Kronos

Kronos的核心定位是「将金融市场的K线序列理解为一种语言」，を通じて大规模预训练让模型学会金融市场的「语法」と「词汇」。と通用时间序列基础模型（TSFM）不同，Kronos专门针对金融数据的高噪声、多维度と非平稳性进行了最適化デザイン，能够直接处理股票、加密货币、外汇等资产的K线数据并输出预测结果。

GitHub プロジェクト

https://github.com/shiyu-coder/Kronos

公式サイトへ

Kronosのコアポジショニングは、「言語としての金融市場のKラインシーケンスを理解する」ことであり、大規模な事前トレーニングを通じて、モデルが金融市場の「文法」と「語彙」を学ぶことを可能にします。ユニバーサルタイムシリーズファンダメンタルモデル（ TSFM ）とは異なり、Kronosは財務データの高ノイズ、多次元性、非安定性に最適化されており、株式、暗号通貨、外国為替などの資産のKラインデータを直接処理し、予測結果を出力することができます。

詳細レポート

プロジェクトの起源と開発の背景: クロノスの正式名称は「Kronos: A Foundation Model for the Language of Financial Markets」です。これは、学際情報研究所 (IIIS) と清華大学自動化学部の 7 人の研究者によって共同開発されました。主な著者には、Yu Shi、Fu Zongliang、Chen Shuo、Zhao Bohan、Xu Wei、Zhang Changshui、Li Jian が含まれます。このプロジェクトは、2025 年 8 月 2 日に論文番号 arXiv:2508.02739 で arXiv に初めて公開されました。その後、急速な反復を経て、微調整されたスクリプトが 2025 年 8 月 17 日にリリースされ、2025 年 11 月に NeurIPS 2025 ワークショップ「時系列基盤モデルの最近の進歩」でポスターが発表されました。最終的に 2026 年 3 月に AAAI 2026 で正式に承認され、AAAI Conference on Artificial Intelligence Vol.40 No.30 で公開されました。 GitHub ウェアハウスの統計から判断すると、このプロジェクトはリリース以来、非常に高いレベルのコミュニティ活動を維持しています。これまでに合計 19.4,000 のスター、3.5,000 のフォーク、179 人のウォッチャーを受け取り、146 件の課題と 25 件のプルリクエストを受け取り、合計 18 人のコントリビューターが開発に参加しました。公式 GitHub ページに表示される最新の開発内容は、2025 年 11 月 10 日付けのものです。当時、このプロジェクトは AAAI 2026 で承認されたことが確認されたばかりで、すぐに開発者コミュニティで広範な議論が引き起こされました。このプロジェクトは、Gitee や GitCode などの国内のコードホスティングプラットフォームにも同期的にミラーリングされ、国内の開発者コミュニティの間でその影響力をさらに拡大していることは言及する価値があります。開発チームと組織の背景:クロノスの研究開発チームは、清華大学の 2 つの強力な専門分野、学際情報研究所 (IIIS、コンピュータサイエンスと量子コンピューティングの研究で有名) とオートメーション学科 (制御科学と工学における伝統的な強み) から構成されています。この学際的な組み合わせにより、金融時系列モデリングに独自の技術的観点が提供されます。この論文の著者の中で、Zhang Changshui 教授はオートメーション部門の著名な学者であり、機械学習とパターン認識の分野で豊富な経験を持っています。李建教授は関連分野でも学術的に高い評価を得ています。 Microsoft Research Asia は共同研究開発機関として、プロジェクトにコンピューティング能力のサポートとエンジニアリングの経験を提供します。この「学術機関＋産業研究所」の協力モデルは国内のAIオープンソースプロジェクトでは比較的珍しく、研究の学術的価値と商業的可能性も反映している。
Kronos の中心的な位置付けは、「金融市場の K 行シーケンスを言語として理解する」ことであり、大規模な事前トレーニングを通じてモデルに金融市場の「文法」と「語彙」を学習させます。一般的な時系列基本モデル (TSFM) とは異なり、Kronos は金融データの高ノイズ、多次元性、非定常性に対して特別に最適化されています。株式、仮想通貨、外国為替などのKラインデータを直接処理し、予測結果を出力します。このモデルは主に 3 つのダウンストリームタスクをサポートします。 1 つ目は、コア機能である価格順序予測です。過去の K ラインデータを受信した後、モデルは将来の価格傾向の予測を出力します。 1 分、5 分、15 分、30 分、1 時間、4 時間、毎日の 7 つの時間粒度をサポートします。出力には、各時点の始値、高値、安値、終値、取引量予測値が含まれます。 2 つ目はボラティリティの予測で、リスク管理やオプション価格設定などのシナリオで特に重要です。 Kronos は、実現されたボラティリティ予測タスクにおいて、従来の GARCH モデルや一般的な TSFM よりも優れたパフォーマンスを示しました。 3 つ目は合成 K ラインの生成で、学習した市場ルールに基づいて現実的なシミュレートされた K ラインシーケンスを生成できます。これは、データ強化や戦略のバックテストにとって非常に価値があります。合成データで研究者によってトレーニングされたモデルは、実際のデータでトレーニングされたベースラインモデルよりも実際のデータでさらに優れたパフォーマンスを発揮します。予測メカニズムに関して、Kronos は温度サンプリング (T パラメーター) とカーネルサンプリング (top_p パラメーター) という 2 つの不確実性定量化手法をサポートしており、ユーザーはリスクの好みに応じて予測の「保守的」または「積極的」の程度を調整できます。さらに、このモデルはバッチ予測モードもサポートし、predict_batch メソッドを通じて GPU 並列コンピューティングを実装します。これにより、複数の資産または複数の期間を同時に効率的に予測できます。 BTC/USDT 24 時間リアルタイム予測のオンラインデモが GitHub リポジトリで提供されており、ユーザーはモデルの予測効果を直感的に体験できます。
Kronos は、革新的な 2 段階のフレームワークを使用して財務 K ラインデータを処理します。第 1 段階では、専用の K ライントークナイザー (Tokenizer) が、連続的な OHLCV 6 次元データ (始値、高値、最安値、終値、取引量、取引金額) を離散的なトークンシーケンスに変換します。ここでの中核となるテクノロジーは、Binary Spherical Quantization (BSQ) で、各 K ラインレコードの埋め込みを超球面に投影して 20 ビットのバイナリコードを生成します。マルチレベルの市場ダイナミクスを捉えるために、各 K ラインは、粗粒サブトークン (10 ビット) と粒度の細かいサブトークン (10 ビット) の 2 つのサブトークンに定量化されます。前者は全体的な価格レベルをエンコードし、後者は微妙な変動をエンコードします。第 2 段階では、デコーダー専用の自己回帰トランスフォーマーがこれらの離散トークンで事前トレーニングされ、因果的注意メカニズム (因果的自己注意) を使用して予測が履歴情報のみに基づいていることを保証し、回転位置エンコーディング (RoPE) を通じて時間的順序情報を統合します。他の TSFM と比較した Kronos の最大の利点は、事前トレーニングされたデータの規模です。モデルは 120 億を超える K ラインレコードでトレーニングされています。このデータは、株式、仮想通貨、先物、外国為替など、世界中の 45 以上の取引所の複数の資産クラスをカバーしています。データの期間はさまざまな市場サイクルをカバーします。事前トレーニングタスクでは標準の自己回帰目的関数を使用し、モデルがきめ細かい時間表現と資産間表現を学習できるようにします。Kronos は、さまざまなコンピューティング能力のニーズとパフォーマンス要件に適応する 4 つのパラメータースケールモデルのバリアントを提供します。 Kronos-mini は最も軽量なバージョンで、パラメーターは 410 万個しかありませんが、コンテキストの長さは 2048 トークンに達します。長期の履歴データの迅速な分析に適しており、消費者向けグレードの GPU で実行するには約 2GB のビデオメモリのみが必要です。 Kronos-small には 2,470 万のパラメータと 512 のコンテキスト長があります。現在、オープンソースコミュニティで最も広く使用されているバージョンであり、パフォーマンスと効率のバランスが取れています。 Kronos-base は標準バージョンで、1 億 230 万のパラメータが含まれています。また、コンテキスト長 512 も使用します。パフォーマンスはより強力ですが、それに応じて計算能力要件も増加します。 Kronos-large は 4 億 9,920 万のパラメータと最強のパフォーマンスを備えたフルバージョンですが、まだオープンソースではなく、研究用途のみを目的としています。アーキテクチャパラメータの観点から見ると、Kronos-small は 8 層の Transformer、512 の隠れ次元、8 つのアテンションヘッドを使用します。Kronos-base は 12 層、832 の隠れ次元、16 ヘッドに拡張され、Kronos-large はさらに 18 層、1664 の隠れ次元、32 ヘッドに拡張されています。
