Kronos零门槛K线预测开源引擎【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假设你刚割完一只股票还忍不住回头看。你手里有 400 根历史 K 线想看接下来 120 根会怎么走。Kronos 就是一个专注 K 线预测的开源金融基础模型喂给它历史 K 线它直接输出未来的开高低收和成交量。它已在 45 多个全球交易所的数据上做过预训练装好就能跑。 一句话说清它Kronos 是目前第一个专门面向 K 线序列的开源基础模型。传统预测方法要么给每只股票单独建模要么靠人写技术指标它则先用海量跨市场数据练好一个大模型任何 K 线加载权重就能推。它和通用时间序列基础模型最大的差别整条链路都是按金融数据噪声大的特性设计的不拿别的场景凑合。 拆开看它怎么跑去掉细节整个链路就三步第一步K 线分词。专用 tokenizer 用 BSQ 量化方案类似图片压缩的离散编码把连续的 OHLCV开高低收加量数据切成两层离散 token。相当于把 K 线图变成一串条形码粗 token 管大方向细 token 管小波动。第二步因果 Transformer 学习。一个只往前读、逐个预测的 decoder-only Transformer因果注意力结构在这些 token 上做自回归预训练。相当于读完所有历史才动笔写下一根让模型把 45 多个交易所的波动节奏都记下来。第三步预测生成。推理时喂一段历史窗口模型逐 token 往后生成再经线性层映回价格输出未来 N 根 K 线。相当于一格一格猜下一根 K 线。 数据说话以下数据取自官方 README 与回测脚本回测用 Qlib A 股日频数据跑了一个简单的 top-K 选股策略官方明确说这不算生产级策略。模型参数量最大上下文是否开源Kronos-mini4.1M2048是Kronos-small24.7M512是Kronos-base102.3M512是Kronos-large499.2M512否三个关键数字预训练数据覆盖 45 全球交易所仓库里 A 股、港股的实测例子都能对应上官方回测里策略累计收益曲线持续跑赢基准指数回撤曲线在图中可见输入窗口最多 512 根mini 支持 2048 根一次能往前推 120 根还支持多标的并行批量预测。仓库还放了单只股票的实跑样例比如 000021 的优化后预测 跑起来最小路径5 分钟内零代码git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt然后启动内置 Web 界面它支持 CPU、CUDA 和 Apple MPS 三种设备cd webui python run.py浏览器打开 http://localhost:7070 。数据文件需要 open、high、low、close 四列volume 可选。滑杆选好时间窗口点预测按钮就有图。首次加载模型会自动下载稍等一会。进阶配置可选纯 Python 调用看 examples/prediction_example.py几行代码加载模型predict_batch 可以一次推多只股票用自己的 CSV 数据微调finetune_csv/ 自带阿里港股 5 分钟 K 线数据集cd finetune_csv python train_sequential.py --config configs/config_ali09988_candle-5min.yaml已有 Qlib 数据流水线的走预处理、微调 tokenizer、微调预测器、回测四段脚本全在 finetune/ 目录里。 适合谁如果你正在盯某只股票、想快速验证一波走势用 Web 界面就行一行代码都不用写。如果你正在做量化研究拿自己的市场数据微调把原始预测信号变成自研策略的起点。如果你正在学时序模型代码全开源、结构清晰分词和 Transformer 怎么配合可以直接拆着看。 后续路线论文已被 AAAI 2026 接收仓库 News 区已公布。2025.08.17 起官方放出完整微调脚本Qlib 和 CSV 两条数据链路都支持。499M 参数的 Kronos-large 尚未开源模型家族还有扩容空间。克隆仓库、装好依赖5 分钟在 Web 界面里出你的第一份 K 线预测。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Kronos｜零门槛K线预测开源引擎
Kronos零门槛K线预测开源引擎【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假设你刚割完一只股票还忍不住回头看。你手里有 400 根历史 K 线想看接下来 120 根会怎么走。Kronos 就是一个专注 K 线预测的开源金融基础模型喂给它历史 K 线它直接输出未来的开高低收和成交量。它已在 45 多个全球交易所的数据上做过预训练装好就能跑。 一句话说清它Kronos 是目前第一个专门面向 K 线序列的开源基础模型。传统预测方法要么给每只股票单独建模要么靠人写技术指标它则先用海量跨市场数据练好一个大模型任何 K 线加载权重就能推。它和通用时间序列基础模型最大的差别整条链路都是按金融数据噪声大的特性设计的不拿别的场景凑合。 拆开看它怎么跑去掉细节整个链路就三步第一步K 线分词。专用 tokenizer 用 BSQ 量化方案类似图片压缩的离散编码把连续的 OHLCV开高低收加量数据切成两层离散 token。相当于把 K 线图变成一串条形码粗 token 管大方向细 token 管小波动。第二步因果 Transformer 学习。一个只往前读、逐个预测的 decoder-only Transformer因果注意力结构在这些 token 上做自回归预训练。相当于读完所有历史才动笔写下一根让模型把 45 多个交易所的波动节奏都记下来。第三步预测生成。推理时喂一段历史窗口模型逐 token 往后生成再经线性层映回价格输出未来 N 根 K 线。相当于一格一格猜下一根 K 线。 数据说话以下数据取自官方 README 与回测脚本回测用 Qlib A 股日频数据跑了一个简单的 top-K 选股策略官方明确说这不算生产级策略。模型参数量最大上下文是否开源Kronos-mini4.1M2048是Kronos-small24.7M512是Kronos-base102.3M512是Kronos-large499.2M512否三个关键数字预训练数据覆盖 45 全球交易所仓库里 A 股、港股的实测例子都能对应上官方回测里策略累计收益曲线持续跑赢基准指数回撤曲线在图中可见输入窗口最多 512 根mini 支持 2048 根一次能往前推 120 根还支持多标的并行批量预测。仓库还放了单只股票的实跑样例比如 000021 的优化后预测 跑起来最小路径5 分钟内零代码git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt然后启动内置 Web 界面它支持 CPU、CUDA 和 Apple MPS 三种设备cd webui python run.py浏览器打开 http://localhost:7070 。数据文件需要 open、high、low、close 四列volume 可选。滑杆选好时间窗口点预测按钮就有图。首次加载模型会自动下载稍等一会。进阶配置可选纯 Python 调用看 examples/prediction_example.py几行代码加载模型predict_batch 可以一次推多只股票用自己的 CSV 数据微调finetune_csv/ 自带阿里港股 5 分钟 K 线数据集cd finetune_csv python train_sequential.py --config configs/config_ali09988_candle-5min.yaml已有 Qlib 数据流水线的走预处理、微调 tokenizer、微调预测器、回测四段脚本全在 finetune/ 目录里。 适合谁如果你正在盯某只股票、想快速验证一波走势用 Web 界面就行一行代码都不用写。如果你正在做量化研究拿自己的市场数据微调把原始预测信号变成自研策略的起点。如果你正在学时序模型代码全开源、结构清晰分词和 Transformer 怎么配合可以直接拆着看。 后续路线论文已被 AAAI 2026 接收仓库 News 区已公布。2025.08.17 起官方放出完整微调脚本Qlib 和 CSV 两条数据链路都支持。499M 参数的 Kronos-large 尚未开源模型家族还有扩容空间。克隆仓库、装好依赖5 分钟在 Web 界面里出你的第一份 K 线预测。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考