GitHub 3.8万 Star，清华团队做了一个读 A 股 K 线的大模型！

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑，欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料： 

• 《项目实战（视频）》：从书中学，往事中“练”
• 《互联网高频面试题》：面朝简历学习，春暖花开
• 《架构 x 系统设计》：摧枯拉朽，掌控面试高频场景题
• 《精进 Java 学习指南》：系统学习，互联网主流技术栈
• 《必读 Java 源码专栏》：知其然，知其所以然

GitHub 3.8万 Star，清华团队做了一个读 A 股 K 线的大模型

从网页 Demo、本地预测到 A 股微调，Kronos 把金融 K 线基础模型做成了一条能跑通的开源链路。

P0｜先别急着开终端，网页上就能白嫖一张预测图

P1｜三行命令进门，官方示例数据就是上交所的 A 股

P2｜选尺寸就是选车位，4.1M 起步，各有各的停法

P3｜三个旋钮，把预测从抽奖拧成参考

P4｜扫全市场，predict_batch 的两条等长规矩

P5｜微调自己的票，四步流水线加一张显存账单

P6｜台阶尽头的牌子，演示不是生产

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/ruoyi-vue-pro

视频教程：https://doc.iocoder.cn/video/

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

cd Kronos

pip install -r requirements.txt

from model import Kronos, KronosTokenizer, KronosPredictor

import pandas as pd

# 加载分词器和模型

tokenizer = KronosTokenizer.from_pretrained("NeoQuasar/Kronos-Tokenizer-base")

model = Kronos.from_pretrained("NeoQuasar/Kronos-small")

predictor = KronosPredictor(model, tokenizer, max_context=512)

# 准备数据，必须有 open、high、low、close 四列，volume 和 amount 可选

df = pd.read_csv("./data/XSHG_5min_600977.csv")

df['timestamps'] = pd.to_datetime(df['timestamps'])

lookback, pred_len = 400, 120

x_df = df.loc[:lookback-1, ['open', 'high', 'low', 'close', 'volume', 'amount']]

x_timestamp = df.loc[:lookback-1, 'timestamps']

y_timestamp = df.loc[lookback:lookback+pred_len-1, 'timestamps']

# 生成预测

pred_df = predictor.predict(

　　df=x_df,

　　x_timestamp=x_timestamp,

　　y_timestamp=y_timestamp,

　　pred_len=pred_len,

　　T=1.0,

　　top_p=0.9,

　　sample_count=1

)

print(pred_df.head())

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/yudao-cloud

视频教程：https://doc.iocoder.cn/video/

mini 是 410 万参数，笔记本跑得动，独享 2048 上下文；

small 是官方示例默认款，最省心；

base 主打精度，下载量百万级；

large 没放出来。

T 是采样温度，越高越放飞，越低越保守；

top_p 是采样范围，控制从多大的候选池里抽；

sample_count 是采样路径数量，开大点就多跑几条路径再取平均，结果稳一些。

pip install pyqlib

python finetune/qlib_data_preprocess.py

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

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

python finetune/qlib_test.py --device cuda:0

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

CLOSING

它适合做价格行为与成交结构建模，不是完整的投资决策系统。模型给的是概率信号，不是收益承诺。