3行代码跑通Kronos金融K线大模型从安装到预测【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盯着一张K线图看了半天还是拿不准接下来会涨还是会跌——这是很多人做股票、做合约时的日常。Kronos 就是为解决这个问题而生的它是首个开源的金融K线基础模型用全球45交易所的数据训练你喂给它一段历史K线它就输出未来一段时间的价格与成交量走势。全文按看懂原理 → 两步装好 → 跑通预测 → 看回测 → 进阶微调的顺序走零基础也能照着做。Kronos 怎么读懂一张K线图 把K线数据直接扔给神经网络难点在于开、高、低、收、量这些数字又噪又多。Kronos 分两步处理就像一个人先看地形草图再补细节标注分词阶段专门的 Tokenizer 先把每根K线压扁成两级离散令牌——粗粒度子令牌记下大轮廓这根K线整体偏涨还是偏跌细粒度子令牌补充局部细节影线、波动。压扁的同时还能反向还原出几乎一样的K线说明信息没丢。预测阶段一个因果 Transformer 像逐字读完这段文字一样按时间顺序消化这些令牌再像接龙一样往下续写逐根生成未来的K线。整个流程在 model/kronos.py 里实现官方架构图如下Kronos 两阶段架构左边把K线量化成粗细两级令牌并验证可还原右边是逐块自回归的因果 Transformer 生成未来序列两条命令装好环境三行代码出预测 ⚡环境要求只有一个Python 3.10。依赖只有 10 个包PyTorch、pandas 等一条命令装完# 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装好后核心调用只有三步加载分词器和模型、创建预测器、调用predict。模型从 Hugging Face 自动下载首次运行稍慢属正常现象from model import Kronos, KronosTokenizer, KronosPredictor import pandas as pd tokenizer KronosTokenizer.from_pretrained(NeoQuasar/Kronos-Tokenizer-base) model Kronos.from_pretrained(NeoQuasar/Kronos-small) predictor KronosPredictor(model, tokenizer, max_context512) # x_df 需含 open/high/low/close 四列volume、amount 可选 pred_df predictor.predict(dfx_df, x_timestampx_ts, y_timestampy_ts, pred_len120)predict返回一个 DataFrame直接包含未来每根K线的开高低收和成交量。不想写代码也没关系仓库自带 WebUIcd webui后执行python run.py浏览器打开http://localhost:7070上传 CSV、选模型、拖一下时间窗口固定 400 根历史 120 根预测就能出图详细说明见 webui/README.md。预测效果长什么样跑一遍官方示例 仓库里有一个完整的可运行脚本 examples/prediction_example.py它加载上海某只股票的 5 分钟K线取 400 根历史K线预测未来 120 根自动画出实际 vs 预测对比图官方示例输出上图收盘价、下图成交量红色预测段贴合历史走势的收尾方向两个值得注意的细节一是small和base模型的最大上下文是 512 根K线输入超长会自动截断二是支持predict_batch批量接口把多只股票的时间序列一次性并行预测适合做组合层面的筛选。回测结果扣除成本后仍跑赢基准 README 里附了一组 A 股日线数据的回测图用 Qlib 数据、微调后的模型做 top-K 策略回测分上下两图上图是含成本累计收益四条策略曲线last/mean/max/min与基准 CSI300黑色虚线对比下图是累计超额收益图里能看到2024 年 7—9 月策略与基准基本同步之后逐步拉开到 2025 年 5—6 月超额收益最高接近 0.15。但要注意官方原文的提醒——这是演示级 top-K 策略未做组合优化、风险因子中性化和交易成本建模只用于展示微调流程不是可直接上生产的交易系统。进阶玩法用自己的数据微调 Kronos ️仓库提供了两条微调路线都带完整脚本Qlib 路线finetune/面向 A 股日频数据4 步走——改配置、预处理、训练 Tokenizer、训练预测器再跑回测。CSV 路线finetune_csv/任意 CSV如港股 5 分钟K线都能喂一条命令顺序训完两个模块中文说明见 finetune_csv/README_CN.md。微调后的效果可以直观感受下面这张是社区用深科技000021日频数据做的预测四个子图分别是价格走势标注了最高、最低和最终预测价、成交量、涨跌率和市场因素评分微调后的个股预测图左上标注了预测窗口内的最高价 25.88、最低价 18.41 与最终预测价 19.31模型规模可按需求选mini4.1M 参数上下文 2048、small24.7M、base102.3M三个版本全部开源CPU、NVIDIA GPU、Apple Silicon 都能跑。新手高频问题 ❓Q没有成交量数据能跑吗A可以。open/high/low/close 四列即可volume、amount 可选仓库还附了无成交量数据的示例脚本examples/prediction_wo_vol_example.py。Q输入数据有什么要求ACSV 需包含 open、high、low、close 四列加时间戳列small/base 模型上下文上限 512 根超长自动截断。Q三个开源模型怎么选Amini4.1M 参数轻量快small24.7M均衡base102.3M质量最高第一次使用建议 small。Q电脑配置要求高吗ACPU 即可运行 WebUIGPU 更快首次加载模型需联网下载耐心等待。Q批量预测多只股票怎么做A用predictor.predict_batch传入多组数据列表各序列需相同的回看长度和预测长度GPU 下并行加速。写在最后Kronos 把K线数据 → 离散令牌 → 自回归续写这条链路做成了开箱即用的开源工具两步装环境、三行代码出预测、回测与微调脚本齐全MIT 协议免费商用。但它输出的是概率意义上的走势估计不是确定性答案本文所有内容也不构成投资建议实盘前请先用历史数据自己回测验证并充分评估风险。【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