Kronos-Report

基于 Kronos 金融大模型的 AI 量化预测报告生成工具（Python 版）

📖 项目简介

Kronos-Report 是一个基于 Kronos 金融时序大模型的 Python 量化预测工具，支持股票、基金、期货、指数等品种的 K 线数据预测，自动生成多格式分析报告和每日简报。同时提供 HTTP 模型服务，支持远程调用和多模型管理。

🎯 Demo 预览

AI量化简报

AI量化简报每日自动生成，包含大盘预测、个股分析、量化提示等内容。

简报截图	在线预览
	查看HTML版本

AI预测报告

AI预测报告支持股票、基金、期货、指数等品种，包含K线图、趋势图、预测明细等。

报告截图	在线预览
	查看HTML版本

说明：点击 HTML 链接可在浏览器中查看完整的交互式报告，截图仅供参考，实际报告内容动态生成。

✨ 功能特性

预测与报告

✅ 自动识别品种类型（股票/基金/期货/指数）
✅ 自动判断交易所（上交所/深交所/北交所/期货交易所/指数中心）
✅ 自动过滤期货指数合约（品种代码+00，如 RB00、M00）
✅ 支持多种模型组合（2k/base 分词器 + mini/small/base 模型）
✅ 支持前复权/不复权数据
✅ 多格式报告输出（TXT、HTML、PNG、CSV、图表、JSON）
✅ 单次回测验证（多步预测，方向准确率、MAPE、综合评分）
✅ 普通投资者友好版报告

简报与定时任务

✅ 每日简报自动生成（支持自选股 + 随机个股展示）
✅ 全局模型复用（单例模式，避免重复加载）
✅ 多数据源支持（本地文件 / TickFlow 免费服务）
✅ 定时任务（每日自动生成简报）

HTTP 模型服务

✅ 多模型管理（最多支持 3 个模型同时加载）
✅ 参数化预测（支持 lookback、pred_len、t、top_p、sample_count）
✅ 数据校验与修正（自动修复违反约束的预测结果）
✅ 模型热切换（无需重启服务即可切换模型）
✅ 健康检查（服务状态监控）
✅ 设备自动选择（默认 auto，无需手动指定）

其他

✅ 完整的耗时统计
✅ 期货代码大小写自动修正
✅ 支持自定义预测参数
✅ 交易日历支持

📦 环境要求

Python 3.10+
PyTorch 2.0+
其他依赖见 requirements.txt

🔧 安装

# 克隆项目
git clone https://gitee.com/liebin/kronos-report.git
cd kronos-report

# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

🚀 使用说明

一、单次预测（完整报告）

# 股票
python predictor.py --code 000001

# 期货（自动排除指数合约）
python predictor.py --code RB2505

# 股指
python predictor.py --code zs_000001

# 自定义参数
python predictor.py --code 000001 --lookback 256 --pred-len 10 --model small

# 不复权
python predictor.py --code 000001 --no-adjusted

二、JSON 数据报告（纯数据格式）

# 生成JSON报告（不生成图表和回测）
python predictor.py --code 000001 --json

# 只打印JSON到控制台，不保存文件
python predictor.py --code 000001 --json --no-save

# 带自定义参数
python predictor.py --code 000001 --json --lookback 256 --pred-len 10 --verbose

# 不复权JSON报告
python predictor.py --code 000001 --json --no-adjusted

三、每日简报

# 生成简报（精简模式）
python predictor.py --briefing

# 生成简报（详细模式）
python predictor.py --briefing -v

四、定时任务

# 启动定时任务（每日19:30生成简报）
python predictor.py --scheduler

# 自定义时间
python predictor.py --scheduler --scheduler-hour 20 --scheduler-minute 0

# 停止定时任务
python predictor.py --scheduler-stop

五、HTTP 模型服务

启动服务

# 方式一：使用启动脚本
./start_server.sh

# 方式二：直接运行
python server.py --host 0.0.0.0 --port 16888 --preload

# 方式三：开发模式（热重载）
python server.py --host 0.0.0.0 --port 16888 --reload

服务端点

方法	端点	说明
GET	`/health`	健康检查
POST	`/models/load`	加载模型
POST	`/models/switch`	切换模型
GET	`/models/list`	列出已加载模型
POST	`/models/unload`	卸载模型
POST	`/predict`	执行预测
GET	`/params/default`	获取默认参数