Kronos は完全な微調整サポートを提供し、ユーザーが独自の市場データを使用してモデルのトレーニングをカスタマイズできるようにします。これは、モデルを実際の取引戦略に適用する際の重要なステップと考えられます。微調整プロセスは定量的投資プラットフォーム Qlib に基づいて実装され、4 つのステップに分かれています。まず、Qlib を使用してデータを準備し、ユーザーのローカル市場データをモデルで必要な形式に変換します。次に、トレーニングセット/検証セットの分割、学習率、バッチサイズなどの実験パラメータを設定します。次に、単語セグメンタを微調整して、単語セグメンタを特定の市場のデータ特性に適合させます。最後に、特定のアセットのルールを学習するために Transformer パラメーターを更新して、予測モデルを微調整します。 GitHub リポジトリでは、A シェアマーケットを例として使用した完全な微調整チュートリアルが提供されています。ユーザーはこのチュートリアルを参照してすぐに使い始めることができます。プロジェクト文書では、実稼働環境の展開に関する注意事項も特に強調しています。つまり、元の予測信号は、直接使用できるアルファ係数と等しくないということです。リスク要因はポートフォリオ最適化モデルを通じて中和する必要があり、取引コストや市場への影響などの実際の要因を考慮する必要があります。微調整コード自体はデモンストレーションのみを目的としており、本番レベルの定量取引システムを構成するものではありません。
Kronos 自体は完全にオープンソースの MIT ライセンスプロジェクトであり、事前トレーニングされた重みはすべて Hugging Face で無料でダウンロードできるように公開されています。オープンソースモデルには、Kronos-mini (NeoQuasar/Kronos-mini)、Kronos-small (NeoQuasar/Kronos-small)、および Kronos-base (NeoQuasar/Kronos-base) が含まれます。ユーザーは、Hugging Face のトランスフォーマーライブラリを通じて直接ロードして使用できます。公式は、モデルの呼び出しと予測を完了するために「わずか 4 行のコード」を使用できると主張しています。 Kronos-large はオープンソースではありませんが、研究チームは有料の API 呼び出しを通じてサービスを提供することを計画している可能性がありますが、それはまだ明らかではありません。ビジネスモデルの観点から見ると、Kronos は、基本的な財務モデルをゼロからトレーニングするために必要な大量のデータとコンピューティング能力の敷居を排除するため、研究者や個人の定量愛好家にとって非常に魅力的です。商業機関の場合、特定の市場または資産クラス向けの専用予測サービス、定量的取引プラットフォームに統合された SDK、モデルの微調整と展開を提供する技術コンサルティングなど、クローズドソースの付加価値サービスを Kronos に基づいて開発できます。現在知られているコミュニティ派生プロジェクトには、GitHub ユーザー haoyuhu によって開発および保守されている kronos-dashboard (WebUI ビジュアルインターフェイス) が含まれており、技術者以外のユーザーが始める敷居はさらに低くなります。
肯定的なフィードバック: 中国の開発者コミュニティでの議論から判断すると、Kronos の最も認められている価値は、その「独創性」と「オープンソースの完全性」です。 Zhihu と CSDN の著者の多くは、Kronos が「金融 K ラインデータ用に特別に構築された最初の基本モデル」であり、これまでオープンソースの金融専用時系列モデルが存在しなかったギャップを埋めるものであると指摘しました。これ以前は、開発者が財務予測にディープラーニング手法を使用したい場合、汎用 TSFM (TimesFM、Chronos など) に依存するか、小規模なモデルを自分でトレーニングするしかありませんでした。前者は金融データの処理には理想的ではなく、後者はデータ量と計算能力によって制限されます。 GitHub のスターの数の多さ (19.4k) も、プロジェクトに対するコミュニティの認識を反映しています。一部のユーザーは Issues で、Kronos の 2 段階のフレームワーク設計は「非常にエレガント」であり、金融時系列をテキストのようにトークン化できる BSQ トークナイザーのアイデアは「刺激的」であり、その後の研究に新しいアイデアを提供すると述べています。また、同プロジェクトが提供するBTC/USDTのリアルタイム予測デモは、インストール不要でモデルの予測効果を直感的に体験できる「非常に良心的な」機能と評価されている。論文の実験結果から判断すると、A株バックテストにおけるクロノスのパフォーマンスも一定の評価を得ています。上海と深センの市場データに関する研究者の投資シミュレーションでは、クロノス予測シグナルを使用して構築された投資ポートフォリオの年率超過収益（AER）と情報比率（IR）が、テストされたすべてのベースラインの中で最高であることが示されました。ただし、バックテストの結果は実際の性能を表すものではないことに注意してください。実際の取引では、流動性、スリッページ、市場への影響などの要因も考慮する必要があります。批判と質問: クロノスはまた、いくつかの技術的および実用的な課題にも直面しています。 1 つ目は、「AAAI 2026 Acceptance」のステータスに関する論争です。