Kronosとは？
Kronos は、テキストではなく金融のローソク足（K 線）で学習したデコーダーのみの基盤モデルのファミリーで、Yu Shi、Jian Li と 5 人の共著者によるものです。論文は AAAI 2026 に採択されました。トークナイザーが始値、高値、安値 、終値、出来高のバーを階層的な離散トークンに変換し、自己回帰型の Transformer をそのトークンで事前学習します。arXiv の論文によると、コーパスは 45 の取引所からの 120 億（12 billion）件を超える K 線のレコードです。
Hugging Face では 3 つのサイズが MIT で公開されています。Kronos-mini（4.1M パラメータ、2,048 トークンのコンテキスト）、Kronos-small（24.7M）、Kronos-base（102.3M）で、後の 2 つは 512 本のバーのコンテキストです。Kronos-large（499.2M）は公開されていません。リポジトリには予測用の KronosPredictor クラスと、中国 A 株市場向けの Qlib ベースのファインチューニングとバックテストのパイプラインが含まれます。
GitHub のリポジトリはスターが約 44,500 で、ライセンスは MIT です。タグ付きのリリースはなく、最後のコミットは 2026年4月です。Hugging Face での Kronos-small のダウンロード数は月に約 196 万回（1.96 million）です。
Kronosは使う価値があるか？
Kronos は、市場の価格バーのための事前学習済みの出発点として持つ価値がありますが、神託ではありません。著者らは、汎用の時系列基盤モデルはノイズの多い金融データでは性能が落ちがちだと主張しています。Kronos はその代わりに 45 の取引所からローソク足のパターンの語彙を学び、言語モデルが単語を予測するように次のバーを予測します。論文は、汎用の時系列モデルの首位に対して RankIC で 93% の改善、ボラティリティ予測で 9% 低い誤差を報告しています。これらは著者ら自身のベンチマークの数字です。
モデルは現在の基準では小型です。最もダウンロードされている Kronos-small は 24.7M パラメー タで、predict_batch を使えば GPU 上で多数の銘柄を並列に予測できます。入力は始値、高値、安値、終値（出来高は任意）を含む pandas の DataFrame と、予測したいタイムスタンプで、サンプリングの設定によって 1 本の線ではなく複数の経路を引き、確率的な見通しを得られます。
リポジトリは実運用との差について率直です。ファインチューニングの例は Qlib の A 株データで単純な top-K のバックテストを行うもので、README はこれを、取引コスト、スリッページ、リスクファクターの中立化、ポートフォリオ構築を無視したデモだとしています。ファインチューニングのコードのコメントの多くは Gemini 2.5 Pro が書いたもので、誤りがあるかもしれないとも警告しています。最大のモデル（499.2M パラメータ）は公開されていません。
もう 1 つの注意点は保守です。バージョン付きのリリースはなく、未解決の issue は約 290 件、2026年4月以降コミットがありません。進化するライブラリというより、人々が使っている論文の成果物です。クオンツチームの自前の研究基盤の中で、特徴量の生成器やベースラインとして使うなら半日かける価値はあります。ノートブックから市場に勝つことを期待する人は失望するでしょうし、著者らもそう述べています。
真価を発揮する場面
小さなシステマティック運用ファンドのクオンツ研究者
既存のファクターモデルに事前学習済みの予測シグナル を加える
ユニバースの日足に predict_batch で Kronos-base を走らせ、予測リターンを追加のシグナルとしてポートフォリオ最適化に入れ、コストを組み込んだバックテストで評価します。無料で、推論は GPU 1 枚で足ります。
暗号資産取引所のデータサイエンティスト
リスクダッシュボード向けに短期のボラティリティを予測する
torchrun のスクリプトで、取引所自身の 5 分足を使ってトークナイザーと Kronos-small をファインチューニングし、通貨ペアごとに複数の経路をサンプリングして、点予測ではなくボラティリティの帯を推定します。
金融の博士課程の学生
分野特化の基盤モデルを古典的なベースラインと比較する
公開されている 3 つのチェックポイントを Hugging Face から読み込み、論文のゼロショットの設定を未使用の市場で再現し、失敗する箇所を報告します。論文の改善幅は著者ら自身の測定だからです。
導入前に確認すること
- 導入
- リポジトリをクローンし、Python 3.10 以上で pip install -r requirements.txt を実行します。Hugging Face から NeoQuasar/Kronos-small とそのトークナイザーを読み込み、KronosPredictor.predict を呼び出します。ファインチューニングには pyqlib とローカルで用意した Qlib のデータも必要です。
- 連携
- 入出力は Pandas の DataFrame、重みは Hugging Face Hub、データパイプラインとバックテストは Qlib、ファインチューニングでは任意で Comet.ml のロギングが使えます。
- データとプライバシー
- ローカルで動き、重みのダウンロード以外に外部の呼び出しはありません。コードと mini、small、base の重みは MIT なので、商用利用が可能です。セキュリティアドバイザリは公開されていません。
- 大規模利用時のコスト
- 有料版はありません。24.7M と 102.3M のモデルの推論に必要なハードウェアは控えめで、バッチ処理なら GPU 1 枚です。ファインチューニングのスクリプトは複数 GPU の torchrun を前提にしています。
- 制限
- 未解決の issue は約 290 件。2026年4月以降コミットはありません。small と base のコンテキストは 512 本のバーです。バックテストは著者ら自身の説明でも簡略化したデモで、Kronos-large は利用できません。
良い点
- 45 の取引所からの 120 億（12 billion）件以上の K 線レコードで事前学習
- 4.1M〜102.3M パラメータの小型のオープンモデル
- 複数の経路をサンプリングする確率的な予測
- コードと公開済みの重みは MIT ライセンス
気になる点
- 2026年4月以降コミットがなく、タグ付きのリリースもない
- 最大の 499.2M のモデルは非公開
- small と base はコンテキストが 512 本のバー
- バックテストの例はコストとスリッページを無視し、ベンチマークは自己申告
おすすめの人
ローソク足の事前学習済みモデルをベースラインや特徴量の供給源として使い、バックテストは自分できちんと行うクオンツ研究者。
Kronosの代替
Kronos：よくある質問
- Kronosは使う価値があるか？
- クオンツにローソク足予測の事前学習済みベースラインを与える、信頼できる研究用モデルです。売買システムではなく、保守されている製品でもありません。 評価は5点満点中3.8点です。
- Kronosの料金は？
- 無料のオープンソースです。コードと公開済みの重みは MIT です。
- Kronosの欠点は？
- 2026年4月以降コミットがなく、タグ付きのリリースもない; 最大の 499.2M のモデルは非公開; small と base はコンテキストが 512 本のバー; バックテストの例はコストとスリッページを無視し、ベンチマークは自己申告.
- Kronosは誰に向いているか？
- ローソク足の事前学習済みモデルをベースラインや特徴量の供給源として使い、バックテストは自分できちんと行うクオンツ研究者。
- チームや本番環境でKronosを使うと費用はいくらか？
- 有料版はありません。24.7M と 102.3M のモデルの推論に必要なハードウェアは控えめで、バッチ処理なら GPU 1 枚です。ファインチューニングのスクリプトは複数 GPU の torchrun を前提にしています。
- Kronosは企業データを扱っても安全か？
- ローカルで動き、重みのダウンロード以外に外部の呼び出しはありません。コードと mini、small、base の重みは MIT なので、商用利用が可能です。セキュリティアドバイザリは公開されていません。
- Kronosの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はHugging Face Transformersです。
回答確認日：2026年10月31日