Kronos 股票 K 线预测上手：3 分钟跑通第一个预测-开发者社区

Kronos 股票 K 线预测上手：3 分钟跑通第一个预测

【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/Kronos

Kronos 是一个开源的金融 K 线基础模型：喂给它历史 OHLCV K 线，它输出未来一段的价格与成交量预测。读完全文，你能在自己机器上跑通一次真实预测，并看懂输出图的每一条线。

📈 先看效果

第一次运行就能拿到 120 根预测 K 线。下方示例用 Kronos-small（2470 万参数）对一只 A 股 5 分钟序列做预测：上图为收盘价，下图为成交量，蓝线是真实值，红线是模型预测。

上图把红色预测线和蓝色真实线按 K 线逐根对齐，下图同样对比成交量。这就是你跑完示例脚本后看到的成果形态。

三分钟跑起来

最短路径是两条命令：一条装依赖，一条跑示例。

安装并运行

Kronos 要求 Python 3.10+ 和 torch>=2.0.0；单次预测用 CPU 就够，批量预测和微调才需要 GPU。模型权重首次运行会从 Hugging Face 自动下载，这一步需要联网。

git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos && pip install -r requirements.txt

然后跑最小示例：

python examples/prediction_example.py

脚本会加载 Kronos-Tokenizer-base 和 Kronos-small，取 600977 这只股票 5 分钟 K 线的前 400 根做输入，输出接下来 120 根预测，最后弹出双联图。注意数据文件 XSHG_5min_600977.csv 仓库未自带，运行前先准备一份自己的 CSV。

想用浏览器就开 webui

cd webui && python run.py

webui/ 把同一套预测能力包成了 Flask 页面：启动后打开 localhost:7070，选 CSV、拖动 400+120 的时间窗口，点预测即可，适合不想碰命令行的人。

它是怎么工作的

Kronos 分两级。第一级是 tokenizer：把每根 K 线的 OHLCV 数值压成分层离散 token，类似把一句话翻译成音素串，模型就不用直接面对连续、带噪的价格。第二级是预训练在 45 个以上全球交易所数据上的自回归 Transformer，逐 token 预测下一个。你调用时，KronosPredictor 负责归一化和反归一化，你只需面对原始 DataFrame。

图中左侧是 tokenizer 把 K 线压缩成 token，右侧是自回归 Transformer 逐个生成下一个 token。

跟一个真实案例走一遍

这个案例输入 600977 的 5 分钟 K 线，输出 120 根预测 K 线，全流程在 examples/prediction_example.py 脚本里。

输入：读入 CSV，取前 400 根作为历史（open/high/low/close/volume/amount 加时间戳），接下来 120 根是要预测的时间窗。

中间：预测器先把价格尺度归一化，tokenizer 把 400 根 K 线量化成 token，模型自回归地一次采样 120 个 token（T=1.0，top_p=0.9），最后反归一化回真实价格。

输出：一个 120 行的 DataFrame，含预测的 open/high/low/close/volume/amount，以你提供的时间戳为索引。

仓库 examples/yuce/ 目录里还有一份更完整的日级成果：000021 深科技的四联预测图。

左上子图蓝线是历史价格、绿线是增强预测，红色三角标出最高点 25.88 元，蓝色方块是最终预测值 19.31 元；右上是成交量预测（绿柱为预测量），右下是市场因子评分（均分 0.59）。

环境与常见坑

硬件：单次预测 CPU 可跑，批量预测 predict_batch 与微调建议用 CUDA GPU。软件：Python 3.10+、torch>=2.0.0，其余依赖全在 requirements.txt 里。

缺数据文件：prediction_example.py 读取 examples/data/XSHG_5min_600977.csv，该文件仓库未附带，直接运行会报错。解法：导出任意股票的 5 分钟 K 线 CSV 放到该路径，列名含 open/high/low/close。
输入超过 512 根：Kronos-small 与 Kronos-base 的 max_context 为 512，过长输入会被预测器自动截断，但效果最好控制在 512 根以内。解法：调小 lookback，或换用 2048 上下文的 Kronos-mini。
predict_batch 报错：批量预测要求所有序列历史长度相同、pred_len 相同，且每个 DataFrame 必须有 open/high/low/close 列（volume 和 amount 可选，缺失会补 0）。解法：先把所有序列统一切片长度再入批。