Kronos：开源K线预测基础模型，回测表现到底如何？-育师

Kronos：开源K线预测基础模型，回测表现到底如何？

【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

假设是某个交易日收盘，你盯着一只股票的K线图，想知道接下来几根K线大概是什么形状。开源K线预测模型 Kronos 做的就是这件事：输入一段历史K线数据（开盘、最高、最低、收盘、成交量），直接输出未来若干周期的K线序列。它给的不是“看涨还是看跌”的模糊判断，而是可以画成图的 OHLCV 数值。

它是什么：面向K线序列的开源基础模型

Kronos 是首个面向金融 K 线序列的开源基础模型，在超过 45 个全球交易所的数据上预训练，相关工作已被 AAAI 2026 收录。一句话概括它的流程：输入一段历史K线 → 模型编码后自回归预测 → 输出未来若干周期的K线（含价格与成交量）。

模型按参数量分了几个档位：mini 4.1M、small 24.7M、base 102.3M，均开源可下载，显存不大的设备也可以先跑推理。

Kronos 怎么工作：K线数据先“装箱”，再逐根预测

核心分两步。

第一步是编码（K线数据Token化）。连续数值对神经网络并不友好，Kronos 专门配了一个 tokenizer：它先给每根K线一个“粗粒度 token”，概括这根K线的整体价格位置和量能档位，再在其中挂上“细粒度子 token”，保留价格与成交量的细节。可以类比收拾行李箱：主隔层放“这属于哪一类”，细网袋装“具体偏在哪里”。这套双粒度设计基于二值球量化（BSQ）技术，在明显压缩数据维度的同时保住关键信息。

第二步是自回归预测。Token 序列被送进因果 Transformer（decoder-only 结构），逐根预测下一根K线。有点像写连环画：每一格只能看前面已经画好的格子，不能偷看后面。这和真实交易场景一致——任何时刻只能看到当下为止的历史，模型也不能“作弊”。核心实现可以顺着 model/kronos.py 看，想抠细节从这里入手。

效果怎么看：Kronos 股票预测回测的三个指标

仓库里给了一个回测示例：用 A 股数据跑简单的 Top-K 策略，曲线如下（对应 finetune/ 目录的流水线）。看回测图其实就看三件事：

指标	含义	怎么读
累计收益	策略随时间的累计盈亏	与基准曲线（沪深300）对比，持续在上方是第一标准
超额收益	策略跑赢基准的部分	稳步抬升说明超额是持续的，而不是某段行情带来的
扣费后收益	计入交易成本后的结果	图里同时画了含成本与不含成本两条线，扣费后仍站得住才更可信

单只股票的预测效果可以看这张图：蓝线是实际收盘与成交量，红线是模型预测值。

看这张图有两点值得注意。其一，这是某只沪市股票 5 分钟K线上、向前预测 120 个周期的结果。其二，红线没有贴住蓝线——模型捕捉的是趋势的整体形状和成交量峰值的位置，而不是逐点对齐。如果哪里给出红线完全压住蓝线的“预测”，反而要打个问号。

3步跑通Kronos第一个预测

第一步，克隆并安装依赖：

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

第二步，准备数据。模型需要一个标准K线 CSV，包含 timestamps、open、high、low、close、volume、amount 七列；没有成交量可以填 0。格式样例可对照 finetune_csv/data/HK_ali_09988_kline_5min_all.csv。

第三步，跑示例脚本：

python examples/prediction_example.py

它会输出一张历史K线与预测K线上下对照的图。

如果卡住了：先看 README.md 的 Getting Started 一节，示例脚本的完整逻辑有逐步说明；数据格式问题查 finetune_csv/README_CN.md；显存有限就从 Kronos-mini 起步，4.1M 参数、上下文 2048，跑通第一次体验足够。

不止预测价格：高频K线微调和批量并行

高频 5 分钟K线。finetune_csv/ 目录提供在单个 CSV 上微调的完整流水线，仓库内附了港股阿里巴巴（09988）5分钟K线的全量示例：按配置训练后，模型就能在 5 分钟级别上输出预测，下图是示例产出的回测图之一。

批量并行。预测器提供predict_batch接口，把多只股票的序列放进列表一次并行预测（走 GPU 并行），适合“把一篮子股票都扫一遍”的场景。examples/yuce/ 目录下还有多只个股的完整分析案例（如 000021），每个案例同时输出K线预测图、成交量预测和市场因素评分的 JSON 报告，方便二次开发成自己的信号。

微调适配。想让模型专门针对某个市场或某只标的，finetune/ 提供基于 Qlib 的四步流水线：数据预处理 → 微调 tokenizer → 微调 predictor → 回测评估，训练只需两条torchrun命令，不用改模型代码。