新浪财经

K线即语言：Kronos 开源金融时序基础模型

市场资讯 04.12 22:18

（来源：磐创AI）

你有没有想过，K线图本质上也是一种"语言"？

每根K线记录的是一段时间内的开盘价、收盘价、最高价、最低价——这些数字的排列组合，其实隐藏着市场的情绪和规律。

最近发现一个挺有意思的开源项目：Kronos，刚被 AAAI 2026 接收。它是第一个开源的金融K线基础模型，用训练 LLM 的思路来处理金融时序数据。

15K+ Stars，说实话让我有点意外——这个方向之前一直被传统量化那边主导，没想到开源社区能做这么好。

核心思路：把K线当"语言"来处理

Kronos 的做法挺巧妙的。它不是直接把 OHLCV 数据扔进模型，而是分两步走：

  1. 1. Tokenizer 量化：把连续的、多维的 K线数据（OHLCV）转换成离散的 token 序列——就像把文字转换成词表中的词
  2. 2. Transformer 生成：用大规模的 autoregressive Transformer 在这些 token 上做预训练

这样做的最大好处是：金融数据的噪声非常大，直接用数值预测效果往往不好。但 token 化之后，模型学到的是"K线形态"而不是"具体价格"，泛化能力会强很多。

训练数据来自 45 个全球交易所，覆盖范围够广。

小巧但能打：模型家族

Kronos 发布了一整套模型，从迷你到大型都有：

模型Tokenizer参数量开源
Kronos-miniKronos-Tokenizer-2k4.1M✅
Kronos-smallKronos-Tokenizer-base24.7M✅
Kronos-baseKronos-Tokenizer-base102.3M✅
Kronos-largeKronos-Tokenizer-base499.2M❌

最让我惊喜的是 Kronos-small 只有 24.7M 参数——我的 MacBook Air 都能跑起来做预测。官方还很贴心地提供了 Live Demo，直接看效果：

👉 Live Demo（BTC/USDT 24小时预测）

用起来有多简单？

官方给的示例代码非常简洁，基本上就是"加载模型→喂数据→出结果"三步走：

from model import Kronos, KronosTokenizer, KronosPredictor# 加载模型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)# 准备数据（需要 OHLCV）lookback = 400pred_len = 120x_df = df.loc[:lookback-1, ['open', 'high', 'low', 'close', 'volume']]x_timestamp = df.loc[:lookback-1, 'timestamps']y_timestamp = df.loc[lookback:lookback+pred_len-1, 'timestamps']# 预测pred_df = predictor.predict(    df=x_df,    x_timestamp=x_timestamp,    y_timestamp=y_timestamp,    pred_len=pred_len,    T=1.0,    top_p=0.9,    sample_count=1)

说实话，这个代码量比我之前折腾的那些时序预测模型少多了。

支持微调

Kronos 不仅仅是个推理工具，还提供了完整的微调流程。官方用 A股市场做了示例：

  1. 1. 配置数据路径（支持 Qlib）
  2. 2. 预处理数据
  3. 3. 先微调 Tokenizer
  4. 4. 再微调 Predictor
  5. 5. 回测评估

微调脚本都开源了，步骤写得很清晰，跟着走能跑通。不过官方也提醒了：raw signal ≠ 真实 alpha，实盘之前需要加风控、组合优化这些额外的步骤。

值得关注的点

有意思的地方：- 两阶段训练的设计思路——tokenizer 学数据分布，transformer 学时序规律- 分层 token 的量化方式，把连续金融数据变成离散序列- 最小模型 24M 参数就能跑，门槛不高

需要注意的地方：- 它预测的是 K线形态，不是价格本身- 论文被 AAAI 接收不等于已经过市场验证- 金融预测风险很大，别看到预测结果就冲进去

怎么用？

# 安装pip install -r requirements.txt# 克隆代码git clone https://github.com/shiyu-coder/Kronoscd Kronos# 看示例python examples/prediction_example.py

所有模型都在 Hugging Face 上可以直接下载：NeoQuasar/Kronos-small、NeoQuasar/Kronos-base 等。

说实话，之前我对"金融 + AI"这个方向有点偏见，总觉得要么是吹牛的，要么就是传统量化的老路。但 Kronos 这个做法确实让我眼前一亮——用基础模型的思路做时序预测，思路很清晰，开源也诚意十足。

感兴趣的朋友可以先玩一下 Live Demo，感受一下这个模型在 BTC 数据上的表现。

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

加载中...