3行代码跑通Kronos股票预测从安装到回测的K线分析实操路径【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、免费的金融 K 线基础模型喂给它一段历史蜡烛图序列它会输出未来每一期的开盘、最高、最低、收盘和成交量。本文面向不想自己训练模型、只想直接拿预训练权重做 K 线分析与股票预测的新手。 安装与运行先看到预测图仓库结构很扁平model/放模型定义examples/放可直接运行的脚本装环境只需要三行命令。git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt依赖不重核心就是 numpy、pandas 和 PyTorch。先加载官方预训练权重import pandas as pd from model import Kronos, KronosTokenizer, KronosPredictor df pd.read_csv(tests/data/regression_input.csv) df[timestamps] pd.to_datetime(df[timestamps]) tokenizer KronosTokenizer.from_pretrained(NeoQuasar/Kronos-Tokenizer-base) model Kronos.from_pretrained(NeoQuasar/Kronos-small) predictor KronosPredictor(model, tokenizer, max_context512)这里直接用仓库tests/目录自带的样例 CSV约 2500 根 5 分钟 K 线换成任何一只股票的数据也行。接下来就是核心调用x_df df.iloc[:400] x_ts df[timestamps].iloc[:400] y_ts df[timestamps].iloc[400:520] pred_df predictor.predict(dfx_df, x_timestampx_ts, y_timestampy_ts, pred_len120, T1.0, top_p0.9) print(pred_df.head())predict返回一个 DataFrame120 行对应未来 120 个周期列是 open、high、low、close、volume、amount数据加载、归一化、反归一化都替你做好了。不想写代码的话仓库自带 Flask 网页界面执行cd webui python run.py后在浏览器打开 7070 端口即可选模型规格、调采样参数、拖动时间窗口都是点选操作预测曲线和实际 K 线也会画在一起。完整可跑脚本见 examples/prediction_example.py只需按脚本提示把数据文件换成自己的。 它凭什么能做到两级 K 线编码加自回归生成先把 K 线压成离散编码Kronos 不把原始数字直接喂给模型而是用一个专门的 tokenizer量化的编解码网络把每根 K 线的开、高、低、收、量五维数据压成两级离散编码一级位记录这根 K 线的粗形态二级位补充细节。有点像写地址先写省再写门牌号两级合起来才唯一定位到一个点。再逐位续写未来主模型是解码器结构的自回归 Transformer和大语言模型同族small、base 版的上下文上限是 512 根 K 线。它在 45 多个全球交易所的 K 线数据上预训练官方文档学的是给定前文、续写后文的分布。预测时逐位生成未来 token再由 tokenizer 解码回具体价格预测本质上就是一次续写。上图是官方 README 里的整体架构数据先经 tokenizer 压缩重建再进入 Transformer 做续式预测。 效果验证预测曲线与回测收益官方示例以 400 根 K 线为上下文预测接下来的 120 根上图红色预测收盘线与真实走势基本贴合下方图还给出了成交量的预测。这是finetune/回测脚本在 A 股数据上的产出官方文档微调后的模型按预测涨跌幅打分用简单的 top-K 选股策略与沪深 300 做对比。目前开源的模型规格官方 README模型参数量最大上下文Kronos-mini4.1M2048Kronos-small24.7M512Kronos-base102.3M512mini 参数最少、上下文反而最长small、base 建议输入别超过 512 根超出的部分 Predictor 会自动截断。批量预测时所有序列必须保持相同的回看长度和预测长度官方文档。⚖️ 边界说明能做什么与不能做什么能做的单序列预测和多序列并行批量预测批量模式走 GPU 并行同时输出开、高、低、收、量六个字段缺成交量会自动补零用自己的数据微调finetune/与finetune_csv/提供两条流水线不能做的不提供行情数据数据源得自己接开源行情库或自备 CSV不是开箱即用的交易系统官方 README 明确说 finetune 流程只是简化演示非生产可用不直接输出买卖信号预测价格到交易信号之间要自己加工运行要求不高Python 3.10 加 PyTorchWebUI 支持 CPU、CUDA 和 MPSApple 芯片普通笔记本跑 mini 规格就够用。数据格式是 CSV必须含 open、high、low、close 四列加时间戳列volume 可选。几个常见问题的简答Q没有显卡能跑吗A可以。用 4.1M 参数的 mini 版CPU 推理单序列足够有 GPU 时 small、base 会快很多。Q能预测多长的未来A代码里pred_len可以自定WebUI 则固定为回看 400、预测 120的窗口。模型侧上下文上限是 512mini 为 2048。QCSV 列名不一样会怎样A直接跑不通。列名必须是 open、high、low、close、volume、amount、timestamps可参考仓库finetune_csv/data/下的样例文件。Q5 分钟级数据能微调吗A可以。finetune_csv/目录带全套脚本和一个港股 5 分钟 K 线样例流程在其中的中文 README 有说明。Kronos 的价值在于把K 线预测从自建模型和特征工程的项目变成了加载权重、调两个函数的活。上述输出都属于统计信号市场噪声很大请把它当参考而不是买卖依据。脚本与数据样例在仓库examples/、webui/目录里微调细节可看 finetune_csv/README_CN.md。【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
