如何让市场开口说话：用开源K线大模型Kronos做股票预测的完整指南

如何让市场开口说话：用开源K线大模型Kronos做股票预测的完整指南

【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

Kronos 是目前少有的开源K线预测基础模型，用 45 家全球交易所的行情数据预训练，把 K 线图"翻译"成模型能读懂的符号序列，再像预测下一个词一样预测未来的价格走势。它面向想入门量化分析的普通投资者、写代码的开发者，以及需要批量预测和回测的机构研究者。

先把蜡烛图变成模型能读的"文字"

传统技术分析的麻烦在于：K 线同时包含开盘、收盘、最高、最低、成交量等好几个维度，还夹杂着大量市场噪声，普通时间序列模型很难同时消化这些信息。Kronos 的思路很直白——既然语言模型能靠"分词"读懂文章，那 K 线也能分词。

它拆成两步走（核心实现在 model/ 目录）：

• 分词器（Tokenizer）：像把句子切成词语一样，把连续的 K 线数据量化成两层粗细不同的离散符号，保证细节不丢
• 自回归 Transformer：在符号序列上做预训练，学会"根据前面发生什么，推断下一步更可能发生什么"，这套架构天然适合高噪声的金融数据

官方称这是首个面向金融 K 线的基础模型，论文已被 AAAI 2026 接收，预训练数据覆盖 45 家以上全球交易所，不局限于某个单一市场。

选哪个规格：mini / small / base 参数速查

项目放出了一组不同"体量"的预训练模型，可按自己的显卡条件挑选：

• Kronos-mini：4.1M 参数，上下文长度 2048，轻量级，适合快速试跑
• Kronos-small：24.7M 参数，上下文长度 512，速度与精度平衡，README 示例默认用它
• Kronos-base：102.3M 参数，上下文长度 512，精度更高
• Kronos-large：499.2M 参数，目前未开源

一个实用细节：small 和 base 的最大上下文是 512，喂给模型的历史数据（lookback）最好不要超过这个长度，KronosPredictor会自动截断更长的输入。

跑出来的东西长什么样：预测图与回测曲线

仓库里放了三类可直接对照的产出：

① 单标的预测对比。examples/prediction_example.py 是一条完整的可运行脚本，跑完会得到历史走势与未来预测的叠加图：

② 微调后的回测曲线。用 finetune/ 里的 Qlib 流程在 A 股日线数据上微调后，跑 top-K 简单策略回测，输出策略相对基准的累计收益曲线：

③ 真实个股的预测输出。examples/yuce/目录里有沪深个股（如平安银行 000021）的预测图和配套 JSON 分析报告，可以直接翻看模型对单只股票的输出细节。

需要提醒的是，官方明确说明回测流水线只是演示，信号属于"原始预测"，离实盘还需要组合优化、风险因子中性化、交易成本建模等一整套工程，别把它当成可直接上场的交易系统。

三条命令跑起本地预测

先装好 Python 3.10+，然后：

git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt

装完依赖后，最省事的路径是用网页界面 webui/：

cd webui python run.py

浏览器打开http://localhost:7070就能操作：选择 CSV 数据文件 → 选模型和 CPU/CUDA/MPS 设备 → 拖动时间窗口（固定 400+120 个数据点）→ 点预测。数据格式只要求包含open、high、low、close四列，volume、amount可选；首次加载模型会从 Hugging Face 下载权重，稍等片刻即可。

命令行用户则直接调用KronosPredictor，传入 DataFrame、历史时间戳和未来时间戳即可拿到预测结果，还支持predict_batch对多只标的并行预测，以及用T（温度）、top_p（核采样概率）、sample_count（采样条数）控制概率预测的随机性。

适合谁用：按角色选路线

• 只想看看效果的散户：直接上 webui，不需要写代码，界面里有 K 线图展示和预测/实际值对比分析
• 有自己数据的开发者：finetune_csv/ 提供 CSV 微调全流程，改一份 yaml 配置就能训练，内置阿里巴巴港股 09988 五分钟 K 线的完整示例
• 量化研究者：finetune/ 给出 Qlib 数据处理、tokenizer 与 predictor 两阶段微调（支持 torchrun 多卡）和回测评估的脚本链，可作为自建策略的起点

💡 一个降低踩坑成本的小建议：先用 Kronos-mini 把数据格式和流程跑通，再换更大的模型，避免一开始就被环境问题卡住。

Kronos 把"读 K 线"这件难事，收敛成了分词加自回归预测一条清晰链路，并且每一步的模型、数据和代码都摆在开源仓库里。对普通人它是零门槛的预测可视化入口，对研究者则是一个可以持续微调、回测验证的基座模型。

【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