Kronos -- 基于金融时序数据的预测模型

模型特点

1. 两阶段核心流程

• Tokenization：用二元球面量化（BSQ）的专用tokenizer，将连续OHLCVA（开高低收量）数据离散为「粗粒度+细粒度」双子码，压缩数据并保留价量互动与多尺度动态，降低噪声干扰
• 自回归预训练：基于Decoder-only Transformer架构，以因果注意力建模时序依赖，通过预测下一时序token实现序列生成，统一预测与生成任务

2. 海量预训练数据

覆盖全球45+交易所、超120亿条交易记录，涵盖多资产类别与7种时间粒度（分钟到日线），具备跨市场泛化能力

3. 性能领先

价格序列预测RankIC较SOTA提升93%，支持概率预测，赋能量化决策

应用场景

• A股预测：在预测页面，我们提供Kronos模型基于A股交易数据的预测结果，供感兴趣的用户参考