详细接口参数说明请参考 HTTP_API.md

快速测试

# 健康检查
curl http://localhost:16888/health

# 加载模型
curl -X POST http://localhost:16888/models/load \
  -H "Content-Type: application/json" \
  -d '{"tokenizer":"2k","model":"mini"}'

# 预测
curl -X POST http://localhost:16888/predict \
  -H "Content-Type: application/json" \
  -d '{"code":"000001"}'

# 指定模型预测
curl -X POST http://localhost:16888/predict \
  -H "Content-Type: application/json" \
  -d '{"code":"000001","tokenizer":"2k","model":"small"}'

# 不复权预测
curl -X POST http://localhost:16888/predict \
  -H "Content-Type: application/json" \
  -d '{"code":"000001","adjusted":false}'

📁 项目结构

kronos-report-python/
├── README.md                       # 中文说明文档
├── README.en.md                    # 英文说明文档
├── HTTP_API.md                     # HTTP 服务接口文档
├── LICENSE                         # AGPL-3.0 开源协议
├── requirements.txt                # 依赖列表
├── start_server.sh                 # HTTP服务启动脚本
├── stop_server.sh                  # HTTP服务停止脚本
├── restart_server.sh               # HTTP服务重启脚本
├── status_server.sh                # HTTP服务状态检查
├── img/                            # 图片资源目录
│   ├── AI量化简报_demo.png         # 简报截图
│   ├── AI预测报告_北证50_demo.png  # 报告截图
│   └── author_qrcode.jpg           # 作者微信二维码
├── html/                           # HTML Demo 目录
│   ├── AI量化简报_demo.html        # 简报HTML Demo
│   └── AI预测报告_北证50_demo.html # 报告HTML Demo
└── src/                            # 源代码目录
    ├── config/                     # 统一配置模块
    ├── server.py                   # HTTP 服务入口
    ├── predictor.py                # 主程序入口
    ├── model_manager.py            # 全局模型管理器
    ├── predictor_core/             # 预测核心模块
    ├── trade_calendar.py           # 交易日历
    ├── data/                       # 统一数据服务模块
    ├── report/                     # 报告生成模块
    ├── briefing/                   # 每日简报生成模块
    ├── templates/                  # HTML模板
    └── model/                      # Kronos 模型目录

📊 模型配置

分词器（TOKENIZER）

参数值	上下文长度	特点	适用场景
`2k`	2048	精度高	高频交易、加密货币
`base`	512	速度快	股票/期货、快速验证

预测模型（MODEL）

参数值	参数量	速度	适用场景
`mini`	4.1M	最快	资源受限场景
`small`	24.7M	较快	专业量化（推荐）
`base`	102.3M	较慢	机构级精度

📝 命令行参数

预测模式参数

参数	默认值	说明
`--code, -c`	必填	代码（预测模式必填）
`--start-date, -s`	无	开始日期 YYYYMMDD
`--end-date, -e`	无	结束日期 YYYYMMDD
`--pred-len, -p`	5	预测步数
`--lookback, -l`	512	回溯窗口长度
`--t`	0.6	温度参数
`--top-p`	0.8	核采样参数
`--sample-count`	5	采样次数
`--tokenizer`	2k	分词器类型
`--model, -m`	mini	模型类型
`--device, -d`	auto	运行设备
`--no-save`	False	不保存文件
`--adjusted`	True	前复权（默认启用）
`--no-adjusted`	False	不复权
`--json`	False	生成JSON数据报告
`--verbose, -v`	False	输出详细日志

简报模式参数

参数	默认值	说明
`--briefing`	False	生成每日简报
`--verbose, -v`	False	输出详细日志

定时任务参数

参数	默认值	说明
`--scheduler`	False	启动定时任务
`--scheduler-stop`	False	停止定时任务
`--scheduler-hour`	19	定时任务小时
`--scheduler-minute`	30	定时任务分钟

