如何快速上手Kronos从0到1跑通K线AI预测的完整指南【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/Kronos看盘多年你能说清自己的买卖感觉吗说不清也很难验证。Kronos 是第一个专为金融 K 线设计的开源预测基础模型把 OHLCV 数据喂给它它能直接输出未来的价格和成交量预测帮你把盘感变成可以回测的信号。10秒看懂Kronos关键数字一览Kronos 是一组 decoder-only 的金融时序基础模型训练数据覆盖全球 45 个以上交易所的 K 线序列。官方开源了 3 个规格mini410万参数上下文 2048、small2470万参数上下文 512、base1.02亿参数上下文 512论文已被 AAAI 2026 接收。对普通用户来说 small 是默认推荐——单卡甚至纯 CPU 都能跑速度和效果比较平衡。它解决什么问题从凭感觉到有信号自己搭预测模型最大的痛点是金融 K 线噪声极大直接把原始价格喂给通用时序模型往往学不到东西。Kronos 的思路是先把 K 线翻译成离散 token再让 Transformer 在这些 token 上做自回归预训练。对你意味着什么不用自己搭 tokenizer、不用纠结数据归一化几行代码就能得到一条能跟上趋势转折的预测曲线而且它一次预测同时输出价格和成交量不用两个模型各管一摊。3个核心亮点Token化、价量双预测、自带微调管线K线分位数Token化把连续的 OHLCV 数据量化成层次化离散 token模型先听懂K线再预测。对你意味着什么输入只要标准 OHLCV 表格不用做任何特征工程。价量双任务预测一次 predict 同时返回价格和成交量。对你意味着什么成交量放大这类信号也能被捕捉而不是只盯价格。自带微调与回测管线finetune/目录提供 A 股 Qlib 数据的全套流程finetune_csv/提供 CSV 数据的顺序训练脚本。对你意味着什么预训练效果不满意时可以直接用自己的历史数据继续训练。上手路径三种方式跑通Kronos预测先装环境要求 Python 3.10依赖 torch2.0.0git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt方式一Web界面约10分钟零代码cd webui python run.py浏览器打开 http://localhost:7070 选数据文件、选模型规格mini/small/base、拖时间窗口固定 400120 根K线、点预测即可。温度、top_p、采样条数都可以在界面上调。第一次运行会下载模型权重耐心稍等。适合先建立这模型输出长什么样的直观印象。方式二Python脚本约30分钟核心调用浓缩在下面完整可运行版本见 examples/prediction_example.pyfrom model import Kronos, KronosTokenizer, KronosPredictor tokenizer KronosTokenizer.from_pretrained(NeoQuasar/Kronos-Tokenizer-base) model Kronos.from_pretrained(NeoQuasar/Kronos-small) predictor KronosPredictor(model, tokenizer, max_context512) pred_df predictor.predict(dfx_df, x_timestampx_ts, y_timestampy_ts, pred_len120)predict 内部自动处理归一化和反归一化返回的 DataFrame 直接包含 open/high/low/close/volume/amount 的预测值。要一次预测多个标的改用 predictor.predict_batch注意所有序列的历史长度和预测长度必须一致。方式三用自己的数据微调需GPU数小时起把 CSV 数据timestamps/open/high/low/close/volume/amount 七列volume、amount 缺失可填0准备好改好 finetune_csv/configs/config_ali09988_candle-5min.yaml 里的数据路径和训练参数运行 train_sequential.py 即可自动按先 tokenizer 后预测器的顺序训练。仓库里附了阿里巴巴港股 5 分钟线的完整示例数据finetune_csv/data/HK_ali_09988_kline_5min_all.csv列格式可以直接照着抄。效果展示跑起来之后你看到什么这是 examples/prediction_example.py 跑出来的图。上半部分红色曲线预测贴着蓝色曲线真实值走趋势转折段能跟上方向变化下半部分的成交量预测虽然对个别尖峰贴合不够紧但整体量级和节奏是对得上的。再进一步微调后的模型可以接入回测finetune/qlib_test.py 生成预测信号后跑一个 top-K 策略上图是扣除交易成本后的累计收益曲线多条策略曲线整体位于 CSI300 基准黑色虚线上方。但注意官方提醒这是简化演示不是生产级交易系统真实落地还需要组合优化、风险中性化、滑点建模等一整套东西。避坑指南新手最容易踩的3个坑历史窗口不是越长越好small 和 base 的 max_context 是 512lookback 超过 512 会被自动截断别指望喂 2000 根K线进去模型就全用上了。数据列名必须对DataFrame 必须包含 open、high、low、close 四列volume、amount 可选。列名对不上时 predict 会直接报错。回测曲线不等于实盘收益回测图是 top-K 简化策略的结果没有组合层面的风险控制拿它当决策依据前先理解这一层含义。资源索引关键文件在哪里核心模型源码model/kronos.py可运行预测示例examples/prediction_example.pyWeb界面入口webui/app.py微调管线finetune/Qlib/A股与 finetune_csv/CSV数据装好环境后现在就可以用方式一在浏览器里跑出你的第一条预测曲线。【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 如何快速上手Kronos：从0到1跑通K线AI预测的完整指南
