Kronos金融大模型完整指南：3行代码跑通AI股价预测

Kronos金融大模型完整指南：3行代码跑通AI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

在官方微调回测中，基于 Kronos 预测信号的策略全程跑赢沪深300基准，超额收益最高达到 0.15。Kronos 是一个专为"读"K线（蜡烛图，记录金融市场价格走势的柱状图）设计的开源金融大模型：输入历史K线数据，它输出一整段未来的价格与成交量曲线。该项目已被顶级会议 AAAI 2026 接收，训练数据覆盖全球 45 个以上交易所的K线。不写代码的人，也可以在网页上三分钟拿到一次预测。

一句话认识 Kronos

它解决一个问题：怎么让计算机像人一样"看懂"K线图。Kronos 先用 tokenizer（把开、高、低、收、量这些多维数字翻译成模型能学的"词汇"的转换器）把图表变成一串"词"，再由大模型逐根预测下一根K线，最终给出价格与成交量预测曲线。

• 完全开源、无收费，可在自己的电脑上部署
• 带网页操作界面，不写代码也能出结果
• mini 到 base 三档模型（4M–100M参数），笔记本到显卡都能跑

🚀 先跑起来

先克隆仓库并安装依赖（要求 Python 3.10 及以上）：

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

不写代码的路径（官方 Web 页面，详细用法见 webui 文档）：

1. 启动服务：在 webui 目录下运行python run.py，然后用浏览器打开 http://localhost:7070
2. 选择 CSV 数据文件（须包含 open、high、low、close 四列），挑选模型尺寸（mini/small/base）与计算设备（CPU 或显卡）
3. 拖动滑块选定"400 根历史K线 + 120 根预测"的时间窗口，点击预测按钮，页面直接给出K线图与对比表

编程用户路径：下面 5 行即可完成第一次预测，完整可运行脚本可参考 examples/prediction_example.py：

from 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_context=512) pred_df = predictor.predict(df=x_df, x_timestamp=x_ts, y_timestamp=y_ts)

跑通后，会得到一张预测曲线与实际数据同屏对比的图：

它是怎么做到的

整体思路和人类学语言一致：先学会"认字"，再用词汇"造句"。Kronos 的"字"是K线数据的 token，"句子"就是未来的K线图。

K线分词器：把图表变成词汇

开、收、高、低、量这组连续的多维数据，先被量化成一串离散 token，类似把一段语音切成音素。token 再分成"粗粒度 + 细粒度"两级：粗粒度负责整体形态，细粒度负责波动细节，压缩过程不丢信息。经过这一步，高维数字数据就变成大模型可以直接学习的"词汇表"。

自回归 Transformer：一根一根预测下一根

核心是一个 decoder-only Transformer（"只看过去、补写下一句"的大模型架构，和文本自动补全同类）。训练时，模型反复练习猜"下一根K线长什么样"；推理时，它沿用同一逻辑，把未来一根接一根延伸出来。采样时有两个参数可调：温度 T（控制每一步延伸的随机程度）和 top_p（控制候选范围），随机性的大小决定了预测曲线的不确定程度。

三档尺寸：从 4M 到 100M 参数

开源模型族包含 mini（410 万参数，上下文可放到 2048）、small（2470 万参数）、base（1.02 亿参数）三档。笔记本 CPU 就能跑 mini，base 建议配显卡；三者共用同一套 tokenizer（词汇表），尺寸越大，预测效果越稳。

📊 实测效果

官方微调回测（下图）中，策略累积收益（彩色线）在不同市场阶段都高于沪深300基准（黑色虚线）；下半部分的超额收益曲线基本保持为正，峰值约 0.15。

单股预测示例（000021，下图）给出的除了未来价格曲线，还有成交量、涨跌幅和市场因素综合评分，最终预测价格标注为 19.31 元；官方表示对沪深300全部成分股做批量预测约 8 分钟即可完成。

谁该用它

个人投资者：先建立对AI的"手感"

• 网页端完成从上传数据到看曲线的全部操作，不用安装复杂环境
• 先看历史回测对比图建立信心，再看未来预测曲线
• 把预测结果当观察参考，不直接当买卖信号

量化开发者：接进自己的流程

• predict_batch可一次并行预测多只股票，适合全市场筛选
• finetune/ 目录提供了用自己数据重新训练的完整脚本流程
• 预测输出是标准数据表（pandas DataFrame，即二维表格数据），可直接接回测与下单系统

研究者与学生：一份完整的研究样例

• 模型族、分词器、回测代码全部开源，方便复现与对照
• 论文已被 AAAI 2026 接收，适合作为时序大模型的学习材料
• 示例脚本参数标注清晰，适合快速调参感受效果差异

避坑提醒

• 首次预测极慢、像卡死：原因是首次加载要从模型库下载权重，之后会走本地缓存；等待下载完成即可，不要直接判定失败。
• 回看窗口超过 512 根时预测失真或被截断：small 与 base 的上下文长度（模型一次最多能看的历史K线数）是 512，超出会被自动截断；备数据时把窗口控制在 512 以内。
• 预测效果偏平庸：默认采样参数偏保守；按 webui 文档建议把 T 调到 1.2–1.5、top_p 调到 0.95、sample_count 设为 2–3，曲线质量更稳。
• 批量预测报错或超时：predict_batch要求所有股票的历史长度与预测长度完全一致，且数据必须含 open、high、low、close 四列；先统一窗口长度再批量提交。

Kronos 用 3 行代码就能把"看K线图"从一项专业活变成人人可操作的入门体验。需要强调的是，预测不等于确定，任何结果都应先用历史回测验证、再结合自身风险承受能力作为决策辅助。完整代码、示例数据与微调脚本都在项目仓库中（即上文克隆地址）。

【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