Kronos：首个开源金融K线大模型，26K+星标！现已入选AAAI 2026-hogow资源站

标题：Kronos：首个开源金融K线大模型，26K+星标！现已入选AAAI 2026

金融AI领域迎来一个重磅开源项目——Kronos。这是全球首个专门为金融K线（蜡烛图）数据训练的开源基础模型，目前已在GitHub上获得超过26,000颗星标，并且已被AI顶级会议AAAI 2026接收。

## Kronos是什么？

Kronos是一个解码器-only的基础模型家族，专门为理解金融市场的”语言”——K线序列而设计。与通用时间序列模型不同，它专门处理金融数据的高噪声特性。

它的核心创新是**两阶段框架**：

1. **专用Tokenizer**：将连续的多维K线数据（开盘价、最高价、最低价、收盘价、成交量）量化成分层离散Token
2. **自回归Transformer**：在这些Token上进行预训练，成为一个统一的量化任务模型

简单说，它像GPT理解自然语言一样，去理解K线图的走势规律。

## 模型家族

Kronos提供了多个版本，适配不同场景：

| 模型 | 参数量 | 上下文长度 | 开源性 |
|—–|——-|———–|——-|
| Kronos-mini | 410万 | 2048 | ✅ 开源 |
| Kronos-small | 2470万 | 512 | ✅ 开源 |
| Kronos-base | 1.02亿 | 512 | ✅ 开源 |
| Kronos-large | 4.99亿 | 512 | ❌ 未开源 |

所有开源模型都可以在Hugging Face上直接下载。

## 训练数据有多强？

Kronos的训练数据覆盖了**全球45个以上交易所**的历史K线数据。这意味着它不是只学了某一个市场的规律，而是对全球金融市场有整体的理解。

## 怎么用？

使用Kronos做预测非常直观，几行Python代码就能搞定：

“`python
from model import Kronos, KronosTokenizer, KronosPredictor

# 加载模型和Tokenizer
tokenizer = KronosTokenizer.from_pretrained(“NeoQuasar/Kronos-Tokenizer-base”)
model = Kronos.from_pretrained(“NeoQuasar/Kronos-small”)

# 初始化预测器
predictor = KronosPredictor(model, tokenizer, max_context=512)

# 导入历史K线数据
import pandas as pd
df = pd.read_csv(“your_data.csv”)

# 生成预测
pred_df = predictor.predict(
df=df,
x_timestamp=df[‘timestamps’],
y_timestamp=future_timestamps,
pred_len=120, # 预测未来120个时间步
)
“`

项目还提供了在线Demo，可以查看BTC/USDT未来24小时的预测效果：
https://shiyu-coder.github.io/Kronos-demo/

## 微调与回测

如果你想在自己的数据上使用Kronos，项目提供了完整的微调流程，以A股市场为例：

1. 使用Qlib准备数据
2. 微调Tokenizer适应你的数据分布
3. 微调Predictor模型
4. 运行回测评估效果

微调流程支持多GPU训练（torchrun），效率不错。

## 实际应用场景

– 量化交易策略开发
– 股票价格趋势预测
– 加密货币市场分析
– 金融风险管理研究
– 高校金融AI教学素材

## 小结

Kronos的出现填补了金融领域开源基础模型的一个空白。它把K线数据作为一种”语言”来处理，思路新颖且实用。被AAAI 2026接收也说明了学术界的认可。对于从事量化交易或金融AI研究的朋友来说，这是一个值得重点关注的模型。