清華3.1萬Star的Kronos能預(yù)測(cè)股價(jià)但把預(yù)測(cè)變成每日自動(dòng)報(bào)告還得靠這套開源工具2026年清華大學(xué)IIIS和自動(dòng)化系聯(lián)合發(fā)布了一個(gè)叫Kronos的模型——全球首個(gè)專為金融K線數(shù)據(jù)設(shè)計(jì)的開源基礎(chǔ)模型被AAAI 2026收錄GitHub斬獲3.1萬 StarsMIT協(xié)議。它很厲害。在120億條K線記錄上預(yù)訓(xùn)練覆蓋全球45家以上交易所。價(jià)格預(yù)測(cè)RankIC比最強(qiáng)的通用時(shí)序模型提升了93%波動(dòng)率預(yù)測(cè)MAE降低了9%。中金公司的研報(bào)顯示基于Kronos構(gòu)建的擇時(shí)策略年化收益率達(dá)33.9%超額收益9%。但有一個(gè)問題模型是模型工具是工具。Kronos解決了“怎么預(yù)測(cè)”的問題。但怎么讓預(yù)測(cè)結(jié)果每天自動(dòng)生成怎么同時(shí)預(yù)測(cè)股票、基金、期貨、指數(shù)怎么把預(yù)測(cè)結(jié)果變成可讀的報(bào)告、可分享的圖表、可集成的API這就是Kronos-Report要做的事。Kronos-Report不是又一個(gè)量化分析工具而是一套以Kronos金融時(shí)序大模型為推理核心、以“預(yù)測(cè)器-報(bào)告生成器-簡(jiǎn)報(bào)系統(tǒng)-HTTP服務(wù)”四層模塊為工程骨架的AI量化投研自動(dòng)化平臺(tái)——讓金融預(yù)測(cè)從“人工撰寫研報(bào)”變成“模型自動(dòng)生成多格式分析報(bào)告和每日簡(jiǎn)報(bào)”。一、先回到那個(gè)痛點(diǎn)模型能預(yù)測(cè)但離“每天自動(dòng)出一份報(bào)告”還差很遠(yuǎn)Kronos模型本身只解決了“推理”的問題——輸入K線數(shù)據(jù)輸出預(yù)測(cè)結(jié)果。但從模型到每天能用、團(tuán)隊(duì)能共享、系統(tǒng)能集成的工具還差著“最后一公里”能力缺口說明數(shù)據(jù)獲取模型需要K線數(shù)據(jù)但數(shù)據(jù)從哪來如何自動(dòng)獲取品種適配股票、基金、期貨、指數(shù)的數(shù)據(jù)格式和交易規(guī)則各不相同報(bào)告生成預(yù)測(cè)結(jié)果是數(shù)字但用戶需要的是可讀、可分享的報(bào)告服務(wù)化預(yù)測(cè)能力如何被其他系統(tǒng)調(diào)用自動(dòng)化如何讓預(yù)測(cè)每天自動(dòng)運(yùn)行無需人工干預(yù)前輩的致命傷頂尖模型藏在代碼庫里距離“每天自動(dòng)生成一份可讀的預(yù)測(cè)報(bào)告”還有很長(zhǎng)的路要走 → Kronos-Report的殺手锏把Kronos的預(yù)測(cè)能力封裝成一套完整的自動(dòng)化投研流水線二、四層架構(gòu)讓金融時(shí)序大模型真正“落地”Kronos-Report采用四層模塊化架構(gòu)各模塊職責(zé)清晰、可獨(dú)立演進(jìn)┌─────────────────────────────────────────────────────────────┐ │ 應(yīng)用入口層 │ │ predictor.py命令行入口 │ │ server.pyHTTP服務(wù)入口 │ ├─────────────────────────────────────────────────────────────┤ │ 核心業(yè)務(wù)層 │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ predictor_ │ │ report/ │ │ briefing/ │ │ │ │ core/ │ │ 報(bào)告生成 │ │ 簡(jiǎn)報(bào)生成 │ │ │ │ 預(yù)測(cè)核心 │ └─────────────┘ └─────────────┘ │ │ └─────────────┘ ┌─────────────┐ ┌─────────────┐ │ │ │ data/ │ │ model/ │ │ │ │ 數(shù)據(jù)服務(wù) │ │ Kronos模型 │ │ │ └─────────────┘ └─────────────┘ │ ├─────────────────────────────────────────────────────────────┤ │ 基礎(chǔ)設(shè)施層 │ │ config/統(tǒng)一配置· trade_calendar.py交易日歷 │ │ model_manager.py全局模型管理器 │ ├─────────────────────────────────────────────────────────────┤ │ 模板與輸出層 │ │ templates/HTML模板· html/Demo預(yù)覽 │ └─────────────────────────────────────────────────────────────┘設(shè)計(jì)模式解讀Kronos-Report體現(xiàn)的是門面模式Facade Pattern——它將Kronos模型的復(fù)雜推理過程、數(shù)據(jù)獲取與預(yù)處理、多格式報(bào)告生成等底層細(xì)節(jié)全部封裝在統(tǒng)一的命令行和HTTP接口背后用戶只需傳入品種代碼即可獲得完整的預(yù)測(cè)報(bào)告。