GitHub ページには AAAI 2026 Acceptance と明記されていますが、OpenReview ページ上の同じ論文の掲載情報は NeurIPS 2025 Workshop Poster として表示されていました。最終検証の結果、論文は確かに AAAI 2026 (DOI: 10.1609/aaai.v40i30.39730、2026 年 3 月 14 日にリリース) に掲載されましたが、その初期の伝播経路は NeurIPS ワークショップを通過したことが示されました。学会やワークショップで「最初に公開され、その後正式に承認される」という状況は、反復の速い AI 分野では珍しいことではありませんが、一部のユーザーに混乱を引き起こす可能性があります。第二に、技術的な制限があります。 Medium 上のテクニカルブロガーの詳細な分析から判断すると、一部の学者は、「ユニバーサルモデルが数十億のデータポイントで事前トレーニングされたとしても、K ラインデータで手動で調整されたドメイン固有のアーキテクチャよりも劣る可能性がある」と指摘しています。金融データの非定常性、高ノイズ、および独特の市場微細構造により、「万能の」基本モデルパラダイムを直接移行することが困難になります。 Kronos のコンテキストの長さは 512 トークンに制限されており、より長い履歴データを必要とする高頻度取引などのシナリオには十分ではない可能性があります。さらに、単語セグメンタの離散化された表現では、必然的にいくつかの細かい情報が失われます。粗粒度トークンの実際の使用率は 97.66%、粒度の細かいトークンの実際の使用率は 85.25% に達しており、一定の割合のコードワードが十分に活用されておらず、最適化の余地がある可能性があることを示しています。実用レベルでは、一部のユーザーが Snowball などのプラットフォームでの A 株の実測体験を共有し、Kronos には特定の銘柄に対する特定の予測機能があるものの、その効果は「銘柄ごとに異なり」、サンプリングパラメーターなどのハイパーパラメーターはさまざまなターゲットに合わせて調整する必要があると指摘しました。予測シグナルは実際の利益と等しくないこと、モデルの出力を実行可能な取引戦略に変換するには多くの追加作業が必要であることを述べたコメントもありました。この部分は、公式ドキュメントではコア機能ではなく「制作上の提案」として説明されています。
基本的な時系列モデルの系譜における位置: Kronos の出現により、金融固有のタイミング基本モデルのギャップが埋められました。時系列基本モデルの開発状況から判断すると、2023 年から 2024 年にかけて、Google (TimesFM)、Amazon (Chronos)、Salesforce (Moirai)、Nixtla (TimeGPT) などの大手が、一般的な時系列基本モデルを相次いでリリースしました。これらのモデルは、それぞれのベンチマークテストでゼロサンプル予測機能を実証していますが、金融市場向けに特別に設計されたものではなく、金融データがトレーニングデータの 1% 未満を占めるだけです。 Kronos の核となる洞察は、金融 K ラインデータには独自の OHLCV 構造、高ノイズ特性、および市場固有の法則があるということです。一般的な TSFM トークナイザーと事前トレーニングターゲットではこれらの特性を効果的に捕捉できないため、金融市場向けに特別に設計された基本モデルが必要です。アーキテクチャタイプの観点から見ると、Kronos は Decoder-only Transformer を使用しており、TimesFM や Lag-Llama などのよりパフォーマンスの高いタイミングモデルと一致しています。 Moirai はエンコーダのみのアーキテクチャを使用しており、一般的なタイミングの理解 (異常検出など) においてより多くの利点があります。 Chronos のエンコーダ/デコーダアーキテクチャは、柔軟性とマルチタスク機能の点でよりバランスが取れています。 Kronos の独自性は、その 2 段階のフレームワークにあります。まず、BSQ 定量化を通じて連続財務データを離散トークンに変換し、次にトークンレベルで自己回帰事前トレーニングを実行します。これは一般的な TSFM とは異なり、財務データ用にカスタマイズされた設計です。主な競合製品のリスト: Kronos に最も直接関係する競合製品は、いくつかのカテゴリに分類できます。最初のカテゴリは一般的な時系列基本モデルで、主に TimesFM (Google、2 億パラメーター、デコーダーのみ、1,000 億時点の事前トレーニング)、Chronos (Amazon、エンコーダー-デコーダー、マルチドメイン確率予測)、Moirai (Salesforce、エンコーダーのみ、多変数および異常検出)、および TimeGPT (Nixtla、Transformer、API 呼び出しモード、精度が向上) が含まれます。 60%）。これらのモデルの利点は、その汎用性とクロスドメイン汎化機能にありますが、金融 K ラインデータに対する具体的なパフォーマンスは Kronos ほど良くありません。論文では、Kronos の価格予測 RankIC が TimesFM を 93% リードしていることが示されています。