Kronos 开源 K线基础模型：5 分钟从零跑通你的第一次股价预测

Kronos 开源 K线基础模型：5 分钟从零跑通你的第一次股价预测

【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

收盘后 15 点，你翻出几只股票的 K 线图，想判断明天的方向，眼前却只有一根根红绿柱。Kronos K线预测就是为这个场景做的：它是首个面向金融 K 线的开源基础模型，在45+家全球交易所的数据上预训练，你喂它一段历史 K 线，它回你一截接下来的价格与成交量走势。这篇文章带你从零开始，用几分钟跑通第一次预测。

🔍 传统做法卡在哪里

你有没有过这样的经历：图表上叠满指标，MACD 金叉加均线多头排列，信号显示"买"，结果第二天高开低走一根大阴线。问题未必出在指标本身——每个指标都只是开盘、最高、最低、收盘、成交量这五个维度的单角度切片，单一数字很难同时装下量价关系的整体状态。

更常见的麻烦在后面：你想把观察池从 3 只扩到 30 只，却发现 K 线只能一张一张盯，没有批量、没有自动化；而你脑子里那套"经验模型"和同事完全不同，复现不了、回测不了，也没法迭代。做开源股票预测这件事，卡点往往不在算法，而在"能不能被程序复现"。

🧠 它是怎么做到的

如果要用一句话讲清 Kronos 的工作方式，那就是：先把 K 线"转写"成一串离散的音符，再对这串音符做接龙式的续写。

第一步是 tokenizer（分词器，作用类似文本模型把句子拆成词）：它用二进制球面量化（BSQ，一种把连续数值压缩成有限位模式的压缩手段）把连续的 OHLCV 数据先切成粗粒度子 Token，再切出细粒度子 Token——粗的保住趋势，细的留住局部波动，数据维度被大幅压缩，模型却两个层面都看得见。第二步是自回归 Transformer：堆叠 N 个因果（causal）Transformer 块，模型沿时间轴逐个补出下一枚"音符"。坚持"只看过去"不是限制，而是设计目标——因果机制保证它预测下一根 K 线时，和真实交易一样只能用历史数据，不存在偷看答案的通道。

📊 效果有多硬

仓库没有公布单一的"准确率"数字，但有几组可以直接验证的事实：

• 训练面：预训练数据覆盖45+家全球交易所，论文已被AAAI 2026接收；
• 选型空间：开源模型库提供 Kronos-mini（410 万参数、上下文2048根 K 线）、Kronos-small（2470 万、上下文512）、Kronos-base（1.02 亿、上下文512）三档，从笔记本到工作站都能跑；
• 单点预测：官方示例用最近400根历史预测未来120根，红色预测线与蓝色实线贴合度相当高，成交量的峰值位置也基本对得上。

预测线真的和实线贴得这么近吗？看官方示例图：

更有分量的是回测。下图来自官方的 A 股微调示例：2024 年 7 月至 2025 年 6 月、含交易成本的条件下，策略累计收益曲线大部分时间压在沪深 300 基准之上，累计超额收益全程保持为正且趋势向上。

白话翻译：扣掉交易成本之后，这段区间里策略仍跑赢指数，而且领先幅度随时间还在扩大。但要泼一句冷水——这是简化版演示回测，不是未来收益的保证。

注意事项：官方 README 明确说明，finetune 回测管线是简化示例，并非生产级量化系统；模型输出的是原始预测信号，真实使用应接入组合优化与风险管理。把结果理解为"模型有能力"，而不是"买了就赚"。

⚡ 几分钟上手

Kronos 安装步骤

前提只有Python 3.10+，依赖一行装完：

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

官方示例 examples/prediction_example.py 默认读取一份 5 分钟 K 线 CSV（需要open/high/low/close/timestamps列，volume/amount可选）。仓库里自带一份可直接用的样例数据集：阿里巴巴 5 分钟 K 线 finetune_csv/data/HK_ali_09988_kline_5min_all.csv，把脚本里的数据路径改成它即可开跑。

python examples/prediction_example.py

跑完终端会打印预测结果的 DataFrame，窗口里弹出价格、成交量两联图：蓝线是真实值，红线是模型预测。

注意事项：Kronos-small / Kronos-base 的最大上下文是512，输入lookback建议不超过该值，超出部分KronosPredictor会自动截断；没有成交量数据可以改用无成交量版本 examples/prediction_wo_vol_example.py；首次运行会从 Hugging Face 下载预训练权重，请保证网络可用。

🚀 还能怎么玩（适合谁用）

Kronos 微调：用自己的数据继续训练

预训练权重只是通用底子，想让模型真正读懂你盯的那片市场，关键在 Kronos 微调。仓库给出两条开箱即用的路线：

• A 股 / Qlib 路线：finetune/ 提供完整管线——数据预处理qlib_data_preprocess.py→ 训练 tokenizertrain_tokenizer.py→ 训练预测模型train_predictor.py→ 回测qlib_test.py，开工前只需改 finetune/config.py 里的路径；
• 自定义 CSV 路线：手头有任何 K 线 CSV 就走 finetune_csv/，写好一份 YAML 配置，python train_sequential.py --config <配置>一次完成 tokenizer 加预测器的顺序训练，支持多卡 DDP 加速。

下面是在阿里巴巴 5 分钟 K 线上微调 Kronos 后得到的预测结果：

批量与图形化：不只为单只股票服务

• 批量预测：predict_batch接口可并行预测多只标的，适合板块级扫描、组合级信号生成这类场景；
• Web UI：进入 webui/ 运行python run.py，浏览器打开 localhost:7070 即可拖入 CSV、滑选时间窗口、一键出图，支持 CPU / CUDA / MPS 设备；
• 多维度分析：examples/yuce/ 提供了单股综合分析样例——价格、成交量、涨跌幅与市场因素评分四联输出，例如深科技（000021）这份：

一句话划清适用人群：想找个能直接跑起来的开源股票预测基线，直接用预训练权重；有自己的行情数据、想让模型懂本地市场，走微调路线；做研究的话，K线基础模型的完整实现在 model/kronos.py，论文与模型库均开放。

别再让 K 线停留在"看一眼"的阶段——克隆仓库、改掉一行数据路径，从 examples/prediction_example.py 跑起第一次预测，再决定要不要继续深入。

更多资源：README · 批量预测示例 · A股微调管线 · 自定义CSV微调 · Web UI · 模型源码

【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