Kronos의 개요
Kronos는 텍스트가 아니라 금융 캔들스틱(K-line)으로 학습한 디코더 전용 파운데이션 모델 계열로, Yu Shi, Jian Li와 공저자 5명이 만들었습니다. 논문은 AAAI 2026에 채택됐습니다. 토크나이저가 시가, 고가, 저가, 종가, 거래량 봉을 계층적 이산 토큰으로 바꾸고, 자기회귀 Transformer를 이 토큰으로 사전 학습합니다. arXiv 논문은 학습 말뭉치를 45개 거래소의 K-line 기록 120억 건 이상으로 밝힙니다.
Hugging Face에 MIT 라이선스로 공개된 크기는 세 가지입니다. Kronos-mini(매개변수 4.1M, 2,048토큰 컨텍스트), Kronos-small(24.7M), Kronos-base(102.3M)이며, 뒤의 두 모델은 512봉 컨텍스트를 씁니다. Kronos-large(499.2M)는 공개되지 않았습니다. 저장소는 예측용 KronosPredictor 클래스와, 중국 A주 시장을 위한 Qlib 기반 파인튜닝 및 백테스트 파이프라인을 제공합니다.
GitHub 저장소의 스타는 약 44,500개이고 라이선스는 MIT입니다. 태그된 릴리스는 없으며 마지막 커밋은 2026년 4월입니다. Kronos-small은 Hugging Face에서 한 달에 약 196만 회 다운로드됩니다.
Kronos, 쓸 만한 가치가 있습니까?
Kronos는 시장 가격 봉을 위한 사전 학습 출발점으로 쓸 가치가 있을 뿐, 신탁은 아닙니다. 저자들은 범용 시계열 파운데이션 모델이 잡음이 많은 금융 데이터에서 성능이 떨어지는 경향이 있다고 주장합니다. Kronos는 대신 45개 거래소에서 캔들스틱 패턴의 어휘를 배우고, 언어 모델이 단어를 예측하듯 다음 봉을 예측합니다. 논문은 선두 범용 시계열 모델 대비 RankIC가 93% 향상되고 변동성 예측 오차가 9% 낮다고 보고합니다. 이 는 저자들 자신의 벤치마크 수치입니다.
모델은 요즘 기준으로 작습니다. 가장 많이 다운로드되는 Kronos-small은 매개변수가 24.7M이며, predict_batch는 GPU에서 여러 자산을 병렬로 예측합니다. 입력은 시가, 고가, 저가, 종가(거래량은 선택)가 담긴 pandas DataFrame과 예측할 타임스탬프이고, 샘플링 설정으로 선 하나가 아니라 여러 경로를 뽑아 확률적인 시각을 얻을 수 있습니다.
저장소는 실사용과의 격차를 솔직하게 밝힙니다. 파인튜닝 예제는 Qlib의 A주 데이터로 단순한 top-K 백테스트를 실행하며, README는 이를 거래 비용, 슬리피지, 위험 요인 중립화, 포트폴리오 구성을 무시한 시연이라고 부릅니다. 또한 파인튜닝 코드의 주석 상당수를 Gemini 2.5 Pro가 작성했으며 틀릴 수 있다고 경고합니다. 매개변수 499.2M인 가장 큰 모델은 공개되지 않았습니다.
유지보수도 주의할 부분입니다. 버전 릴리스가 없고, 열린 이슈가 약 290개이며, 2026년 4월 이후 커밋이 없습니다. 진화하는 라이브러리라기보다 사람들이 가져다 쓰는 논문 산출물입니다. 퀀트 팀의 자체 연구 스택 안에서 특징 생성기나 기준선으로는 오후 한나절을 들일 만합니다. 노트북에서 시장을 이기기를 기대하는 사람은 실망할 것이고, 저자들도 그렇게 말합니다.
제 역할을 하는 곳
소규모 시스템 펀드의 퀀트 연구자
기존 팩터 모델에 사전 학습된 예측 신호 추가하기
투자 유니버스의 일봉에 predict_batch로 Kronos-base 를 돌리고, 예측 수익률을 신호 하나로 포트폴리오 최적화기에 넣은 뒤, 비용을 반영한 백테스트로 평가합니다. 무료이며 추론은 GPU 한 대로 충분합니다.
암호화폐 거래소의 데이터 과학자
리스크 대시보드용 단기 변동성 예측하기
torchrun 스크립트로 거래소 자체의 5분봉에 토크나이저와 Kronos-small을 파인튜닝한 뒤, 거래쌍마다 여러 경로를 샘플링해 점 예측이 아닌 변동성 범위를 추정합니다.
