25
// 项目简介
Kronos 是一个开源的仅解码器基础模型，专门用于分析和预测金融 K 线序列。它利用两阶段框架，将多维市场数据量化为分层 Token，随后通过自回归 Transformer 进行处理。该项目提供了一套完整的预训练模型和工具，支持直接预测以及特定领域的微调。
// 技术分析
Kronos 是一个专门为解读复杂的、高噪声的金融 K 线序列语言而设计的仅解码器（decoder-only）基础模型系列。它采用两阶段架构，首先将连续的 OHLCV 数据量化为分层离散标记（hierarchical discrete tokens），随后通过自回归 Transformer 进行预训练，以处理各种量化预测任务。这种设计解决了金融时间序列数据的独特挑战，通过将市场数据视为一种专门的语言，提供了一个优于通用时间序列模型的统一框架。
// 核心亮点
01
利用专门的 tokenizer 将连续的多维 K 线数据转换为分层离散标记，以提高模型的理解能力。
02
提供一系列参数量从 4.1M 到 499.2M 不等的预训练模型，以平衡计算效率和性能。
03
提供了一个精简的 KronosPredictor 类，可自动执行数据预处理、归一化和反归一化，从而实现快速预测。
04
支持批量预测功能，允许用户利用 GPU 加速并行高效处理多种金融资产或时间段。
05
包含一个全面的微调流水线，可与 Qlib 集成，用于特定领域的适配以及在自定义市场数据上的回测。
06
在来自全球 45 个以上交易所的大规模数据集上进行训练，确保模型在各种金融市场环境中具有稳健性。
// 典型使用场景
01
使用历史 OHLCV 数据预测未来金融市场价格走势
02
在自定义数据集上微调预训练模型以执行特定领域的量化任务
03
跨多种金融资产和时间周期执行并行批量预测
// 快速开始
首先，使用 'pip install -r requirements.txt' 安装所需的依赖项。然后，您可以使用 'Kronos' 和 'KronosTokenizer' 类从 Hugging Face Hub 加载预训练模型和 tokenizer。最后，实例化 'KronosPredictor' 来处理您的历史 K 线数据并生成未来价格预测。