1. 项目定位与用途
FaceCat-Kronos 是一款面向金融领域的量化预测桌面应用程序，定位于为专业投资者与量化研究员提供基于人工智能的市场分析能力。其核心用途是利用清华大学 Kronos 模型对股票历史数据进行学习，生成未来 K 线走势的预测结果，并支持历史回测以评估模型性能。工具通过图形化界面降低使用门槛，使使用者能够直观地进行策略验证、风险分析和市场推演，最终服务于交易决策、研究汇报及教学演示等场景。
项目档案应用项目
FaceCat-Kronos 清华 Kronos 金融量化预测工具 - 安装使用指南与功能详解
FaceCat-Kronos 是基于清华大学 Kronos 模型的金融量化桌面应用，提供 K 线预测、历史回测和多周期分析。本文详细介绍其核心功能、技术架构、安装步骤、使用方法及适用场景，适用于量化研究员、投资者及教学演示。
AI 总结
FaceCat-Kronos 是一款基于清华大学 Kronos 模型的金融量化桌面工具，通过 AI 技术实现 K 线未来走势预测与历史回测，为量化研究、策略开发和交易决策提供科学支持。
中文项目介绍
FaceCat-Kronos 是由花卷猫量化研究团队开发的金融量化预测工具，核心基于清华大学开源的 Kronos K 线预测模型。
该工具旨在解决金融市场走势的科学预测与验证问题，能够对股票历史数据进行深度预训练，生成虚拟 K 线以推演未来市场表现，并支持在历史数据上回测以验证模型准确性。
其适用场景广泛，包括量化研究与策略研发、历史数据回测与模型验证、交易决策支持与市场分析，以及教学演示与投研汇报。目标用户覆盖基金、私募、专业投资者、量化研究员及业余爱好者。
技术实现上，项目采用 PySide 构建跨平台图形界面，结合自研 FaceCat 框架绘制 K 线图表与指标；预测引擎封装了 Kronos 模型与分词器，支持 CPU/GPU 自动切换；数据源为自研行情服务器，并提供多周期（分时/日/周/月）面板与可调参数（Temperature/top_p）的交互式操作。
详细信息与使用说明
2. 解决的问题
本项目主要解决金融市场中走势预测的科学性与可验证性问题。传统技术分析依赖经验与统计，而 FaceCat-Kronos 引入前沿的 Kronos 深度学习模型，能够从历史 K 线数据中自动学习复杂模式，并生成未来价格与成交量的多维预测。这为投资者提供了超越主观判断的客观依据，同时通过回测功能将预测结果与真实走势对比，帮助评估策略有效性、优化模型参数，从而在不确定性较高的市场中提升决策支持的科学性。
3. 适用场景
FaceCat-Kronos 适用于多种金融分析与研究场景：一是量化研究员进行策略研发与模型验证，通过回测功能检验预测准确性；二是专业投资者与交易员用于交易决策支持，参考预测 K 线辅助判断入场时机；三是基金、私募等机构用于投研汇报，可视化展示市场推演结果；四是教学演示，帮助学生或新人理解 AI 在金融预测中的应用；五是二次开发，团队提供框架与示例供有需要的用户扩展功能。无论是有编程背景的量化爱好者，还是追求直观工具的非技术用户，均可通过图形界面快速上手。
4. 安装方式
安装 FaceCat-Kronos 需遵循以下步骤：首先确保 Python 版本为 3.10+（3.9 在 Windows 下可能无法调用模型文件）；其次使用 pip 安装依赖，建议通过国内镜像源执行 `pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple`，并额外安装 `safetensors` 包；然后需从 HuggingFace 下载 Kronos 模型文件（Kronos-small 与 Kronos-Tokenizer-base）放置到项目 `model` 目录下；最后若需使用 GPU 加速，需配备 NVIDIA 显卡并安装 CUDA 环境，否则可使用 CPU 版本示例。注意数据源需自行部署行情服务器，示例数据位于 `examples/data` 目录。
5. 使用方式
使用 FaceCat-Kronos 可通过图形界面或示例脚本两种方式。图形界面：在项目根目录执行 `cd facecat` 后运行 `python main.py` 启动主程序，左侧股票列表点击选择标的，右侧切换“预测”或“回测”模式，可调整 Temperature（0-100）控制预测发散度、top_p（0-1）控制候选集中度，并查看分时图、五档行情及多周期 K 线面板。示例脚本：进入 `examples` 目录，根据硬件选择 `prediction_example.py`（GPU）或 `cpu_prediction_example.py`（CPU）运行，脚本演示了加载模型、读取 CSV 数据、调用 `KronosPredictor.predict()` 及使用 matplotlib 可视化预测结果的全流程。
6. 补充说明与实现特点
项目数据全部来自花卷猫自研行情服务器，需单独部署；原始代码默认使用 CUDA，CPU 用户需使用修改后的示例脚本。实现上，UI 层基于 PySide 与自研 FaceCat 框架，负责图表绘制与交互；模型层集成 Kronos 框架，通过 `KronosPredictor` 类封装预测逻辑，支持自动设备选择（CUDA/MPS/CPU）；数据层读取 CSV 格式的 OHLCV 数据并按时间窗口切分。项目结构清晰，包含 `facecat`（主程序）、`model`（模型定义）、`examples`（示例脚本）、`finetune`（微调脚本）等模块，便于二次开发与扩展。
思维导图
FaceCat-Kronos
核心功能
未来K线预测
历史数据回测
多周期K线分析
交互式图表
参数动态调整
技术架构
UI层
模型层
数据层
数据与模型
输入数据
OHLCV字段
HuggingFace模型
使用方式
GUI程序
示例脚本
参数调整
部署要求
Python 3.10+
依赖包安装
模型文件下载
GPU/CPU支持
常见问题
FaceCat-Kronos 是什么？基于什么模型？
FaceCat-Kronos 是一款金融量化预测桌面工具，由花卷猫量化研究团队开发。它基于清华大学开源的 Kronos K 线预测模型，利用 AI 技术对未来股价走势和成交量进行预测，并提供历史回测功能，服务于量化研究、策略开发和交易决策。
如何安装和运行 FaceCat-Kronos？
安装需 Python 3.10+ 环境，执行 `pip install -r requirements.txt` 并额外安装 `safetensors`；从 HuggingFace 下载 Kronos 模型放置到 `model` 目录。运行图形界面请在 `facecat` 目录下执行 `python main.py`；运行预测示例可进入 `examples` 目录选择 CPU 或 GPU 版本脚本。
支持哪些运行平台？没有 NVIDIA 显卡能用吗？
项目基于 PySide，可在 Windows、Linux 和 macOS 上运行。原始代码默认使用 NVIDIA CUDA，若无 compatible GPU，可使用 `examples` 目录下的 `cpu_prediction_example.py` 等修改后的脚本在 CPU 环境下顺畅运行，代码会自动检测并选择设备（CUDA/MPS/CPU）。
数据来源是什么？是否需要自己准备？
股票数据来自花卷猫量化研究团队自研的行情服务器，项目提供了示例 CSV 数据（位于 `examples/data`）。实际使用时需下载并部署该行情服务器，具体步骤参考项目文档。