shiyu-coder / Kronos

∴ 是什么

Kronos 是一族仅含解码器的基础模型，专门针对金融市场 K 线序列（OHLCV 数据）进行预训练。它采用两阶段框架：先用专门的 tokenizer 将连续的多维 K 线数据量化为分层离散 token，再在一个大型自回归 Transformer 上预训练这些 token，使其能统一处理多种量化任务。

∴ 解决什么问题

• ›通用时间序列基础模型难以处理金融数据高噪声的特性
• ›需要一种能理解金融 K 线语言并统一支持多种量化任务的模型
• ›为缺少专门金融领域基础模型的研究者和开发者提供开源选择

∴ 怎么上手

1. 01安装 Python 3.10+，然后运行 pip install -r requirements.txt 安装依赖
2. 02从 Hugging Face Hub 加载预训练模型和 tokenizer：tokenizer = KronosTokenizer.from_pretrained("NeoQuasar/Kronos-Tokenizer-base"); model = Kronos.from_pretrained("NeoQuasar/Kronos-small")
3. 03实例化预测器：predictor = KronosPredictor(model, tokenizer, max_context=512)
4. 04准备输入数据：df 需包含 `open`, `high`, `low`, `close` 列，以及 x_timestamp 和 y_timestamp
5. 05调用 predict 方法生成预测，可设置 T、top_p、sample_count 参数
6. 06使用 predict_batch 进行多序列并行预测

∴ 适合谁

量化研究人员、金融数据科学家以及对金融时间序列建模感兴趣的开发者，需要使用预训练模型进行预测或在自己的数据上微调

∴ 要点

• ›在超过 45 个全球交易所的数据上训练
• ›提供多种规模的预训练模型（Kronos-mini、Kronos-small、Kronos-base），Kronos-large 未开源
• ›Kronos-small 和 Kronos-base 的最大上下文长度为 512
• ›支持使用 Qlib 对 A 股市场数据进行微调，并有回测示例
• ›提供在线演示，展示 BTC/USDT 未来 24 小时预测
• ›论文可在 arXiv 获取，已被 AAAI 2026 接收

∴ 在榜记录

GitHub Trending 今日榜的每日存档，日期按北京时间。2026-10-19 首次上榜，累计在榜 1 天，最高第 12 名。