1. 项目定位与用途
Kronos是一个专为A股市场设计的交互式股票预测系统，基于同名的深度学习 foundation model 构建。系统核心定位是处理金融K线序列的独特高噪声特性，通过两阶段架构（分层离散tokenizer + 自回归Transformer）实现统一的多任务量化分析。主要用途包括：预测未来股价与成交量走势、生成交易日历对齐的预测序列、提供可视化的预测对比报告，并支持单只或多只股票的批量处理。系统同时提供命令行工具与Web交互界面，满足不同用户场景需求。
项目档案应用项目
Kronos A股股票预测系统：基于深度学习的交互式预测工具（安装使用指南）
Kronos是专为A股市场设计的交互式股票预测系统，采用分层离散tokenizer与自回归Transformer模型，支持实时数据下载、价格成交量预测、节假日处理及可视化报告。本文提供完整安装指南、命令行与Web界面使用教程，以及批量预测示例。
AI 总结
Kronos是基于专有深度学习模型的A股交互式股票预测系统，通过分层离散tokenizer和自回归Transformer实现价格与成交量预测，提供数据获取、模型推理到可视化报告的全流程解决方案。
中文项目介绍
Kronos是一个面向A股市场的智能股票预测系统，核心采用专有的Kronos深度学习模型。该系统首先通过分层离散tokenizer将连续的K线数据（OHLCV）量化为离散token序列，再使用自回归Transformer进行序列建模与未来走势生成。
系统解决了金融数据高噪声、交易日历复杂（需排除周末节假日）以及预测结果可解释性等挑战，提供从实时数据获取、模型推理到可视化展示的完整pipeline。
适用场景包括：A股短期走势预测与交易信号生成、量化策略回测验证、金融教学演示以及多股票批量组合分析。用户可通过命令行、交互式脚本或Web界面三种方式使用，并支持生成详细的价格与成交量对比图表及统计报告。
详细信息与使用说明
2. 解决的问题
项目主要解决以下问题：第一，金融时间序列的高噪声与非平稳特性，通过分层离散化将连续OHLCV数据转换为离散token，降低模型学习难度；第二，A股交易日历的特殊性，自动排除周末及中国法定节假日，确保预测序列对应正确交易日；第三，预测结果的可解释性，生成包含历史对比、预测曲线和统计指标的可视化报告；第四，数据获取与模型使用的便捷性，集成akshare实现一键下载，并通过Hugging Face Hub分发预训练模型，降低使用门槛。
3. 适用场景
适用场景包括：1）A股短期走势预测，为交易决策提供参考信号；2）量化交易策略回测，验证策略在历史数据上的表现；3）金融教学与学术研究，演示深度学习在时间序列预测中的应用；4）多股票组合分析，批量处理并对比不同标的的预测结果；5）快速原型验证，通过交互式脚本或Web界面调整参数观察效果。需要注意的是，系统预测结果仅供参考，不构成投资建议，实际交易需结合更多市场信息与风险控制。
4. 安装方式
安装步骤如下：首先确认已安装Python 3.10或更高版本；然后在项目根目录执行 `pip install -r requirements.txt` 安装所有依赖，包括numpy、pandas、torch、akshare、huggingface_hub等；对于Web界面，需进入webui目录单独安装其依赖；首次运行时，系统会自动从Hugging Face Hub下载对应的预训练模型与tokenizer文件（如NeoQuasar/Kronos-small和NeoQuasar/Kronos-Tokenizer-base），需确保网络连接正常。若需GPU加速，应安装CUDA版本的PyTorch。仓库中未明确给出Docker或conda安装方式。
5. 使用方式
系统提供多种使用方式：基础预测可参考examples/prediction_example.py，加载KronosTokenizer与Kronos模型后实例化KronosPredictor，传入OHLCV DataFrame调用predict方法；交互式使用可运行examples/interactive_stock_prediction.py，按提示输入股票代码与日期范围，自动下载数据并可视化；批量预测参考examples/prediction_batch_example.py，循环处理多只股票并生成对比图表；Web界面需进入webui目录，安装依赖后运行python run.py启动本地服务，通过浏览器访问。所有示例均展示如何设置温度采样与top-p解码参数以控制预测多样性。
6. 补充说明与实现特点
项目实现特点包括：模型采用decoder-only架构，支持512或2048的上下文长度，提供mini（4.1M）、small（24.7M）、base（102.3M）三种开源版本；数据预处理包含归一化与tokenization，预测后需逆归一化还原真实价格；节假日处理依赖holidays库，确保预测序列仅包含交易日；代码结构清晰，核心模块位于model/目录，预测逻辑封装于KronosPredictor类；项目附带微调脚本（finetune/）与数据预处理工具，支持用户自定义任务适配。仓库中未明确给出模型训练细节与超参数配置，仅提供预训练模型使用方式。
思维导图
Kronos股票预测系统
数据获取模块
akshare集成
A股历史数据下载
前复权处理
多股票合并
Kronos模型核心
分层离散tokenizer
自回归Transformer
预训练金融K线
多级容量版本
预测器封装
数据预处理
模型推理
采样控制（T/top_p）
逆归一化
交互界面
命令行接口（cli.py）
交互式脚本
Web界面（Flask）
批量处理
可视化与输出
价格对比图
成交量对比图
统计报告
交易日历处理
常见问题
如何安装Kronos股票预测系统？
确保已安装Python 3.10+，在项目根目录运行 `pip install -r requirements.txt` 安装依赖。首次运行会自动从Hugging Face Hub下载预训练模型与tokenizer。Web界面需进入webui目录单独安装依赖。
Kronos支持哪些股票市场？
当前版本主要针对A股市场设计，使用akshare获取A股历史行情数据。README中提到的Live Demo展示的是BTC/USDT交易对，但仓库代码与示例均聚焦A股。
如何使用Kronos进行单只股票预测？
参考examples/prediction_example.py：加载KronosTokenizer与Kronos模型，实例化KronosPredictor，准备包含OHLCV的DataFrame，调用predict方法获取预测结果，并使用matplotlib绘制历史与预测对比图。
是否支持批量预测多只股票？
支持。examples/prediction_batch_example.py展示了循环处理多只股票的流程，examples/Akshare.py提供批量下载与合并数据功能，可结合使用实现批量预测与组合分析。
模型文件需要手动下载吗？
不需要手动下载。首次运行代码时，系统会通过huggingface_hub自动从Hugging Face Hub下载对应的预训练模型（如NeoQuasar/Kronos-small）与tokenizer（如NeoQuasar/Kronos-Tokenizer-base），确保网络连接正常即可。