Kronos-FT
адаптация финансовой модели для прогнозирования биржевых котировок
2 мин чтения
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-kиtop-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.










Комментарии