大部分时间持续为正最高接近 0.15。从零到第一次出预测结果3步上手第1步克隆仓库并安装依赖git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt要求 Python 3.10 以上依赖主要是 PyTorch、pandas 等常用库。第2步启动网页界面cd webui python run.py浏览器会自动打开 http://localhost:7070 。界面支持在 mini410万参数、small2470万、base1亿三档模型间选择首次使用会自动下载模型稍等片刻即可。详细使用说明见 Web界面文档。第3步放入数据点一下预测把你的K线数据保存为CSV文件放进项目根目录的data/文件夹没有就新建。CSV 里必须包含open、high、low、close四列和timestamps时间列volume、amount可选。然后在网页上选择数据文件 → 选择模型和计算设备CPU 也能跑→ 用滑杆选定时间窗口固定 400 根历史K线 120 根预测K线→ 点击预测。几秒钟后就能看到预测曲线与真实数据的对比图以及价格误差统计表。如果你更愿意用脚本跑项目提供了开箱即用的示例 examples/prediction_example.py运行后会输出下面这种真实值 vs 预测值的价格与成交量对比图Kronos 是怎么读懂K线图的只讲三个关键点每个都能说清它是什么 → 为什么有效 → 对你有什么好处。1. 双粒度K线分词器Tokenizer它是什么一个把连续K线数据翻译成离散单词的前置模块每个K线点被编码成粗粒度 细粒度两层子令牌。 为什么有效粗粒度抓整体形态像看趋势细粒度保局部细节像看每根影线两者拼起来才不丢信息。 对你的好处你喂进去的是普通CSV它负责把机器读不懂的数字变成模型读得懂的词数据预处理、归一化它全包了。2. 自回归预训练的因果 Transformer它是什么一个基于 Transformer 的主模型用根据前文逐字猜下一个词的方式在超过45个全球交易所的K线数据上预训练。 为什么有效和语言模型预测下一个词一样它预测的是下一根K线的令牌天然适合由历史推未来的时序任务。 对你的好处同一个预训练底座可以兼顾价格、成交量等多任务预测还支持predict_batch对多只股票并行预测批量处理沪深300级别数据只需约8分钟。3. 完整的预测器封装KronosPredictor它是什么一个把分词器、主模型、反归一化串起来的高层接口。 为什么有效原始预测是令牌和标准化数字它自动还原成带时间戳的 OHLCV 表格。 对你的好处从原始 DataFrame 到可用预测结果只需要一次predict()调用细节实现可以看 核心模型代码想用 CSV 微调自己的数据则参考 finetune_csv/README.md。常见问题电脑配置、数据格式、准确率没有显卡能用吗能。mini 和 small 模型在普通笔记本 CPU 上即可运行Web界面也支持 CPU/CUDA/MPS 三种设备要批量预测或跑 base 大模型建议上 NVIDIA GPU 加速。数据文件有什么要求必须是 CSV含open、high、low、close四列和时间列volume、amount可缺省缺了会填0。完整格式样例见 finetune_csv/data/HK_ali_09988_kline_5min_all.csv。注意 small/base 模型一次最多看 512 根K线历史窗口建议不超过 512Web界面固定用 400120。预测准确率有多高官方没有承诺固定准确率回测里策略收益跑赢基准也只代表历史表现。所有预测都存在不确定性请把它当作分析参考而不是确定性答案。K线数据从哪来Kronos 本身不带数据源你可以用 akshare、tushare 等开源库抓取。项目 examples/ 目录里就提供了用 akshare 拉取历史行情的脚本可以直接改一改用。写在最后Kronos 把读K线这件事做成了一个开源模型 一个网页界面装好依赖、放好CSV第一次预测结果几分钟内就能出来之后还可以用 finetune/ 或 finetune_csv/ 流水线在自己的数据上继续微调。它给你的是市场洞察的参考不构成任何投资建议真金白银入场前请先用历史数据回测并量力而行。【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