금융학 박사과정생
도메인 파운데이션 모델을 고전적 기준선과 비교하기
Hugging Face에서 공개 체크포인트 세 개를 불러와 보류해 둔 시장에서 논문의 제로샷 설정을 재현하고, 실패하는 지점을 보고합니다. 논문의 성능 향상은 저자들 자신의 측정치이기 때문입니다.
도입 전 확인할 점
- 설정
- 저장소를 클론하고 Python 3.10 이상에서 pip install -r requirements.txt를 실행합니다. Hugging Face에서 NeoQuasar/Kronos-small과 토크나이저를 불러와 KronosPredictor.predict를 호출합니다. 파인튜닝에는 pyqlib과 로컬에 준비한 Qlib 데이터도 필요합니다.
- 연동
- 입출력은 Pandas DataFrame. 가중치는 Hugging Face Hub. 데이터 파이프라인과 백테스트는 Qlib. 파인튜닝 시 Comet.ml 로깅은 선택 사항입니다.
- 데이터와 개인정보
- 가중치 다운로드 외에는 호스팅 호출 없이 로컬에서 실행됩니다. 코드와 mini, small, base 가중치는 MIT이므로 상업적 사용이 허용됩니다. 공개된 보안 권고는 없습니다.
- 대규모 사용 시 비용
- 유료 에디션은 없습니다. 24.7M과 102.3M 모델의 추론에는 소박한 하드웨어, 배치 작업이라면 GPU 한 대가 필요합니다. 파인튜닝 스크립트는 멀티 GPU torchrun을 전제로 합니다.
- 제한
- 열린 이슈 약 290개. 2026년 4월 이후 커밋 없음. small과 base는 512봉 컨텍스트. 백테스트는 저자들 스스로 밝히듯 단순화된 시연입니다. Kronos-large는 제공되지 않습니다.
좋은 점
- 45개 거래소의 K-line 기록 120억 건 이상으 로 사전 학습
- 매개변수 4.1M~102.3M의 작은 공개 모델
- 여러 경로 샘플링을 통한 확률적 예측
- 코드와 공개 가중치에 MIT 라이선스
아쉬운 점
- 2026년 4월 이후 커밋이 없고 태그된 릴리스도 없음
- 가장 큰 499.2M 모델은 비공개
- small과 base 모델은 512봉 컨텍스트
- 백테스트 예제는 비용과 슬리피지를 무시하며 벤치마크는 자체 보고
추천 대상
사전 학습된 캔들스틱 모델을 기준선이나 특징 소스로 원하고, 백테스트는 직접 제대로 할 퀀트 연구자.
Kronos 대안
Kronos: 자주 묻는 질문
- Kronos, 쓸 만한 가치 가 있습니까?
- 퀀트에게 캔들스틱 예측의 사전 학습 기준선을 주는 신뢰할 만한 연구용 모델이지만, 트레이딩 시스템도 아니고 유지보수되는 제품도 아닙니다. 평점은 5점 만점에 3.8점입니다.
- Kronos의 가격은 얼마입니까?
- 무료 오픈소스입니다. 코드와 공개된 가중치는 MIT입니다.
- Kronos의 단점은 무엇입니까?
- 2026년 4월 이후 커밋이 없고 태그된 릴리스도 없음; 가장 큰 499.2M 모델은 비공개; small과 base 모델은 512봉 컨텍스트; 백테스트 예제는 비용과 슬리피지를 무시하며 벤치마크는 자체 보고.
- Kronos에 적합한 사람은 누구입니까?
- 사전 학습된 캔들스틱 모델을 기준선이나 특징 소스로 원하고, 백테스트는 직접 제대로 할 퀀트 연구자.
- 팀이나 프로덕션 환경에서 Kronos의 비용은 얼마입니까?
- 유료 에디션은 없습니다. 24.7M과 102.3M 모델의 추론에는 소박한 하드웨어, 배치 작업이라면 GPU 한 대가 필요합니다. 파인튜닝 스크립트는 멀티 GPU torchrun을 전제로 합니다.
- Kronos에 회사 데이터를 맡겨도 안전합니까?
- 가중치 다운로드 외에는 호스팅 호출 없이 로컬에서 실행됩니다. 코드와 mini, small, base 가중치는 MIT이므로 상업적 사용이 허용됩니다. 공개된 보안 권고는 없습니다.
- Kronos의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Hugging Face Transformers입니다.
답변 확인일: 2026년 10월 31일.