Kronos-Tokenizer-base

Kronos-Tokenizer-base

把 K 线价格数据转换成离散词元，供 Kronos 预测模型读取。适合用 Python 做金融市场预测的人。

由 NeoQuasar 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Kronos-Tokenizer-base 把 K 线行情数据（开盘价、最高价、最低价、收盘价和成交量）转换成分层的离散词元，Kronos 预测模型会读取这些词元。它是两阶段设计的第一步，第二阶段在这些词元上训练一个 Transformer。

适合谁：它适合预测金融价格序列、又想要现成 K 线编码器的人。量化研究员和工具开发者最合适。

Industry | Who uses it | How they use it | Example
金融 | 量化研究员 | 先对 K 线历史做编码，再用 Kronos 模型预测 | 为一次预测准备价格序列
加密货币 | 交易看板开发者 | 把分词器和 Kronos 模型配合起来做价格预测 | 像卡片上的在线演示那样预测 BTC/USDT
学术界 | 时间序列模型的学习者 | 研究连续价格如何变成离散词元 | 把这个 4M 分词器和使用它的更大模型做对比

处理文本、图像或非金融数据的人可以跳过它。

用在哪里：

• Windows、macOS 或 Linux 上的 Python 3.10 或更新版本
• 你自己电脑上的 PyTorch 环境
• GitHub 上的 Kronos 代码，其中包含 KronosPredictor 类
• Hugging Face Hub，分词器文件托管在那里

Use case | Who | What they get back
价格预测 | 量化研究员 | 由 Kronos 模型给出的未来 K 线预测
波动率预测 | 风险分析师 | 价格可能波动幅度的预测
合成数据生成 | 机器学习工程师 | 用于测试和研究的人造 K 线序列

如何设置：

• Python 3.10 或更新版本
• pip 包管理器
• 为约 16 MB 的分词器留出足够的磁盘空间

1. 安装 Python 3.10 或更新版本。
2. 安装 Hugging Face hub 软件包。
3. 从 Kronos GitHub 仓库的依赖文件安装依赖。

pip install -U huggingface_hub

pip install -r requirements.txt

如何使用：先用一条命令下载分词器文件。然后用 KronosPredictor 类做预测，它会替你处理预处理、归一化、预测和反归一化。输入请控制在 512 步以内，因为这是 Kronos-small 和 Kronos-base 的上下文长度。

hf download NeoQuasar/Kronos-Tokenizer-base

Tool | What it does
hf download | 把分词器文件下载到你的电脑
KronosPredictor | 准备你的数据，运行预测，再把结果转换回来

示例：你手上有一个交易对最近的一段 K 线数据，想知道接下来会怎样。你把这个分词器和 Kronos-small 模型一起加载，把数据交给 KronosPredictor，请它做预测。卡片自带的演示就是对 BTC/USDT 预测未来 24 小时。

新手与专家：分词器把数据切成模型能读的小块。这里的数据是 K 线，而不是文字。你可以先用上面的命令下载文件，再读卡片里的预测指南。

在底层，连续的多维价格数据被量化成分层的离散词元，再在这些词元上预训练一个自回归 Transformer。卡片说这样既保留价格走势，也保留交易活动的规律。这个分词器有 4M 参数，Kronos-mini 用的是另一个，Kronos-Tokenizer-2k。

K 线数据（OHLCV）
分词器生成离散词元
Kronos Transformer 读取词元
KronosPredictor 返回预测

注意事项：

• License: MIT。
• Cost to run: 未提及。这些步骤不需要 API 密钥或付费服务。
• Data it reaches: 它从 Hugging Face Hub 获取模型文件。你自己的 K 线数据留在你的 Python 会话里。
• Not for: 最大的 Kronos 模型有 499.2M 参数，尚未公开，所以这个分词器无法运行它。

Title: 各个 Kronos 模型的参数量（单位：百万）
Kronos-mini: 4.1 million
Kronos-small: 24.7 million
Kronos-base: 102.3 million

Hugging Face 上的数据（2026年11月13日）

• 任务：time series forecasting
• 框架：pytorch
• 参数量：4M
• Weights: about 16 MB in F32; about 2 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：4,130,952
• 点赞：121
• 许可证：mit
• Fine-tunes: 3
• 标签：pytorch, safetensors, finance, candlestick, k-line, time-series-forecasting

链接

• 模型：https://huggingface.co/NeoQuasar/Kronos-Tokenizer-base
• 文件：https://huggingface.co/NeoQuasar/Kronos-Tokenizer-base/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download NeoQuasar/Kronos-Tokenizer-base

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。