Kronos 评测：首个开源金融 K 线基础模型，用 AI 解读市场语言

想了解更多 AI 工具？浏览 198007.xyz/tools 获取精选 AI 工具合集，或查看其他 AI 工具评测。

相关评测

• Palmier Pro 评测 — YC 支持的 AI 原生视频编辑器
• Nativ 评测 — macOS 原生本地 AI 运行环境

Kronos 是由 NeoQuasar（shiyu-coder）开发的全球首个面向金融 K 线（蜡烛图）的开源基础模型。该项目目前在 GitHub Trending 榜单上持续走红，已获得 32,700+ Stars、5,600+ Forks，采用 MIT 开源许可证。其论文已被 AAAI 2026 接收，模型托管在 Hugging Face Hub 上。

简单来说，Kronos 把金融市场的 K 线数据当作一种”语言”来学习——就像大语言模型学习文本一样，Kronos 学习的是价格走势的”语法”和”语义”，从而能够进行价格预测、趋势分类、波动率估计等多种量化任务。

核心功能

1. K 线序列预测

Kronos 的核心能力是基于历史 K 线数据预测未来价格走势。它使用一个专门设计的 tokenizer 将连续的 OHLCV（开盘价、最高价、最低价、收盘价、成交量）数据量化为分层离散 token，然后用自回归 Transformer 模型进行预测。支持分钟级、小时级、日级等多种时间粒度。

2. 多任务量化分析

除了价格预测，Kronos 还能处理多种量化任务： - 趋势分类：判断未来一段时间内价格是上涨还是下跌 - 波动率估计：预测未来价格波动的幅度 - 支撑/阻力位识别：自动识别关键的价格水平

3. 多模型家族

Kronos 提供不同规模的模型选择，适配不同的计算需求：

对于个人开发者和研究者，Kronos-mini 和 Kronos-small 已经足够好用，可以在消费级 GPU 甚至 CPU 上运行。

4. 覆盖 45+ 全球交易所

Kronos 在超过 45 个全球交易所的历史数据上进行预训练，涵盖加密货币、股票、期货等多种资产类别。这种大规模跨市场训练使得模型具有很强的泛化能力，即使在未见过的交易对上也能表现良好。

5. 微调支持

2025年8月，团队发布了微调脚本，用户可以使用自己的数据对 Kronos 进行微调，适配特定的交易策略或市场场景。

适用人群

• 量化交易者：希望借助 AI 模型辅助决策的个人或小型量化团队
• 金融研究人员：需要基础模型进行金融市场分析的学生和学者
• 加密货币投资者：对链上数据和 K 线预测感兴趣的加密领域参与者
• AI 应用开发者：希望在金融垂直领域构建 AI 应用的工程师

与同类工具对比

Kronos 最大的差异化优势在于它是真正基于预训练大模型的量化方案——不是让你写一堆技术指标规则，而是让 AI 直接从数据中学习市场规律。与 QuantConnect、Backtrader 等传统回测框架相比，Kronos 提供了更智能的预测能力；与 freqtrade 等交易框架相比，Kronos 更专注于预测本身而非交易执行。

如何使用

第一步：安装依赖

git clone https://github.com/shiyu-coder/Kronos.git
cd Kronos
pip install -r requirements.txt

第二步：加载模型

from model import Kronos, KronosTokenizer, KronosPredictor

# 从 Hugging Face Hub 加载 tokenizer 和模型
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)

第三步：准备数据并预测

import pandas as pd

# 加载历史 K 线数据（必须包含 open, high, low, close 列）
df = pd.read_csv('btc_usdt.csv')

# 进行未来 24 小时的预测
predictions = predictor.predict(
    df=df,
    x_timestamp=df['timestamp'],
    y_timestamp=future_timestamps,
    pred_len=24
)

第四步：可视化结果

Kronos 还提供了在线 Demo（https://shiyu-coder.github.io/Kronos-demo/），可以直观地查看 BTC/USDT 未来 24 小时的预测走势。你也可以使用 matplotlib 自行绘制预测曲线与实际价格的对比图。

进阶：微调自己的模型

如果你有自己的特定市场数据，可以使用团队发布的微调脚本来适配：

# 参考仓库中的 fine-tuning 目录
python train.py --data_path your_data.csv --model_name NeoQuasar/Kronos-small

总结

Kronos 是金融 AI 领域的一个突破性项目。它将大语言模型的思想成功迁移到了金融市场分析中，开创了”用 AI 解读市场语言”的新范式。

优点： - 首个开源的 K 线基础模型，填补了市场空白 - 多模型家族适配不同需求，Mini 版本可在笔记本上运行 - 45+ 交易所数据预训练，泛化能力强 - 已被 AAAI 2026 接收，学术认可度高 - MIT 许可证，可自由商用 - 文档完善，API 简洁易用

需要注意： - 金融预测存在固有风险，AI 模型不能保证盈利 - 大模型（Large）需要较多 GPU 资源 - 目前主要支持 Python，其他语言需要封装

推荐指数：★★★★★（5/5）

如果你关注量化投资或 AI 金融应用，Kronos 绝对值得尝试。它的开源性质和低门槛设计让任何人都能快速上手，无论是学术研究还是实盘辅助，都是目前最好的选择之一。

GitHub: https://github.com/shiyu-coder/Kronos Hugging Face: https://huggingface.co/NeoQuasar Live Demo: https://shiyu-coder.github.io/Kronos-demo/ 论文: https://arxiv.org/abs/2508.02739