如何快速上手Kronos从0到1跑通K线AI预测的完整指南【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/Kronos看盘多年你能说清自己的买卖感觉吗说不清也很难验证。Kronos 是第一个专为金融 K 线设计的开源预测基础模型把 OHLCV 数据喂给它它能直接输出未来的价格和成交量预测帮你把盘感变成可以回测的信号。10秒看懂Kronos关键数字一览Kronos 是一组 decoder-only 的金融时序基础模型训练数据覆盖全球 45 个以上交易所的 K 线序列。官方开源了 3 个规格mini410万参数上下文 2048、small2470万参数上下文 512、base1.02亿参数上下文 512论文已被 AAAI 2026 接收。对普通用户来说 small 是默认推荐——单卡甚至纯 CPU 都能跑速度和效果比较平衡。它解决什么问题从凭感觉到有信号自己搭预测模型最大的痛点是金融 K 线噪声极大直接把原始价格喂给通用时序模型往往学不到东西。Kronos 的思路是先把 K 线翻译成离散 token再让 Transformer 在这些 token 上做自回归预训练。对你意味着什么不用自己搭 tokenizer、不用纠结数据归一化几行代码就能得到一条能跟上趋势转折的预测曲线而且它一次预测同时输出价格和成交量不用两个模型各管一摊。3个核心亮点Token化、价量双预测、自带微调管线K线分位数Token化把连续的 OHLCV 数据量化成层次化离散 token模型先听懂K线再预测。对你意味着什么输入只要标准 OHLCV 表格不用做任何特征工程。价量双任务预测一次 predict 同时返回价格和成交量。对你意味着什么成交量放大这类信号也能被捕捉而不是只盯价格。自带微调与回测管线finetune/目录提供 A 股 Qlib 数据的全套流程finetune_csv/提供 CSV 数据的顺序训练脚本。对你意味着什么预训练效果不满意时可以直接用自己的历史数据继续训练。上手路径三种方式跑通Kronos预测先装环境要求 Python 3.10依赖 torch2.0.0git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt方式一Web界面约10分钟零代码cd webui python run.py浏览器打开 http://localhost:7070 选数据文件、选模型规格mini/small/base、拖时间窗口固定 400120 根K线、点预测即可。温度、top_p、采样条数都可以在界面上调。第一次运行会下载模型权重耐心稍等。适合先建立这模型输出长什么样的直观印象。方式二Python脚本约30分钟核心调用浓缩在下面完整可运行版本见 examples/prediction_example.pyfrom model import Kronos, KronosTokenizer, KronosPredictor tokenizer KronosTokenizer.from_pretrained(NeoQuasar/Kronos-Tokenizer-base) model Kronos.from_pretrained(NeoQuasar/Kronos-small) predictor KronosPredictor(model, tokenizer, max_context512) pred_df predictor.predict(dfx_df, x_timestampx_ts, y_timestampy_ts, pred_len120)predict 内部自动处理归一化和反归一化返回的 DataFrame 直接包含 open/high/low/close/volume/amount 的预测值。要一次预测多个标的改用 predictor.predict_batch注意所有序列的历史长度和预测长度必须一致。方式三用自己的数据微调需GPU数小时起把 CSV 数据timestamps/open/high/low/close/volume/amount 七列volume、amount 缺失可填0准备好改好 finetune_csv/configs/config_ali09988_candle-5min.yaml 里的数据路径和训练参数运行 train_sequential.py 即可自动按先 tokenizer 后预测器的顺序训练。仓库里附了阿里巴巴港股 5 分钟线的完整示例数据finetune_csv/data/HK_ali_09988_kline_5min_all.csv列格式可以直接照着抄。效果展示跑起来之后你看到什么这是 examples/prediction_example.py 跑出来的图。上半部分红色曲线预测贴着蓝色曲线真实值走趋势转折段能跟上方向变化下半部分的成交量预测虽然对个别尖峰贴合不够紧但整体量级和节奏是对得上的。再进一步微调后的模型可以接入回测finetune/qlib_test.py 生成预测信号后跑一个 top-K 策略上图是扣除交易成本后的累计收益曲线多条策略曲线整体位于 CSI300 基准黑色虚线上方。但注意官方提醒这是简化演示不是生产级交易系统真实落地还需要组合优化、风险中性化、滑点建模等一整套东西。避坑指南新手最容易踩的3个坑历史窗口不是越长越好small 和 base 的 max_context 是 512lookback 超过 512 会被自动截断别指望喂 2000 根K线进去模型就全用上了。数据列名必须对DataFrame 必须包含 open、high、low、close 四列volume、amount 可选。列名对不上时 predict 会直接报错。回测曲线不等于实盘收益回测图是 top-K 简化策略的结果没有组合层面的风险控制拿它当决策依据前先理解这一层含义。资源索引关键文件在哪里核心模型源码model/kronos.py可运行预测示例examples/prediction_example.pyWeb界面入口webui/app.py微调管线finetune/Qlib/A股与 finetune_csv/CSV数据装好环境后现在就可以用方式一在浏览器里跑出你的第一条预测曲线。【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