Kronos 股票预测入门指南5 分钟跑通 K 线走势预测【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/KronosKronos 是一个开源的金融 K 线基础模型——首个专门为股票 K 线序列预训练的开源基础模型训练数据覆盖了 45 个以上交易所。你只需要给它一段历史 K 线开盘、最高、最低、收盘成交量可选它就能输出一条未来的 K 线序列而不只是一个涨/跌信号。核心模型代码在 model/kronos.py最小规格 Kronos-mini 仅 410 万参数论文已被 AAAI 2026 接收。先看效果Kronos 股票预测能输出什么在决定要不要深入之前先看清它实际交付的东西完整的未来 K 线predict方法返回未来每个时间点的 open/high/low/close/volume/amount 整条序列可以直接画图、回测或接策略可复现的回测流程仓库自带 A 股微调 回测管线finetune/跑完会生成策略累计收益对基准的对比曲线多规格模型可选从 410 万参数到 5 亿参数适配不同算力官方发布的预训练模型规格如下模型参数量上下文长度开源Kronos-mini4.1M2048是Kronos-small24.7M512是Kronos-base102.3M512是Kronos-large499.2M512否原理白话版K 线如何变成模型能读的文字Kronos 分两步工作可以用语音转文字 续写来打比方Tokenizer 把 K 线转成文字。连续的价格和成交量就像一段语音无法直接被语言模型处理。Tokenizer 先把每个时间点的 OHLCV 数据量化成离散 Token并且是两层结构粗粒度 Token 记录整体形态细粒度子 Token 保留更精细的价格与量能信息。这样既压缩了数据又没丢掉细节自回归 Transformer 负责续写。模型像写文章一样一个 Token 接一个 Token 地生成未来序列预测某一步时只能看到之前的历史——这跟真实交易中看不到未来的场景完全一致注意上下文限制Kronos-small / base 的最大输入长度是 512 根 K 线超出部分KronosPredictor会自动截断。5 分钟跑通第一次 Kronos 预测环境要求 Python 3.10依赖很简单PyTorch 2.0、pandas 等git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt python examples/prediction_example.py跑之前准备一份 5 分钟 K 线 CSV放到工作目录的data/下示例脚本默认读取./data/XSHG_5min_600977.csv。列名要求timestamps、open、high、low、close必填volume、amount可选examples/prediction_wo_vol_example.py 演示了无成交量数据的情况。脚本会按历史 400 根 → 预测 120 根的窗口调用模型最后弹出预测曲线和真实值的对比图。不想写代码的话仓库还内置了 Web 界面cd webui python run.py启动后访问http://localhost:7070在页面上选数据文件、模型规格支持 CPU / CUDA / MPS和采样参数即可出结果见 webui/README.md。实战批量预测与自有数据微调单只股票跑通之后仓库预留了两条进阶路径批量并行预测predict_batch方法可以同时预测多只股票利用 GPU 并行加速。要求所有序列的历史窗口长度和预测长度一致用自己的数据微调finetune_csv/针对任意 CSV 数据的一站式流程python train_sequential.py --config configs/...自动完成先微调 Tokenizer、再微调预测模型两步。仓库里附带港股 09988 的 5 分钟 K 线示例数据跑完的效果示例存放在finetune_csv/examples/finetune/基于 Qlib 的 A 股日线数据管线覆盖数据预处理、训练、回测全流程综合分析报告示例examples/yuce/下存放了 000021 等个股的分析报告 JSON 与图表可以看到预测结果如何与市场、板块、宏观评分等维度组合使用Kronos 与传统技术指标的差异对比维度传统技术指标均线、MACD 等Kronos输入从价格中人工挑选少数指标直接吃完整 OHLCV 序列经验依赖参数与阈值高度依赖个人经验在 45 交易所数据上预训练通用模式开箱即用输出单一信号金叉、超买等未来完整的 OHLCV 序列多标的处理逐个计算predict_batch并行批量适配特定标的换股票重调参数finetune_csv/用自有数据微调适合人群与风险提示适合谁想动手验证基础模型 金融序列方向的研究者论文可查 arXiv:2508.02739想批量扫描 K 线形态的量化开发者以及希望用 5 分钟级别数据做日内趋势研究的交易者配合finetune_csv/的微调流程。风险必须说清楚模型输出是带温度与核采样参数的概率性预测T、top_p、sample_count都会影响结果同一段数据多次运行结果可能不同仓库官方明确声明内置回测是演示简化版并非生产级交易系统真实策略还需要组合优化、风险因子处理、交易成本与滑点建模历史回测表现不代表未来收益本文内容不构成任何投资建议【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