2 番目のカテゴリは、BloombergGPT (ブルームバーグ、500 億のパラメーター、金融テキスト用に特別にトレーニングされ、K ラインデータは処理しません) や FinGPT (AI4Finance Foundation、金融センチメント分析とテキスト生成に焦点を当てたオープンソースの金融大規模言語モデル) などの金融固有のモデルです。 Kronos はこれらのモデルを補完します。BloombergGPT と FinGPT は財務テキストを処理し、Kronos は財務価格シリーズを処理します。 3 番目のカテゴリは、Open Quant.AI や AI4Finance Foundation エコシステムのさまざまなツールなど、学術コミュニティやオープンソースコミュニティからの定量モデルです。 Kronos は、「基本モデル」として、これらの上位層アプリケーションと上流および下流の関係を形成します。実際のアプリケーションの観点から、財務予測の細分化されたシナリオにおける Kronos のパフォーマンス上の利点は明らかですが、非財務時系列予測タスクでは一般的な TSFM が依然として利点を持っています。経験豊富な研究者は、複数のモデルを同時に維持し、タスクに応じて切り替えることを選択できます。 Kronos の MIT ライセンスと Hugging Face の便利なアクセスにより、Kronos は金融 K ライン予測への参入と研究に現在最適なツールとなっています。
クロノスの誕生はAI金融市場の急速な発展と密接に関係しています。複数の当事者による市場調査データによると、世界のアルゴリズム取引市場は 2024 年に約 211 億米ドルとなり、2030 年には 430 億米ドルに成長し、年間平均成長率は約 12.9% になると予想されています。 AI金融市場の規模は、2024年の383億6,000万米ドルから2030年には1,903億3,000万米ドルに成長し、年平均成長率は30.6%にも達すると予想されています。 AIアルゴリズム取引プラットフォーム市場は2024年に約12億6,000万米ドルとなり、2031年までに33億5,200万米ドルに達すると予想されています。これらのデータは、クオンツトレーディングと AI ファイナンスの強力な成長傾向を反映しており、Kronos のようなオープンソースツールに幅広いアプリケーションスペースを提供します。 Linux Foundation の 2025 年オープンソース金融サービス業界レポートによると、回答者の 84% が金融 AI の開発にはオープンソースが不可欠であると信じており、56% が基本モデルが AI 開発に最も大きな影響を与えると考えています。 Kronos の登場は、このトレンドに完全に適合しています。これは、金融 AI 研究の敷居を下げるだけでなく、高度に規制された金融業界において特別な価値を持つ、カスタマイズ可能で監査可能な基礎となるツールを商業機関に提供します。
学術上および工学上の課題: クロノスが直面している主な論争は、「予測は収益性と同等ではない」という根本的な問題です。金融市場は非常にランダムであり、技術的に高度な予測モデルであっても、実際の取引では安定した収益を保証することはできません。クロノスの論文に示されている A シェアのバックテスト結果は楽観的ですが、バックテストには過学習のリスクがあります。特定の歴史的期間のデータでモデルが良好なパフォーマンスを発揮するという事実は、そのパフォーマンスが将来も再現できることを意味するものではありません。さらに重要なことは、シグナルの予測は定量的取引プロセスの一部にすぎないことです。シグナルから戦略に至るまで、資金管理、リスク管理、トランザクション実行などの複数のモジュールの連携も必要です。第2回は「オープンソースの大型モデル」の実際の使いやすさについてです。 Kronos-large (パラメータ 499.2M) はオープンソースではないため、ユーザーは 3 つの小さいバージョン (mini/small/base) のみを使用できます。最大のパフォーマンスを求める商用アプリケーションの場合、これは制限となる可能性があります。最大のオープンソースバージョンであっても、その 499M パラメーターの Kronos-large は、汎用の大型モデルと比較すると依然として軽量であり、複雑な市場パターンを捉える能力には上限がある可能性があります。さらに、クロノスの事前トレーニングデータは 2024 年 6 月の時点で利用可能です。急速に変化する市場環境 (緊急事態や政策変更など) の場合、モデルの一般化能力が制限される可能性があります。金融市場の非定常的な性質は、歴史的法則が必ずしも将来に適用されるとは限らないことを意味します。これは、履歴データに基づくすべての統計モデルが直面する根本的な課題です。コンプライアンスと倫理的考慮事項: 規制レベルでは、取引意思決定のための AI モデルの使用は多くの管轄区域で厳しく規制されています。オープンソースツールである Kronos は誰でも自由に使用できますが、予測結果を実際の取引に直接使用すると、特に注目を集めている高頻度取引やアルゴリズム取引の状況において、規制当局の監視を受ける可能性があります。さらに、Kronos 上に構築された商用サービスに誤解を招く宣伝（「AI 予測は損をせずに確実に儲かる」など）が含まれている場合、コンプライアンスリスクに直面する可能性があります。技術倫理の観点から見ると、Kronos の予測機能は市場操作 (偽の売買による偽の価格シグナルの作成など) に使用される可能性がありますが、これはツール自体の設計範囲を超えています。金融 AI ツールの使用は、法的かつ準拠した枠組み内で実行される必要があり、Kronos の作成者も README でこれを明確に述べています。