📂 输出目录结构

/home/liebin/dev/data/report/
├── AI预测/                           # 预测报告
│   └── {日期}/{名称}/{tokenizer}_{model}_{lookback}/
│       ├── AI预测报告_{名称}_{日期}.html
│       ├── AI预测报告_{名称}_{日期}.txt
│       ├── AI预测报告_{名称}_{日期}.png
│       ├── AI预测报告_{名称}_{日期}.json
│       ├── {名称}_chart_{日期}.png
│       ├── {名称}_trend_{日期}.png
│       └── {名称}_backtest_{日期}.png
└── AI简报/                           # 每日简报
    └── {日期}/
        ├── AI量化简报_{日期}.html
        ├── AI量化简报_{日期}.txt
        └── AI量化简报_{日期}.png

📊 JSON 报告格式

{
  "code": "000001",
  "name": "平安银行",
  "timestamp": "2026-06-11T15:30:00",
  "last_trade_date": "2026-06-10",
  "model": "2k_mini",
  "lookback": 512,
  "pred_len": 5,
  "adjusted": true,
  "summary": {
    "current_price": 11.20,
    "predicted_price": 11.35,
    "change_pct": 1.34,
    "trend": "看涨 📈",
    "low": 11.10,
    "high": 11.50
  },
  "recent": [
    {
      "d": "2026-06-04",
      "o": 11.05,
      "h": 11.15,
      "l": 11.00,
      "c": 11.10,
      "v": 1000000,
      "a": 11100000
    }
  ],
  "predicted": [
    {
      "d": "2026-06-11",
      "o": 11.22,
      "h": 11.38,
      "l": 11.15,
      "c": 11.30,
      "v": 1020000,
      "a": 11500000
    }
  ]
}

字段说明

字段	类型	说明
`code`	string	代码
`name`	string	名称
`timestamp`	string	报告生成时间
`last_trade_date`	string	最后交易日
`model`	string	使用的模型标识
`lookback`	int	回溯窗口长度
`pred_len`	int	预测步数
`adjusted`	boolean	是否前复权
`summary`	object	预测摘要
`recent`	array	最近30个交易日K线
`predicted`	array	未来N个交易日预测K线

K线字段缩写对照

缩写	全称	说明
`d`	date	日期
`o`	open	开盘价
`h`	high	最高价
`l`	low	最低价
`c`	close	收盘价
`v`	volume	成交量
`a`	amount	成交额

🔧 配置说明

项目配置统一在 src/config/ 目录下管理：

文件	说明
`settings.py`	用户可修改配置（路径、参数、数据源、简报等）
`common.py`	字典映射配置（模型映射、交易所规则等，很少改动）

settings.py 常用配置

以下是 src/config/settings.py 中常用的可修改配置：

1. 数据源配置

# 数据源类型: local（本地txt）, tickflow（TickFlow免费服务）
DATA_SOURCE = "tickflow"  # 可选: local, tickflow

值	说明
`local`	使用本地 CSV 文件获取数据
`tickflow`	使用 TickFlow 免费服务获取数据（推荐）

2. 路径配置

# K线数据根目录
DATA_ROOT = "/home/liebin/dev/data/code/d/"
# 最新交易日数据根目录
LAST_DATA_ROOT = "/home/liebin/dev/data/last"
# 报告输出根目录
REPORT_ROOT = "/home/liebin/dev/data/report/AI预测"
BRIEFING_ROOT = "/home/liebin/dev/data/report/AI简报"

3. 预测默认参数

DEFAULT_LOOKBACK = 512      # 回溯窗口长度
DEFAULT_PRED_LEN = 5        # 预测步数
DEFAULT_T = 0.6             # 温度参数（控制随机性）
DEFAULT_TOP_P = 0.8         # 核采样参数
DEFAULT_SAMPLE_COUNT = 5    # 采样次数

