news 2026/9/12 12:19:48

Kronos 股票预测:教AI读懂K线,400根历史进,120根未来出

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Kronos 股票预测:教AI读懂K线,400根历史进,120根未来出

Kronos 股票预测:教AI读懂K线,400根历史进,120根未来出

【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是第一个专为 K 线(K-line)序列打造的开源股票预测基础模型,在超过45 个全球交易所的K线数据上完成预训练。它把原始蜡烛图翻译成 AI 能读的"语言",用 400 根历史K线预测出未来 120 根的价格与成交量。

盯盘收盘的你,还是没想明白明天怎么办

周三下午 3:30,刚收盘。你刷了三遍均线、MACD,又翻了十几篇点评,问同事明天怎么操作,还是没等到一个准话。

Kronos 是一个专为K线序列打造的首个开源基础模型,可以看作一个开箱即用的开源量化模型:喂进去K线,吐出来预测的价格和成交量曲线。

Kronos 技术架构:从K线标记化到自回归预测的两段式流程


🔍 Kronos 是怎么读懂K线的

把K线变成"模型能读的句子"

问题是:一根K线带开、高、低、收、量五个数字,相邻数值跳得又大又乱,模型直接读很难找到规律。

Kronos 的答案是一个专用 tokenizer:先用 BSQ 量化把每根K线压缩成两级分层token——粗粒度子token记录整体形态,细粒度子token保留价格与量能的细节。

这就像把一张手写的家庭食谱,抄成标准化的菜谱卡:任何人照着卡片都能做菜。

自回归地一步步解码未来

问题是:股价噪音很大,模型预测时绝不能"偷看"未来数据,必须只靠历史做判断。

Kronos 堆叠因果 Transformer 块,自回归地解码K线:每一步先预测下一个粗粒度 token,再基于它预测细粒度 token,一根接一根,直到填满整个预测窗口。

就像一位只能参考已经放过的歌来点下一首的DJ——他没法偷看后面的播放列表。


📊 证据链:数字从哪里来

听起来像玄学?直接看数字。

A股回测:超额收益跑赢沪深300

Kronos 回测结果:带成本累计收益与相对沪深300基准的累计超额收益

仓库自带完整的微调 + 回测示例,在A股数据上跑了一个 top-K 策略。回测数字(含交易成本):

  • 累计收益:15%~25%(4条采样曲线)
  • 相对沪深300累计超额收益:6%~13%
  • 回测区间:2024-07 至 2025-05

README 也提醒:这是简化演示流程,不是生产级量化系统。

单股5分钟K线预测:400根进,120根出

AI K线预测效果:蓝线为真实数据,红线为 Kronos 预测(价格与成交量)

  • 回看窗口:400 根
  • 预测长度:120 根
  • 最大上下文:512 根

红色预测曲线大致跟上蓝线的先跌后涨,成交量峰值位置也对得差不多——不是逐根命中,但把趋势和节奏抓住了。

微调5分钟高频K线:往前推48根

Kronos 5分钟K线预测:港股阿里巴巴(09988) 高频K线微调效果

finetune_csv/ 目录提供在CSV上微调的完整流程,上图就是港股阿里巴巴 5 分钟K线微调后的例子——用 512 根回看窗口往前预测 48 根。


四步跑通你的第一次 AI 股票预测

从看到跑通,大约十分钟,四步。

1. 克隆仓库装依赖

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

2. 准备一份K线CSV

需要timestamps, open, high, low, close, volume, amount列,仓库自带样例:finetune_csv/data/HK_ali_09988_kline_5min_all.csv

3. 跑第一次预测

改 examples/prediction_example.py 里的数据路径,运行python examples/prediction_example.py

4. 批量并行筛多只股票

predict_batch方法支持多只股票并行预测,示例在 examples/prediction_batch_example.py

跑通后的样子:终端先打印预测数据的前几行,再弹出画图窗口——蓝线是历史真实值,红线是 Kronos 的预测,上下两格分别是价格和成交量。


延伸玩法

  • 用自己的CSV数据微调:finetune_csv/
  • A股Qlib回测完整流程:finetune/
  • 网页界面直接试预测:webui/

那个收盘的傍晚,你不再对着K线发呆,而是打开一份CSV、跑一条命令,让模型把接下来的120根K线摆到你面前。Kronos 的价值,就是把量化预测的门槛从"会写模型"降到"会读CSV"。

现在就git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos,十分钟跑通你的第一次预测。

进阶提示:想微调自己的K线,先看 finetune_csv/configs/ 里的YAML,lookback_window 与 predict_window 直接决定你的预测窗口。

【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

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/12 12:19:16

网页视频下载:猫抓 3 步把视频存到本地

网页视频下载:猫抓 3 步把视频存到本地 【免费下载链接】cat-catch 猫抓 浏览器资源嗅探扩展 / cat-catch Browser Resource Sniffing Extension 项目地址: https://gitcode.com/GitHub_Trending/ca/cat-catch 课程视频一到期就打不开,直播回放点…

作者头像 李华
网站建设 2026/9/12 12:17:04

STM32F10x三轴云台PWM同步驱动:RCC时钟树与TIM高级定时器实战

简介:本资源是一个面向嵌入式开发初学者与STM32进阶实践者的三轴云台控制系统Keil工程源码包,聚焦于俯仰(Pitch)、翻滚(Roll)、偏航(Yaw)三自由度姿态稳定与电机协同控制&#xff0c…

作者头像 李华
网站建设 2026/9/12 12:16:58

SpringBoot古文学习系统开发实战与优化

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华
网站建设 2026/9/12 12:15:49

Unity Shader核心原理:顶点与片元着色器实战解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华
网站建设 2026/9/12 12:15:46

SpringBoot+微信小程序开发小饭桌系统实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

作者头像 李华
网站建设 2026/9/12 12:15:05

pandas+jieba+pyecharts:300行代码实现全国旅游景点数据分析与可视化

简介:全国热门旅游景点数据分析与可视化,是一份适合Python数据分析初学者的实战项目,内置约300行可运行代码。项目贯穿数据导入、清洗、聚合到可视化的完整链路:利用pandas完成Excel数据读取、缺失值处理、类型转换、布尔筛选和gr…

作者头像 李华