O que é Kronos?
Kronos é uma família de modelos de fundação apenas com decoder, treinados em candlesticks financeiros (K-lines) em vez de texto, por Yu Shi, Jian Li e cinco coautores; o artigo foi aceito na AAAI 2026. Um tokenizador transforma barras de abertura, máxima, mínima, fechamento e volume em tokens discretos hierárquicos, e um Transformer autorregressivo é pré-treinado sobre eles; o artigo no arXiv estima o corpus em mais de 12 bilhões de registros de K-lines de 45 bolsas.
Três tamanhos estão abertos no Hugging Face sob MIT: Kronos-mini (4.1M parâmetros, contexto de 2.048 tokens), Kronos-small (24.7M) e Kronos-base (102.3M), ambos com contexto de 512 barras. O Kronos-large (499.2M) não foi liberado. O repositório traz uma classe KronosPredictor para previsões e um pipeline de ajuste fino e backtest baseado no Qlib para o mercado chinês de ações A.
O repositório no GitHub tem cerca de 44.500 estrelas e licença MIT. Não tem versões com tag, e o último commit foi em abril de 2026; o Kronos-small é baixado cerca de 1,96 milhão de vezes por mês no Hugging Face.
Kronos vale a pena?
Vale ter o Kronos como ponto de partida pré-treinado para barras de preço de mercado, não como oráculo. Modelos de fundação genéricos de séries temporais tendem a ter desempenho fraco em dados financeiros ruidosos, argumentam os autores; o Kronos, em vez disso, aprende um vocabulário de padrões de candlestick de 45 bolsas e prevê as próximas barras como um modelo de linguagem prevê palavras. O artigo relata um ganho de 93% em RankIC sobre o principal modelo genérico de séries temporais e erro 9% menor na previsão de volatilidade. Esses são os números de benchmark dos próprios autores.
Os modelos são pequenos para os padrões atuais. O Kronos-small, o mais baixado, tem 24.7M parâmetros, e o predict_batch prevê muitos ativos em paralelo em uma GPU. As entradas são um DataFrame do pandas com abertura, máxima, mínima e fechamento (volume opcional) e os timestamps que você quer prever, e as configurações de amostragem permitem gerar vários caminhos para uma visão probabilística em vez de uma única linha.
O repositório é franco sobre a distância até o uso real. Seu exemplo de ajuste fino roda com os dados de ações A do Qlib e um backtest top-K simples, e o README o chama de demonstração que ignora custos de transação, slippage, neutralização de fatores de risco e construção de portfólio. Ele também avisa que muitos comentários no código de ajuste fino foram escritos pelo Gemini 2.5 Pro e podem estar errados. O maior modelo, com 499.2M parâmetros, não foi liberado.
A manutenção é a outra ressalva. Não há versões numeradas, há cerca de 290 issues abertas e nenhum commit desde abril de 2026, então ele é um artefato de artigo que as pessoas usam, e não uma biblioteca que evolui. Como gerador de features ou base de comparação dentro da própria pilha de pesquisa de uma equipe quant, vale uma tarde; quem espera que ele bata o mercado a partir de um notebook vai se decepcionar, e os autores dizem isso.
Onde ele se destaca
Uma pesquisadora quant em um pequeno fundo sistemático
Adicionar um sinal de previsão pré-treinado a um modelo de fatores existente
Rodar o Kronos-base sobre barras diárias do universo com predict_batch, passar os retornos previstos ao otimizador de portfólio como mais um sinal e avaliá-lo em um backtest que modele custos. Gratuito; uma GPU dá conta da inferência.
Um cientista de dados em uma corretora de criptomoedas
Prever a volatilidade de curto prazo para painéis de risco
Ajustar o tokenizador e o Kronos-small sobre as próprias barras de 5 minutos da corretora com os scripts torchrun, e depois amostrar vários caminhos por par para estimar uma faixa de volatilidade em vez de uma previsão pontual.
Uma doutoranda em finanças
Comparar um modelo de fundação do domínio com bases clássicas
Carregar os três checkpoints abertos do Hugging Face, reproduzir o cenário zero-shot do artigo em um mercado reservado e relatar onde ele falha, já que os ganhos do artigo são medições dos próprios autores.
Antes de decidir
- Configuração
- Clone o repositório e rode pip install -r requirements.txt em Python 3.10+; carregue NeoQuasar/Kronos-small e seu tokenizador do Hugging Face e chame KronosPredictor.predict. O ajuste fino também exige pyqlib e dados do Qlib preparados localmente.
- Integrações
- DataFrames do pandas na entrada e na saída; pesos no Hugging Face Hub; Qlib para o pipeline de dados e o backtest; registro opcional no Comet.ml durante o ajuste fino.
- Dados e privacidade
- Roda localmente, sem chamadas hospedadas além do download dos pesos. O código e os pesos mini, small e base são MIT, então o uso comercial é permitido. Nenhum alerta de segurança publicado.
- Custo em escala
- Sem edição paga. A inferência com os modelos de 24.7M e 102.3M exige hardware modesto, uma única GPU para trabalho em lote; os scripts de ajuste fino pressupõem torchrun com várias GPUs.
- Limites
- Cerca de 290 issues abertas; nenhum commit desde abril de 2026; contexto de 512 barras no small e no base; o backtest é uma demonstração simplificada, segundo os próprios autores; o Kronos-large não está disponível.
O que é bom
- Pré-treinado em mais de 12 bilhões de registros de K-lines de 45 bolsas
- Modelos abertos pequenos, de 4.1M a 102.3M parâmetros
- Previsões probabilísticas pela amostragem de vários caminhos
- Licença MIT no código e nos pesos liberados
O que não é
- Nenhum commit desde abril de 2026 e nenhuma versão com tag
- O maior modelo, de 499.2M, não foi liberado
- Contexto de 512 barras nos modelos small e base
- O exemplo de backtest ignora custos e slippage; os benchmarks são autodeclarados
Ideal para
Pesquisadores quant que querem um modelo de candlestick pré-treinado como base de comparação ou fonte de features e vão fazer o próprio backtest direito.
Alternativas ao Kronos
Kronos: perguntas frequentes
- Kronos vale a pena?
- Um modelo de pesquisa confiável que dá aos quants uma base pré-treinada para previsão com candlesticks, não um sistema de trading nem um produto mantido. Damos nota 3.8 de 5.
- Quanto custa Kronos?
- Gratuito e de código aberto; o código e os pesos liberados são MIT.
- Quais são as desvantagens de Kronos?
- Nenhum commit desde abril de 2026 e nenhuma versão com tag; o maior modelo, de 499.2M, não foi liberado; contexto de 512 barras nos modelos small e base; o exemplo de backtest ignora custos e slippage; os benchmarks são autodeclarados.
- Para quem Kronos é indicado?
- Pesquisadores quant que querem um modelo de candlestick pré-treinado como base de comparação ou fonte de features e vão fazer o próprio backtest direito.
- Quanto custa Kronos para uma equipe ou em produção?
- Sem edição paga. A inferência com os modelos de 24.7M e 102.3M exige hardware modesto, uma única GPU para trabalho em lote; os scripts de ajuste fino pressupõem torchrun com várias GPUs.
- Kronos é seguro para dados da empresa?
- Roda localmente, sem chamadas hospedadas além do download dos pesos. O código e os pesos mini, small e base são MIT, então o uso comercial é permitido. Nenhum alerta de segurança publicado.
- Quais são as melhores alternativas ao Kronos?
- As alternativas mais próximas que analisamos são Hugging Face Transformers.
Respostas verificadas em 31 de out. de 2026.