Skip to content
Other

Kronos-FT

адаптация финансовой модели для прогнозирования биржевых котировок

2 min read

Kronos-FT от разработчика Andrei Ramani — это серия дообученных моделей для прогнозирования движения цен и свечных графиков на конкретных фондовых биржах. В основе лежит авторегрессионная decoder-only модель Kronos размером 102.3M параметров (разработка Университета Цинхуа, AAAI 2026), которая переводит рыночные показатели в дискретные токены подобно языковой модели. В отличие от базовой версии и универсальных моделей временных рядов, Kronos-FT учитывает микроструктуру и волатильность отдельных площадок: сейчас готов чекпоинт для индонезийской биржи IDX, а версии для NASDAQ и TSE находятся в работе. На выходе модель генерирует многошаговые траектории будущих свечей (Open, High, Low, Close) по историческому окну в 256 баров, что пригодится квантовым исследователям и разработчикам алгоритмических систем.

Ключевые особенности

  • Работа с разными таймфреймами: единая архитектура поддерживает сразу 8 масштабов — от минутных (1T, 3T, 5T, 15T, 30T) и часовых (1H) до дневных (D) и недельных (W) свечей.
  • Квантованная токенизация: специальный токенизатор кодирует многомерные векторы OHLCV и оборота (Amount) в дискретные токены без потери нелинейных всплесков волатильности.
  • Управляемая генерация траекторий: поддерживает сэмплирование с настройкой температуры (T), top-k и top-p, позволяя строить ансамбли сценариев методом Монте-Карло.
  • Защита от утечки данных (Zero-Lookahead): при обучении соблюдалось строгое хронологическое разделение датасетов с временными буферами, исключающими подглядывание в будущее.

Что можно сделать

  • Исследовать внутридневные и свинг-сценарии на бирже IDX: подавать на вход 256 исторических баров и генерировать вероятностные коридоры цен на 5 дней или 16 внутридневных интервалов вперёд.
  • Интегрировать в пайплайны бэктестинга на PyTorch: загружать веса и откалиброванные токенизаторы напрямую в формате SafeTensors для быстрой оценки рисков и волатильности.
  • Сравнивать поведение региональных рынков: использовать как базу для академических экспериментов по адаптации фундаментальных моделей временных рядов под локальные биржи.

Пример

from model import KronosPredictor

predictor = KronosPredictor.from_pretrained(
    "andreiramani/kronos-ft", exchange="idx", device="cuda:0"
)
forecast_df = predictor.predict(
    df=x_df, x_timestamp=x_ts, y_timestamp=y_ts,
    pred_len=5, T=0.3, sample_count=5, top_p=0.9
)
Подробнее Бенчмарки (IDX vs Kronos-Base): точность определения дневного направления выросла с 50.0% до 80.0% (+30%), дневная ошибка MAPE снизилась с 7.28% до 3.70%, а общая ошибка на 40 сценариях упала с 3.12% до 2.22%.
Данные обучения: 48.29 млн свечей (9.65 млн для IDX, 10.45 млн для NASDAQ, 6.68 млн для TSE и 21.49 млн для NSE; версия для NSE отклонена на первой фазе).
Требования и формат: веса в SafeTensors, для запуска нужны Python 3.10+, PyTorch с CUDA и репозиторий кода автора.
Ограничения: модель предназначена исключительно для научных исследований и экспериментов с временными рядами, не является финансовой рекомендацией.
Discuss Telegram 1

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 0.4 GB · ready files0.9 GB
  • FP8 / INT8recommendedweights 0.2 GB0.7 GB
  • 4-bitweights 0.1 GB0.6 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # andreiramani/kronos-ft
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download andreiramani/kronos-ft --local-dir ~/models/kronos-ft
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to kronos-ft
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of kronos-ft (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

andreiramani/kronos-ft
Author
andreiramani
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

01

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments