25
// 概要
Kronos は、金融市場の K-line シーケンスを分析および予測するために特別に設計されたオープンソースの decoder-only foundation model です。多次元の市場データを階層的な token に量子化し、autoregressive Transformer を通じて処理する 2 段階のフレームワークを採用しています。このプロジェクトでは、直接的な予測とドメイン固有の fine-tuning の両方に適した、事前学習済みモデルとツールの包括的なスイートを提供します。
// 技術解説
Kronos は、金融 K-line シーケンスの複雑でノイズの多い言語を解釈するために特別に設計された、デコーダー専用の基盤モデルファミリーです。このモデルは、連続的な OHLCV データを階層的な離散トークンに量子化する第1段階と、多様な定量的予測タスクを処理するために事前学習された自己回帰型 Transformer を組み合わせた2段階アーキテクチャを採用しています。この設計は金融時系列データ特有の課題に対処するものであり、市場データを専門的な言語として扱うことで、汎用的な時系列モデルを凌駕する統合フレームワークを提供します。
// 主要ハイライト
01
専門的なトークナイザーを活用し、連続的な多次元 K-line データを階層的な離散トークンに変換することで、モデルの理解度を向上させています。
02
4.1M から 499.2M まで、パラメータ数の異なる事前学習済みモデルファミリーを提供し、計算効率とパフォーマンスのバランスを調整可能です。
03
データの前処理、正規化、逆正規化を自動化し、迅速な予測を可能にする合理化された KronosPredictor クラスを提供します。
04
バッチ予測機能をサポートしており、GPU アクセラレーションを使用して複数の金融資産や期間を並列で効率的に処理できます。
05
Qlib と統合された包括的なファインチューニングパイプラインを含んでおり、ドメイン固有の適応やカスタム市場データでのバックテストが可能です。
06
世界 45 以上の取引所から得られた広範なデータセットで学習されており、多様な金融市場環境において堅牢なモデルを実現しています。
// ユースケース
01
過去の OHLCV データを使用して、将来の金融市場の価格変動を予測する
02
ドメイン固有の定量的なタスクのために、カスタムデータセットで事前学習済みモデルを fine-tuning する
03
複数の金融資産および期間にわたって、並列バッチ予測を実行する
// クイックスタート
開始するには、まず 'pip install -r requirements.txt' を使用して必要な依存関係をインストールしてください。次に、'Kronos' クラスと 'KronosTokenizer' クラスを使用して、Hugging Face Hub から事前学習済みモデルとトークナイザーを読み込むことができます。最後に、'KronosPredictor' をインスタンス化して、過去の K-line データを処理し、将来の価格予測を生成します。