企业官网建设流程全解析

用Kronos预测股价：金融时序模型的配置、微调与回测指南

【免费下载链接】KronosKronos: A Foundation Model for the Language of Financial Markets项目地址: https://gitcode.com/GitHub_Trending/kronos14/Kronos

你手上有一只股票的历史K线，想看接下来一段时间的价格走势。Kronos 是一个面向金融K线的开源基础模型，能对 OHLCV 时序做预测，并支持微调和回测评估。想用最少步骤跑通预测、训练和回测，这篇文章就是写给你的。

📊 先看效果

上图是Kronos对5分钟K线的预测结果：蓝色是真实值，红色是模型输出。可以看到预测曲线跟住了真实走势的大方向，量价两个子图一起给出。

这是微调后模型的回测图：横轴是时间，纵轴是累计收益率。两条线分别代表模型策略和基准指数，差值就是模型带来的超额收益。

动手前30秒检查

🚀 路线A｜十分钟跑通示例

最小路径只有三步：

git clone https://gitcode.com/GitHub_Trending/kronos14/Kronos cd Kronos pip install -r requirements.txt

然后运行示例脚本：

python examples/prediction_example.py

示例脚本里做了这几件事：加载 tokenizer 和Kronos-small模型、切出 400 个历史点作为输入、预测未来 120 个点、画图对比。注意脚本默认从examples/data/XSHG_5min_600977.csv读数据，换成自己的 CSV 时记得改路径，并保留timestamps、open、high、low、close这几列。

预测参数建议从T=1.0、top_p=0.9、sample_count=1开始，含义分别是采样温度、核采样概率、生成路径数（多条会取平均）。

⚙️ 路线B｜用自己的数据训练

数据格式与预处理

CSV 数据需要这些列，volume、amount没有可以填 0：

仓库里有一个标准样例可以对照格式：data/HK_ali_09988_kline_5min_all.csv。

Qlib 路线（finetune/ 目录）额外跑一次预处理脚本，它会把原始行情切成训练/验证/测试三份 pickle：

python finetune/qlib_data_preprocess.py

训练与微调

两条路线都能微调，顺序都是先 tokenizer、再 predictor。

Qlib 路线（多卡用torchrun，把NUM_GPUS换成你的卡数）：

torchrun --standalone --nproc_per_node=NUM_GPUS finetune/train_tokenizer.py torchrun --standalone --nproc_per_node=NUM_GPUS finetune/train_predictor.py

对应脚本是 train_tokenizer.py 和 train_predictor.py。

CSV 路线更简单，finetune_csv/ 目录里一条命令顺序训练两个模块：

cd finetune_csv python train_sequential.py --config configs/config_ali09988_candle-5min.yaml

关键参数怎么选

Qlib 路线的默认值集中在 finetune/config.py：

记忆点：lookback_window别超过max_context，学习率 predictor 要比 tokenizer 小一个量级。

📋 效果怎么评估

预测输出是一个 DataFrame，包含open、high、low、close、volume、amount，索引就是你在y_timestamp里给的未来时间戳。可以直接画线，也可以和真实值逐项对比误差。

回测看两点：

• 累计收益率曲线：qlib_test.py 会打印策略对基准（CSI300 对应SH000300）的超额收益，并出图。
• 回测参数：默认持有 50 只（backtest_n_symbol_hold）、每日剔除 5 只（backtest_n_symbol_drop）、最少持有 5 天（backtest_hold_thresh），推理时T=0.6、sample_count=5，即多条采样路径取平均。

注意官方提示：这条回测流程是演示用的简化 top-K 策略，不是生产级量化系统，别把曲线直接当成实盘收益。

🌐 进阶

• Web 界面：webui/ 基于 Flask，cd webui && python run.py后访问http://localhost:7070，浏览器里选数据、选窗口、看预测。
• 批量预测：predictor.predict_batch可一次并行预测多只股票，要求各序列的lookback和pred_len一致，参考 prediction_batch_example.py。
• 自定义数据：Qlib 路线的QlibDataset只是示例，换数据源时自行调整加载与切分逻辑。

避坑速查表

先跑一遍路线 A 的示例确认环境没问题，再用你自己的数据走路线 B。更多细节见 README 和 finetune_csv/README_CN.md。

【免费下载链接】KronosKronos: A Foundation Model for the Language of Financial Markets项目地址: https://gitcode.com/GitHub_Trending/kronos14/Kronos