三、核心功能從預(yù)測(cè)到簡(jiǎn)報(bào)一條龍自動(dòng)化① 多品種自動(dòng)識(shí)別——不用手動(dòng)配系統(tǒng)自己認(rèn)用戶只需傳入品種代碼系統(tǒng)自動(dòng)完成類型識(shí)別自動(dòng)判斷是股票、基金、期貨還是指數(shù)交易所判斷自動(dòng)識(shí)別上交所、深交所、北交所、期貨交易所或指數(shù)中心期貨合約自動(dòng)過濾品種代碼00如RB00、M00被自動(dòng)識(shí)別并過濾② 六種報(bào)告格式——一次預(yù)測(cè)六種輸出格式用途TXT純文本快速閱讀HTML交互式網(wǎng)頁報(bào)告含圖表PNG報(bào)告截圖適合分享CSV結(jié)構(gòu)化數(shù)據(jù)二次處理圖表K線圖、趨勢(shì)圖可視化JSON系統(tǒng)集成③ 每日簡(jiǎn)報(bào)自動(dòng)化——讓預(yù)測(cè)“自己跑起來”每日簡(jiǎn)報(bào)是Kronos-Report最具特色的功能每日自動(dòng)生成包含大盤預(yù)測(cè)、個(gè)股分析、量化提示自選股優(yōu)先支持配置自選股列表優(yōu)先展示隨機(jī)品種補(bǔ)充自動(dòng)補(bǔ)充隨機(jī)個(gè)股和基金豐富簡(jiǎn)報(bào)內(nèi)容定時(shí)任務(wù)支持每日定時(shí)自動(dòng)生成默認(rèn)每日19:30④ HTTP模型服務(wù)——讓預(yù)測(cè)“可遠(yuǎn)程調(diào)用”Kronos-Report提供了完整的HTTP服務(wù)端點(diǎn)方法端點(diǎn)說明GET/health健康檢查POST/models/load加載模型POST/models/switch切換模型GET/models/list列出已加載模型POST/predict執(zhí)行預(yù)測(cè)核心能力多模型管理最多支持3個(gè)模型同時(shí)加載模型熱切換無需重啟服務(wù)即可切換模型參數(shù)化預(yù)測(cè)支持lookback、pred_len、t、top_p、sample_count等參數(shù)設(shè)備自動(dòng)選擇默認(rèn)auto模式無需手動(dòng)指定CUDA/CPU/MPS設(shè)計(jì)模式解讀HTTP服務(wù)體現(xiàn)的是代理模式Proxy Pattern——服務(wù)作為Kronos模型的網(wǎng)絡(luò)代理將本地推理能力封裝為可通過HTTP協(xié)議訪問的遠(yuǎn)程服務(wù)。四、三種使用場(chǎng)景覆蓋從個(gè)人到企業(yè)場(chǎng)景一單次預(yù)測(cè)命令行# 股票預(yù)測(cè)完整報(bào)告python predictor.py--code000001# 期貨預(yù)測(cè)python predictor.py--codeRB2505# 指數(shù)預(yù)測(cè)python predictor.py--codezs_000001# 自定義參數(shù)python predictor.py--code000001--lookback256--pred-len10--modelsmall輸出TXT、HTML、PNG、CSV、圖表、JSON六種格式報(bào)告。場(chǎng)景二每日簡(jiǎn)報(bào)自動(dòng)化# 生成簡(jiǎn)報(bào)python predictor.py--briefing# 啟動(dòng)定時(shí)任務(wù)每日19:30自動(dòng)生成python predictor.py--scheduler簡(jiǎn)報(bào)輸出目錄/home/liebin/dev/data/report/AI簡(jiǎn)報(bào)/{日期}/。場(chǎng)景三HTTP模型服務(wù)企業(yè)級(jí)集成# 啟動(dòng)服務(wù)./start_server.sh# 快速測(cè)試curlhttp://localhost:16888/healthcurl-XPOST http://localhost:16888/predict\-d{code:000001}典型集成場(chǎng)景量化交易系統(tǒng)預(yù)測(cè)信號(hào)輸入、投研平臺(tái)AI預(yù)測(cè)數(shù)據(jù)支持、財(cái)富管理App個(gè)股預(yù)測(cè)服務(wù)。