Kronos：专门理解和预测金融 K 线的基础模型
一分钟看懂
Kronos 是一组针对金融 K 线序列预训练的开源模型。它把开、高、低、收、成交量等连续数据先转换成分层离散 Token，再交给自回归 Transformer 学习市场序列，目标是为预测、分类和量化研究提供统一模型。训练资料来自全球多个交易所，仓库提供不同规模的权重、推理示例和微调流程。
你可以用它做什么
- 根据历史 K 线生成未来一段时间的概率预测。
- 批量预测多个资产或时间窗口。
- 在自己的股票、期货或数字资产数据上微调。
- 研究金融序列 Token 化与基础模型方法。
- 将预测作为量化研究的候选信号，再进行组合与风控。
主要能力
项目提供 mini、small、base 等不同容量模型，并通过 Hugging Face 分发开源权重。KronosPredictor 封装了数据预处理、归一化、采样预测和反归一化，输入至少包含 OHLC，成交量和成交额可选。它支持多条同长度序列的 GPU 批量预测，也提供基于 Qlib 的 A 股数据准备、两阶段微调和简单回测示例。
适合哪些人
- 研究时间序列与金融基础模型的学生和研究者。
- 有数据工程、回测和风险管理能力的量化团队。
- 想评估预训练金融模型能否改进现有特征或信号的开发者。
它不是面向普通投资者的一键交易软件，也不会直接给出可靠买卖建议。
怎么开始使用
准备 Python 3.10+ 并安装依赖，从 Hugging Face 加载匹配的 Tokenizer 和模型。先运行仓库预测示例，用已知数据对照真实结果；small/base 的上下文上限为 512，输入过长会被截断。需要适配自有市场时，再按微调目录准备训练、验证和测试集。
使用前需要知道
金融市场噪声高且分布会变化，历史拟合或回测盈利不代表未来有效。官方也明确说明 Qlib 的 top-K 示例不是生产级交易系统：真实策略还要处理手续费、滑点、冲击成本、仓位、风险因子、中性化和极端行情。必须防止未来数据泄漏，并使用严格的时间外验证。
模型输出只能作为研究信号，不构成投资建议。投入真实资金前应独立审计代码、数据和风险；仓库还提示部分微调代码注释由 AI 生成，逻辑应以实际代码为准。