4. 模型默认配置

DEFAULT_TOKENIZER = "2k"    # 分词器类型: 2k / base
DEFAULT_MODEL = "mini"      # 模型类型: mini / small / base
DEFAULT_DEVICE = "auto"     # 设备: auto / cuda / cpu / mps

5. HTTP 服务配置

HTTP_HOST = "0.0.0.0"       # 服务地址
HTTP_PORT = 16888           # 服务端口
MAX_MODELS = 3              # 最多同时加载的模型数量

6. 简报配置

# 股指代码（简报中展示的指数）
INDEX_CODES = [
    "zs_000001",   # 上证指数
    "zs_399001",   # 深证成指
    "zs_399006",   # 创业板指
    "zs_899050",   # 北证50
]

# 自选个股代码（优先展示）
STOCK_CODES = []  # 例如: ["000001", "600519", "510050"]

# 随机获取配置
RANDOM_STOCK_COUNT = 10     # 随机股票数量
RANDOM_FUND_COUNT = 2       # 随机基金数量

# 相对大盘参照指数
BENCHMARK_INDEX = "zs_000001"  # 用于判断个股强弱

# 简报预测参数
BRIEFING_LOOKBACK = 512
BRIEFING_PRED_LEN = 5
BRIEFING_TOKENIZER = "2k"
BRIEFING_MODEL = "mini"

7. 定时任务配置

DEFAULT_CRON_HOUR = 19      # 定时任务小时
DEFAULT_CRON_MINUTE = 30    # 定时任务分钟

8. 回测参数

DEFAULT_BACKTEST_PRED_LEN = 30   # 回测预测步数

配置优先级

优先级	来源	说明
1	命令行参数	`--pred-len 10`
2	配置文件	`settings.py` 中的默认值
3	代码内置	硬编码的备用值

🧪 运行测试

# HTTP 服务测试
python server_test.py --action health
python server_test.py --action load --tokenizer 2k --model mini
python server_test.py --action list
python server_test.py --action predict --code 000001

📄 开源协议

本项目采用 AGPL-3.0 协议。

💬 技术支持与服务

如果您在使用过程中遇到问题，或者需要以下技术服务，欢迎联系作者：

🤖 AI 客服系统开发：智能问答、自动回复、多渠道接入
🧠 大模型应用开发：模型微调、Prompt 工程、RAG 系统
💻 软件开发：Java&Python 后端、量化系统、数据处理
📈 量化策略开发：因子挖掘、回测系统、实盘对接
🔧 定制化开发：根据需求定制 AI 量化解决方案

微信扫码添加作者，备注来意即可

添加时请备注“Kronos咨询”或具体需求，以便更快响应

⚠️ 免责声明

本工具生成的预测结果由 AI 模型生成，只作为个人研究学习用途，不构成投资建议。市场有风险，投资需谨慎。

Name		Name	Last commit message	Last commit date
Latest commit History 12 Commits
.gitee		.gitee
html		html
img		img
local		local
sh		sh
src		src
.gitignore		.gitignore
HTTP_API.md		HTTP_API.md
LICENSE		LICENSE
README.en.md		README.en.md
README.md		README.md
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

Kronos-Report

📖 项目简介

🎯 Demo 预览

AI量化简报

AI预测报告

✨ 功能特性

预测与报告

简报与定时任务

HTTP 模型服务

其他

📦 环境要求

🔧 安装

🚀 使用说明

一、单次预测（完整报告）

二、JSON 数据报告（纯数据格式）

三、每日简报

四、定时任务

五、HTTP 模型服务

启动服务

服务端点

快速测试

📁 项目结构

📊 模型配置

分词器（TOKENIZER）

预测模型（MODEL）

📝 命令行参数

预测模式参数

简报模式参数

定时任务参数

📂 输出目录结构

📊 JSON 报告格式

字段说明

K线字段缩写对照

🔧 配置说明

settings.py 常用配置

1. 数据源配置

2. 路径配置

3. 预测默认参数

4. 模型默认配置

5. HTTP 服务配置

6. 简报配置

7. 定时任务配置

8. 回测参数

配置优先级

🧪 运行测试

📄 开源协议

💬 技术支持与服务

⚠️ 免责声明

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages