88
// 项目简介
Kronos 是一个开源的仅解码器基础模型，专门用于解读和预测金融 K 线序列。它采用两阶段框架，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。该项目提供了预训练模型、专门的预测器类以及用于在自定义金融数据集上进行微调的完整流水线。
// 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，首先将多维 OHLCV 数据量化为分层离散标记（hierarchical discrete tokens），然后由自回归 Transformer 进行处理。这种设计通过提供一个统一的、可扩展的框架，解决了金融时间序列预测的独特挑战，并可通过微调适应各种量化任务。
// 核心亮点
01
作为首个专门针对来自全球 45 个以上交易所的金融 K 线数据进行训练的开源基础模型。
02
采用专门的标记器（tokenizer），将连续的 OHLCV 数据转换为分层离散标记，以提高模型的可解释性。
03
提供一系列参数量从 4.1M 到 499.2M 不等的预训练模型，以满足不同的计算需求。
04
包含一个强大的 KronosPredictor 类，简化了从原始数据预处理到反归一化和预测的端到端流程。
05
通过利用 GPU 并行计算，支持对多个时间序列进行高效的批量预测。
06
提供全面的微调流程，包括与 Qlib 的集成以进行数据准备和回测，从而使模型能够适应特定的市场领域。
// 典型使用场景
01
使用历史 OHLCV 数据预测金融市场趋势
02
在特定领域的金融数据集上微调预训练模型
03
跨多种资产执行批量预测以进行定量分析
// 快速开始
首先，使用 'pip install -r requirements.txt' 安装所需的依赖项。然后，您可以从 Hugging Face Hub 加载预训练模型和标记器，实例化 'KronosPredictor' 类，并将您的历史 K 线数据传递给 'predict' 方法以生成预测。