Kronos：首个金融市场K线语言基础模型，AI量化投资开源新利器

Kronos是由shiyu-coder团队开源的金融时序基础模型，专门训练用于理解和预测金融市场的K线数据（K-lines，也称蜡烛图）。不同于通用Transformer模型，Kronos针对金融市场的高噪声、多维度、复杂时序特性做了专门优化，可以将K线序列理解为一种「金融市场语言」，从而完成股票、加密货币等资产的预测任务。

Kronos的核心创新在于其两阶段框架：首先用一个专用Tokenizer将OHLCV（开盘价、最高价、最低价、收盘价、成交量）等多维连续数据量化为离散的层级Token，再通过大型自回归Transformer在这些Token上进行预训练。这种「Tokenizer化+语言建模」的方式让模型能够理解K线中的趋势形态、波动规律和量价关系。

项目亮点：
– 首个针对金融K线数据训练的开源基础模型
– 覆盖全球45家以上交易所的K线数据
– 已被AAAI 2026学术会议接收
– 提供从4.1M到499M参数多个规模的预训练模型
– 支持批量并行预测多只资产

Kronos系列包含四个规模的模型：
– Kronos-mini：4.1M参数，2048上下文长度
– Kronos-small：24.7M参数，512上下文长度
– Kronos-base：102.3M参数，512上下文长度
– Kronos-large：499.2M参数（暂未开源）

安装步骤：

git clone https://github.com/shiyu-coder/Kronos.git
cd Kronos
pip install -r requirements.txt

使用Kronos进行K线预测非常简单直观：

from model import Kronos, KronosTokenizer, KronosPredictor
import pandas as pd

tokenizer = KronosTokenizer.from_pretrained(“NeoQuasar/Kronos-Tokenizer-base”)
model = Kronos.from_pretrained(“NeoQuasar/Kronos-small”)
predictor = KronosPredictor(model, tokenizer, max_context=512)

df = pd.read_csv(“your_data.csv”)
x_timestamp = df[“timestamps”]
y_timestamp = future_timestamps

pred_df = predictor.predict(
df=df,
x_timestamp=x_timestamp,
y_timestamp=y_timestamp,
pred_len=120,
T=1.0,
top_p=0.9,
sample_count=1
)

Kronos还支持批量预测多只资产（利用GPU并行加速），以及无Volume/Amount数据的轻量模式。项目还提供了微调脚本，用户可以在自己的专有数据上微调模型。

项目已发表在arXiv，提供了公开Demo页面可以在线体验BTC/USDT未来24小时价格预测效果。完全免费，开源协议为CC BY-NC-SA。

GitHub地址：https://github.com/shiyu-coder/Kronos

服务支持：如有兴趣不会搭建，可以联系微信：WRYD6166，开源项目搭建10-50元。