Kronos K线预测开源基础模型：免费本地部署，新手5分钟跑通

Kronos K线预测开源基础模型免费本地部署新手5分钟跑通【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/KronosKronos 是一个专注于金融K线序列的免费开源基础模型用45个以上全球交易所的数据训练输入历史K线即可自回归地生成未来一段时间的完整 OHLCV开高低收成交量序列。它适合三类人想体验 AI 股票预测的新手、想自建预测流水线的开发者以及不想写代码、直接点界面就能用的普通用户。它解决的问题是传统技术分析依赖个人经验、手工看盘效率低而 Kronos 把读K线这件事变成了一个可复现、可调参的模型调用。 项目速览功能点一句话说明对应文件或命令K线预测核心两阶段架构Tokenizer 量化 OHLCVTransformer 自回归生成model/kronos.pyWebUI 界面浏览器上传 CSV、滑块选时间窗、出K线对比图webui/ 下python run.py微调训练在自己的 CSV 上顺序训练 Tokenizer 和 Predictorfinetune_csv/train_sequential.py回测评估按预测生成交易信号算夏普比率、最大回撤等指标examples/run_backtest_kronos.py它解决什么问题场景一手工看盘判断趋势没有它你盯着一屏5分钟K线凭均线、MACD 等指标肉眼判断未来走势不同人结论不同也无法批量处理。 用它把K线 CSV 喂给KronosPredictor指定 lookback400、pred_len120直接输出未来120根K线的开高低收和成交量还能用sample_count生成多条路径取平均。场景二多标的逐个分析没有它几十只股票只能一只一只跑脚本脚本里时间、参数各不相同。 用它predict_batch一次传入多个 DataFrame 并行预测要求每个序列的历史长度和预测长度一致即可。场景三模型对不上自己熟悉的行情没有它通用时序模型在你的币种/周期上表现差想适配只能重新找模型。 用它在finetune_csv/里放一个符合列名规范的 CSV一条命令顺序微调 Tokenizer 和 Predictor已有阿里巴巴 09988 的5分钟K线完整示例。快速上手两条命令跑通预测克隆仓库并安装依赖需要 Python 3.10git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt准备一份含timestamps/open/high/low/close可选volume/amount列的 CSV改一下示例脚本里的数据路径即可仓库里finetune_csv/data/HK_ali_09988_kline_5min_all.csv可直接拿来当测试数据。然后启动 WebUIcd webui python run.py浏览器打开 http://localhost:7070 上传数据、选模型mini/small/base、拖时间窗固定 400120 个点、点预测即可。想走纯代码路线就跑 examples/prediction_example.py。 核心功能拆解1. 预测器 KronosPredictor做什么封装了标准化、截断、采样、反标准化全流程原始 DataFrame 进预测 DataFrame 出。 怎么用predict(df, x_timestamp, y_timestamp, pred_len, T, top_p, sample_count)一次调用Kronos-small/base的最大上下文是 512更长的输入会被自动截断。 代码在哪model/kronos.py最小调用示例在 examples/prediction_example.py。2. WebUI 交互界面做什么Flask Plotly 的图形界面支持 CSV/Feather支持 CPU/CUDA/MPS。 怎么用python run.py后按加载数据→加载模型→设参数→选窗口→预测五步操作。 代码在哪webui/使用细节见该目录下的 README。3. CSV 微调流水线做什么在自定义数据上顺序微调 Tokenizer 和 Predictor支持多卡 DDP。 怎么用改configs/config_ali09988_candle-5min.yaml里的data_path再执行cd finetune_csv python train_sequential.py --config configs/config_ali09988_candle-5min.yaml代码在哪finetune_csv/中文说明在其中的 README_CN.md。4. 回测器做什么读取预测结果 CSV按预测收益率阈值默认 ±2%生成买卖信号输出总收益率、年化、夏普、最大回撤、胜率等。 怎么用准备好{代码}_stock_data.csv和预测文件后运行examples/run_backtest_kronos.py。 代码在哪examples/run_backtest_kronos.py。效果怎么验证看预测图跑examples/prediction_example.py会弹出收盘价成交量双轴对比图真实值与预测值直接叠加形态是否贴合、振幅是否合理一眼可见pred_df.head()会打印预测数值供抽查。看回测指标运行回测脚本后控制台输出夏普比率、最大回撤、胜率等并生成策略与基准的累计收益曲线图参考仓库中的 figures/backtest_result_example.png来自finetune/qlib_test.py的示例输出。看微调结果finetune_csv/README_CN.md里附了阿里巴巴 09988 微调后的5张历史预测图见 finetune_csv/examples/可对照微调前后对单个标的的贴合度。❓ 常见问题与进阶技巧Q1CSV 里缺 volume/amount 列能跑吗可以。这两列是可选的缺失时按 0 处理专门示例见examples/prediction_wo_vol_example.py。Q2第一次运行卡住或报错模型权重如 Kronos-small24.7M 参数首次会从 Hugging Face Hub 自动下载需要网络下载完成前界面会一直等待。模型加载失败时先检查网络。Q3我的数据超过512个点怎么办Kronos-small/base的max_context为 512Kronos-mini为 2048。超长输入会被KronosPredictor自动截断建议 lookback 不超过对应上限。Q4预测结果太毛刺或太保守怎么调三个采样参数T温度0.1~2.0、top_p0.1~1.0、sample_count1~5多条路径平均。WebUI 文档给出的参考值是 T1.2~1.5、top_p0.95~1.0、样本数 2~3。Q5想做多标的批量预测用predict_batch方法所有序列的历史长度和pred_len必须一致结果按输入顺序返回GPU 上并行执行。延伸阅读README.md完整文档含模型家族表mini 4.1M / small 24.7M / base 102.3M 参数与微调全流程finetune_csv/README_CN.md中文微调指南数据格式与命令示例webui/README.mdWebUI 参数说明与排错清单model/module.pyTransformer 与 Tokenizer 的具体网络结构Kronos 把K线预测从看图说话变成了可调用、可微调、可回测的开源工具MIT 协议、论文已发表于 AAAI 2026但模型输出只是概率性的价格路径仓库中的回测也明确标注为演示用途任何实际交易决策请勿仅依赖它的预测结果。【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