適切なシナリオ: Kronos は次のようなユーザーに最適です。 1人目はクオンツファイナンスの研究者です。 Kronos は、元の K ラインデータから予測信号までの完全なプロセスベースラインを提供します。これに基づいて、研究者は新しいアイデアを迅速に検証したり、さまざまなモデルアーキテクチャを比較したり、アブレーション実験のベースラインとしてクロノスを使用したりできます。 2 つ目は、「LLM のアイデアを時系列に適用する方法」を理解または実践したい AI/ML 開発者です。 Kronos の 2 段階のフレームワーク (単語セグメンター + 自己回帰トランスフォーマー) は、良い学習ケースです。 3 番目は、モデルをゼロからトレーニングするためのデータとコンピューティング能力が不足しているが、投資調査を支援するためにディープラーニング手法を使用したいと考えている、個人の定量化愛好家です。 Kronos-mini はハードウェア要件が低く (2GB ビデオメモリ)、シンプルな API 設計により、そのようなユーザーでも使い始めることができます。 4 つ目は金融テクノロジー企業で、コンセプトを検証したり製品アイデアを迅速に反復したりするためにプロトタイプを構築する必要があります。オープンソースの Kronos は、研究開発の初期段階での投資リスクを軽減できます。使用上の提案と注意事項: Kronos の使用を計画している場合は、次の点に注意してください。まず第一に、モデルの出力を取引決定の基礎として直接使用しないでください。これは多くの参照要素の 1 つと見なされ、完全なリスク管理メカニズムが確立される必要があります。次に、Kronos-small または Kronos-mini から始めることを優先し、モデルの動作に慣れてきたら、より大きなバージョンを検討してください。第三に、プロジェクトによって提供される Qlib 微調整プロセスを最大限に活用し、独自のターゲット市場からのデータを使用してモデルをカスタマイズすると、多くの場合、ゼロサンプルを使用するよりも良い結果が得られます。 4 番目に、GitHub の問題やコミュニティのディスカッションをフォローして、他のユーザーの経験や落とし穴の記録を学びます。これはドキュメントよりもリアルタイムです。 5 番目に、公式 README の「プロダクションに関する推奨事項」の章を必ず読んで、予測されたシグナルと実際の戦略とのギャップと潜在的なリスクを理解してください。代替案の概要: Kronos がニーズに合わない場合は、次の代替案を検討してください。一般的な時系列予測のニーズには、TimesFM と Chronos が比較的成熟したオープンソースの選択肢となります。金融専用ではありませんが、エネルギー、運輸、その他の分野で広く使用されています。より長いコンテキストと強力な生成機能が必要なシナリオの場合、TimeGPT-2 (Nixtla) の Pro バージョンはより高い精度を提供しますが、有料のサブスクリプションが必要です。財務テキスト分析のニーズについては、FinGPT と BloombergGPT がより特化しています。高度に専門化されたクオンツ取引のニーズには、従来の計量経済モデル (GARCH、ARIMA など) と機械学習手法を組み合わせた包括的なフレームワークが必要になる場合があります。
Kronos は、金融 AI 分野における重要なオープンソースのマイルストーンです。これは、金融 K ラインデータ用に特別に設計された基本モデルが、一般的な時系列モデルをはるかに超える結果を達成できることを証明しています。清華大学とマイクロソフトリサーチアジアの協力背景、AAAI 2026 の学術的認知、19.4k 人の GitHub スターによるコミュニティでの人気、MIT ライセンスに基づく完全なオープンソースなどにより、現在の財務定量的な研究開発において無視できないツールとなっています。ただし、Kronos によって実証されるパフォーマンスの利点は主にテクニカル指標 (RankIC、MAE など) にあり、それらを実際の投資収益に変換するには多くの追加作業が必要であることを明確に理解する必要があります。金融市場の複雑さと不確実性は、いかなる予測モデルも「特効薬」ではないことを意味します。定量的な分野で真に変化をもたらしたい研究者や実践者にとって、Kronos は高品質の出発点と確固たるベースラインを提供しますが、最終的な価値の創造はユーザー自身の専門的な能力と判断に依存します。

