KronosK线预测零门槛3步跑出首次预测【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用深度学习做 K 线预测传统流程要自己抓数据、调特征、训模型一套流程搭完行情都走远了。Kronos 是第一个开源的 K 线基础模型预训练覆盖全球 45 家以上交易所的 K 线数据开箱即可做 K 线预测不用采集数据也不用手工造特征。从零到一环境准备与首次启动⚠️ 前置条件Python 3.10 以上需联网下载模型权重存放在 Hugging FaceGPU 非必需CPU 可跑N 卡与 Apple Silicon 可加速。拉取源码git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos仓库很轻模型定义、示例脚本和 webui 都在里面。安装依赖pip install -r requirements.txt主要是 torch、pandas、matplotlib 这一小撮库几分钟装完。启动 Web 服务cd webui python run.py服务监听 7070 端口浏览器访问http://localhost:7070即可。页面打开后是一个表单选历史数据、选模型规格、拖 400120 的时间窗口滑块最后按下预测按钮。功能全景按用法分四组直接预测未来 N 根K线24.7M 参数的 Kronos-small 模型能直接给出某标的未来 120 根 K 线的开高低收和成交量。内部链路在 model/kronos.pytokenizer 先把 OHLCV 量化成离散 token自回归 Transformer 再逐根采样未来。你会看到历史收盘价蓝与预测收盘价红同图叠加下方附成交量对比子图。批量预测多只标的多只标的并行靠predict_batch一次跑完examples/prediction_batch_example.py 里就是现成用法。约束只有一条各标的的 lookback 窗口和预测长度要一致。你会看到与输入顺序一一对应的预测结果列表每条序列独立完成归一化和反归一化。用自己的 CSV 把模型微调过去想让模型贴合某只股票的分布用 finetune_csv/train_sequential.py 按顺序微调 tokenizer 和 predictor路径与超参都写在 configs/config_ali09988_candle-5min.yaml 里克隆到本机后改成自己的数据路径即可。你会看到训练完成的模型检查点落到指定目录直接可换进预测流程。回测验证信号有没有用微调完跑 finetune/qlib_test.py它在测试集上生成预测信号再套一个 top-K 策略回测。你会看到控制台输出详细绩效分析外加一张策略累计收益对比基准的曲线图。一次完整的工作流假设你要看某只股票 5 分钟 K 线未来 120 根的走势进入 webui 目录启动run.py浏览器打开 localhost:7070在数据目录里选一份历史 K 线 CSV列里必须有 open/high/low/close选定 Kronos-small 模型与计算设备首次加载会下载权重稍等片刻拖动时间窗口滑块到想预测的 400120 区间点击预测读图页面把预测与真实收盘价叠在一张 K 线图上调 temperature、top_p、加大采样次数取均值还能再跑一轮边界与合规预测不是承诺输出是统计信号而非投资建议README 明确微调管线只是演示不是生产级量化系统。上下文有上限Kronos-small 与 base 的 max_context 为 512超出的输入会被自动截断。权重下载依赖外网Kronos-large499M 参数未开源实际可选 mini / small / base 三档。想动手验证 K 线预测的克隆下来起个 webui今天就能跑出第一组 120 根预测。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
