Agent Skills
返回列表
Kronos K线预测

Kronos K线预测

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_f9b838d6/kronos-kline-forecast

技能介绍

解决什么问题

把 OHLCV K线序列当作"语言"来预测未来走势，这件事过去要么靠传统量化框架从零搭环境，要么得自己处理模型下载、数据清洗、微调流水线。本技能把清华大学 IIIS 团队开源的 Kronos 金融K线基础模型的部署与微调封装成可直接对话触发的流程：说"部署模型"走完整流程，说"预测 588170 未来10天走势"直接跑一键脚本，说"微调 510300"则进入 A 股微调章节。

核心能力与关键步骤

零样本预测：模型下载到本地目录后，predict.py 从本地加载（不走网络），把历史K线喂给 GPT 式自回归 Transformer，输出未来若干根K线的预测值。数据通过腾讯行情接口免费获取（无需 token），输出 CSV 列固定为 timestamps,open,close,high,low,volume,amount。

A股微调：finetune_csv 模块内置半自动微调流水线，不需要 Qlib。拉多只同类标的日K合并训练（至少几千根，理想是几万根），改一个 YAML 配置就能开始，产物是 best_model 目录，替换预测脚本里的模型路径即可使用微调后的模型。

国内环境适配：内置 hf-mirror / gitclone 镜像方案，模型文件用 curl 断点续传下载；Python 版本锁 3.11，依赖版本固定，并附有按报错现象索引的速查表，覆盖网络超时、CUDA 不可用、显存 OOM、中文乱码等常见问题。

适用边界与注意点

  • 硬件门槛不高但有底线：base 模型约 2GB 显存可跑，微调建议 12GB；纯 CPU 只能预测且速度是分钟级
  • Python 3.13 会因依赖无 wheel 编译失败；Agent 沙箱环境的删除文件钩子可能拦截训练，需先清空会话环境变量
  • 微调数据量少时验证 Loss 偏高；A股涨跌停与 T+1 制度下零样本预测偏差可能较大；黑天鹅事件预测能力弱
  • 预测结果仅供参考，不能作为投资依据

使用场景

  • 在本地或 Agent 环境中部署 Kronos，用一键脚本基于历史 OHLCV 数据预测个股或 ETF 未来K线走势。
  • 准备多只同标的 A股日K CSV，配置 finetune_csv 参数并微调 Kronos，用于生成个性化预测结果。
  • 在国内网络环境下下载 Kronos-base 与 Tokenizer，并用 curl 断点续传校验模型文件完整性。
  • 排查 torch.cuda.is_available() 为 False、OOM、删除文件失败等部署或微调时的常见运行错误。

适合人员

  • 量化工程师：需要把开源金融K线模型接入本地研究流程，验证 K线走势预测与微调效果。
  • AI 应用开发者：希望在 Agent 或聊天界面中通过自然语言触发 Kronos 部署、预测与微调任务。
  • 金融数据研究者：关注 OHLCV 时间序列建模，需要快速复现 Kronos 零样本预测与微调实验。
  • 技术运维人员：负责在受限网络或沙箱环境中排查 Python、CUDA、模型下载和资源占用问题。