ユーザーレビュー

RichardThompsonJr42

—

跑了一下Kronos-mini，4M参数在MacBook上确实能跑，但预测准确率也就55%左右，不能说没用但离直接赚钱差得远。作为研究工具还不错，但别抱太高期望，理性看待它的能力边界。这项目值得关注但别冲动去All in。

Clara605

—

把K线当语言来训这个思路确实巧妙，BSQ分词器比直接扔数值进模型靠谱多了。但问题在于，市场不是你读懂历史就能预测未来的。Kronos解决了表示问题，但没解决预测问题，这是两码事，很多人都把这两个概念混淆了。

Austin.Brown273

—

试了三天Kronos预测A股，RankIC确实比我自己瞎搞的因子强，但回测和实盘是两码事，大家冷静。预测能力和赚钱能力中间隔着一整条量化链路：预测信号→Alpha因子→横截面选股→组合优化→风险控制→交易执行→净收益，每一步都可能衰减。

KMartin_771

—

看到有人说和MACD差不多我就笑了，你拿一个120亿条数据预训练的基础模型跟一个几十年前的指标比，本身就是对Kronos的侮辱。但它也确实不是圣杯，千万别all in。作为因子来源很优秀，但别当交易信号直接用。

psnjq

—

GitHub 30k star全是量化圈的人点的，说明大家对这个方向很期待。但坦诚讲，现阶段用它做因子筛选比做直接预测靠谱得多。我把它当因子生成器用，加入现有策略后超额收益确实有提升，这就够了，别期待更多。

DorothyMorganSr

—

搞了一晚上终于把Kronos挂在Qlib上跑通了，微调A股数据的过程比我想象中简单，finetune目录给了完整pipeline。但README里那些AI生成的注释确实有坑，建议用前仔细读一下文档，别直接照着跑。

Jessica_Thompson

—

清华这个团队确实有东西，能把Transformer搬到K线上还入选AAAI顶会。不过零样本没那么神，A股有涨跌停限制，不做微调效果打折扣。建议先用A股数据跑一遍微调流程再做预测，这样效果会好很多。...

