Kronos：金融市场语言的开源基础模型

首个金融 K 线基础模型

Kronos 是首个开源的金融蜡烛图（K 线）基础模型，基于 45+ 全球交易所的数据训练。

核心创新

不同于通用时间序列基础模型（TSFM），Kronos 专为金融数据的独特高噪声特征设计。采用新颖的两阶段框架：

1. 专用 Tokenizer：首先将连续多维 K 线数据（OHLCV）量化为层级离散 token
2. 自回归 Transformer：在这些 token 上预训练大型模型，使其能作为多样化量化任务的统一模型

模型家族

使用方式

通过 KronosPredictor 类进行预测，处理数据预处理、归一化、预测和逆归一化：

from model import Kronos, KronosTokenizer, KronosPredictor

# 从 Hugging Face 加载
tokenizer = KronosTokenizer.from_pretrained("NeoQuasar/Kronos-Tokenizer-base")
model = Kronos.from_pretrained("NeoQuasar/Kronos-small")

# 初始化预测器
predictor = KronosPredictor(model, tokenizer, max_context=512)

# 生成预测
pred_df = predictor.predict(
    df=x_df,           # 包含 ['open','high','low','close'] 的 DataFrame
    x_timestamp=...,   # 历史时间戳
    y_timestamp=...,   # 预测时间戳
    pred_len=120,      # 预测长度
    T=1.0,             # 采样温度
    top_p=0.9,         # Nucleus 采样概率
    sample_count=1     # 生成路径数
)

支持批量预测 predict_batch，利用 GPU 并行处理多个时间序列。

微调

提供完整的微调 pipeline，以 A 股市场为例：

1. 配置路径和超参数
2. 使用 Qlib 处理和分割数据
3. 微调 Tokenizer 和 Predictor 模型
4. 回测评估

免责声明：此 pipeline 为演示用途，简化示例，非生产级量化交易系统。稳健策略需要更复杂的技术，如组合优化和风险因子中性化。

资源

• Live Demo：https://shiyu-coder.github.io/Kronos-demo/
• 论文：https://arxiv.org/abs/2508.02739
• Hugging Face：https://huggingface.co/NeoQuasar
• 代码：https://github.com/shiyu-coder/Kronos

里程碑

• 2025.11.10：被 AAAI 2026 接收
• 2025.08.17：发布微调脚本
• 2025.08.02：论文上线 arXiv