五、3×3模型矩陣精度、速度、資源自由權(quán)衡Kronos-Report支持三種分詞器和三種模型的自由組合。分詞器Tokenizer參數(shù)值上下文長(zhǎng)度特點(diǎn)適用場(chǎng)景2k2048精度高高頻交易、加密貨幣base512速度快股票/期貨、快速驗(yàn)證預(yù)測(cè)模型參數(shù)值參數(shù)量速度適用場(chǎng)景mini4.1M最快資源受限場(chǎng)景small24.7M較快專業(yè)量化推薦base102.3M較慢機(jī)構(gòu)級(jí)精度這種“分詞器×模型”的矩陣設(shè)計(jì)讓用戶可以在精度、速度、資源消耗之間靈活權(quán)衡。六、技術(shù)實(shí)現(xiàn)亮點(diǎn)雙數(shù)據(jù)源架構(gòu)數(shù)據(jù)源說明適用場(chǎng)景l(fā)ocal使用本地CSV文件離線環(huán)境、自有數(shù)據(jù)tickflowTickFlow免費(fèi)服務(wù)推薦在線環(huán)境、自動(dòng)獲取通過配置文件settings.py中的DATA_SOURCE參數(shù)統(tǒng)一切換無需修改業(yè)務(wù)代碼。三層配置優(yōu)先級(jí)優(yōu)先級(jí)來源說明1命令行參數(shù)--pred-len 10直接覆蓋2配置文件settings.py中的默認(rèn)值3代碼內(nèi)置硬編碼的備用值全局模型管理器通過model_manager.py實(shí)現(xiàn)全局模型管理采用單例模式確保同一模型在全局只加載一次避免重復(fù)加載帶來的內(nèi)存和時(shí)間浪費(fèi)。HTTP服務(wù)模式下最多支持3個(gè)模型同時(shí)加載支持熱切換。交易日歷trade_calendar.py模塊確保預(yù)測(cè)在正確的時(shí)間維度上進(jìn)行——跳過非交易日、正確處理節(jié)假日、準(zhǔn)確計(jì)算回測(cè)區(qū)間。一個(gè)錯(cuò)誤的日期可能導(dǎo)致整個(gè)預(yù)測(cè)失效。七、與Kronos模型的關(guān)系模型是引擎Report是整車Kronos和Kronos-Report的關(guān)系可以這樣理解維度KronosKronos-Report定位金融時(shí)序大模型自動(dòng)化投研工具鏈解決什么問題“怎么預(yù)測(cè)”“怎么讓預(yù)測(cè)結(jié)果可用、可讀、可集成”輸入K線數(shù)據(jù)品種代碼輸出預(yù)測(cè)數(shù)值六種格式報(bào)告 HTTP服務(wù) 每日簡(jiǎn)報(bào)使用者AI研究員、量化開發(fā)者投研分析師、量化團(tuán)隊(duì)、企業(yè)系統(tǒng)Kronos-Report的本質(zhì)是把Kronos從“學(xué)術(shù)代碼”變成了“生產(chǎn)工具”。八、寫在最后2026年大模型正在重塑金融行業(yè)。Kronos證明了“AI可以看懂K線”——在120億條記錄上預(yù)訓(xùn)練價(jià)格預(yù)測(cè)RankIC提升93%。但真正讓金融從業(yè)者能用上AI的不是模型本身而是把模型封裝成每天自動(dòng)運(yùn)行的、可讀可分享可集成的工具鏈。Kronos-Report的故事告訴我們金融AI的價(jià)值不僅在于模型本身的預(yù)測(cè)精度更在于將預(yù)測(cè)結(jié)果轉(zhuǎn)化為可讀、可用、可集成的產(chǎn)品化能力。從命令行到HTTP服務(wù)從單次預(yù)測(cè)到每日定時(shí)簡(jiǎn)報(bào)從本地文件到云端數(shù)據(jù)源——它展示了一個(gè)金融時(shí)序大模型從“學(xué)術(shù)代碼”走向“生產(chǎn)工具”的完整工程化路徑。它的終極價(jià)值不是“又一個(gè)預(yù)測(cè)腳本”——而是讓AI量化預(yù)測(cè)從“專家工具”變成了“自動(dòng)化流水線”。項(xiàng)目地址https://gitee.com/liebin/kronos-reportKronos原項(xiàng)目https://github.com/shiyu-coder/Kronos本文數(shù)據(jù)來源Kronos-Report項(xiàng)目源碼及README、Kronos論文AAAI 2026、中金公司研報(bào)2025年10月、國(guó)信證券研報(bào)2025年11月、公開技術(shù)文章截至2026年8月如您所在的企業(yè)正面臨AI量化投研平臺(tái)建設(shè)、金融大模型應(yīng)用落地或智能投研系統(tǒng)開發(fā)的相關(guān)需求歡迎進(jìn)一步溝通。我們可提供針對(duì)貴企業(yè)具體場(chǎng)景的定制化方案和現(xiàn)場(chǎng)調(diào)研服務(wù)。