烟雨_8

—

BTC/USDT的Live Demo我盯了一整天，走势方向判断还行但具体点位偏差挺大。当辅助参考可以全信就完了。demo版模型版本可能滞后，正经研究建议本地部署，跑起来也不难，值得一试。........

JEsch

—

Kronos最大的价值可能不是预测股价，而是提供了一个金融领域的开源基础模型。未来基于它的应用层创新才是真正值得期待的东西。这让我想起ChatGPT刚出的时候，大家惊叹方向对了。............

SAlvarez

—

我把它当因子生成器用，输出预测方向作为特征加入现有策略，超额收益确实有提升。但单独用它做策略择时夏普比率惨不忍睹。Kronos证明了第一步，但评论区想看最后一步，中间的gap还很大。..........

ZDiaz37

—

说实话有点失望，预期拉太高了。跑了一圈发现波动率预测MAE确实低9%，但对我做日内交易帮助有限，我更需要精确的进场时机。也许更适合中低频策略的策略研究吧。........................

Joshua.Thomas_2021

—

在V2EX发了贴分享把Kronos接入A股量化工作流的经验，花了一个下午在CPU上跑通了预测。实测下来，对财报前后的走势预测基本失效，基本面事件它完全读不到。......................

JBarnes_8883

—

The tokenizer design is the real innovation here. Binary Spherical Quantization for financial data makes so much sense. General TSFMs treat OHLCV like any other time series which is just wrong for financial data patterns.

21ku65o4o6

—

Ship or Skip上评分50/50，说明社区也很纠结。技术上确实牛但研究级和生产级之间的鸿沟不是一朝一夕能填平的。期待后续有更多工程化的工作把这个gap补上让更多人能用起来。...........

Dylan_GreenQ

—

跑了一下A股数据发现pre-trained权重对美股和crypto效果最好对A股需要微调。毕竟是45个交易所混合训练的，A股的制度特征比如T+1、涨跌停这些模型没有学到建议A股用户一定做微调再用。...

purplesnake184

—

I integrated Kronos-mini into my screener at 10% weight alongside nine other signals. The fallback to EMA5/EMA20 momentum when the model fails to load is a nice engineering pattern for production use.

Jesse_Reed_2024

—

AAAI接收后会有大量follow-up工作，这个方向才刚起步。现在入局学习是好时机。

Nathan_Mitchell_Pro70

—

BTC的实时Demo界面简洁，但正经研究还是得本地部署。作为快速了解的入口不错。

剑客_20

—

A股政策市属性无法被纯价格数据捕捉，但这不全是Kronos的问题。

TeresaHughes_Max

—

Kronos-large要4GB显存，建议base版就够了，large边际收益递减。

sATURNsWAPcHAVEZ

—

量化圈评价两极分化。做研究的觉得是里程碑，做实盘的觉得噱头大于实用。

ACox_2023

—

GitHub Issues有人说用Kronos预测财报前后走势基本失效。金融模型不是魔法。

CHOKM0F

—

代码质量不错，PyTorch原生实现，BSQ分词器实现值得反复研读。

郑磊

—

K线即语言这个类比太妙了。每根K线记录的是市场参与者的贪婪和恐惧。

SHicksQ_476

—

跑了一周模拟盘：作为特征工程工具5星，作为交易信号发生器2星。

redsnake107

—

不会All in。金融市场是复杂适应系统，Kronos是工具箱里的一把新工具。

David_WrightZ

—

MIT协议+AAAI顶会+120亿条数据，比那些割韭菜的项目强太多了。

TAmor

—

API风格和HuggingFace一致，上手成本低。但数据清洗花了我一上午。

蝴蝶651

—

项目确实良心，MIT协议全开源，四个模型尺寸任选，这点比那些挂羊头卖狗肉的项目强一万倍。

RussellFisherK

—

散户友好度确实高，pip install就完事了。但门槛低了用的人多了，alpha也就消失了。

Kronos

詳細レポート

ユーザーレビュー

類似の製品