Kronos：金融市场语言的基础模型
统计金融
2025-08-06 v1 人工智能
机器学习
摘要
大规模预训练范式（以大型语言模型 LLM 为例）的成功，启发了开发时间序列基础模型（TSFMs）的趋势。然而，其在金融 K 线数据上的应用仍有限，往往表现不如非预训练架构。此外，现有的 TSFMs 常常忽视诸如波动率预测和合成数据生成等关键下游任务。为此，本文提出 Kronos，一个为金融 K 线建模量身定制的统一、可扩展预训练框架。Kronos 引入专用分词器，将连续市场信息离散化为词序列，既保留价格动态，又保留交易活动模式。我们在来自 45 个全球交易所、超过 120 亿条 K 线记录的大型多市场语料库上进行自回归目标预训练，使其能够学习细致的时序和跨资产表征。Kronos 在零样本设置下能在多样化的金融任务中取得优异成绩。在基准数据集上，Kronos 比领先的 TSFM 提升了 93% 的价格序列预测 RankIC，比最佳非预训练基线提升了 87%。在波动率预测中实现 9% 更低的 MAE，在合成 K 线序列生成中实现 22% 的生成保真度提升。这些结果确立了 Kronos 作为端到端金融时间序列分析的强大、通用的基础模型。我们的预训练模型已公开发布于 https://github.com/shiyu-coder/Kronos。
引用
@article{arxiv.2508.02739,
title = {Kronos: A Foundation Model for the Language of Financial Markets},
author = {Yu Shi and Zongliang Fu and Shuo Chen and Bohan Zhao and Wei Xu and Changshui Zhang and Jian Li},
journal= {arXiv preprint arXiv:2508.02739},
year = {2025}
}