如果只把 Kronos 看成一个“AI 画 K 线”的项目，很容易错过它真正有意思的地方。语言模型可以续写文字，K 线能不能也被切成 token，变成一种可以续写的市场语言？

Kronos 做的事情，是先给市场造一套机器词典，把连续的价格、成交量状态压成 token，再用 Transformer 一步步生成后面的市场状态。

打开 demo 时，最先看到的就是这样一张图：左边是已经发生的 K 线，右边是模型生成的未来区间。

图 1｜这张图适合作为入口：左边是历史价格，右边是模型生成的未来区间。后面的实验要问的是：真实价格后来有没有落进这片区间。

如果模型只输出一条线，我们当然可以问它准不准。可 Kronos 输出的是一组路径：同一段历史，可以被续写出很多种可能。

这篇文章就沿着这个问题往下走：Kronos 怎么把 K 线变成一种机器可续写的市场语言；把时间倒回去 200 次之后，真实价格有多少次会落进 AI 当时给出的范围。

01 给 K 线造词典

图 2｜Kronos 的核心路径：先把历史 K 线压成 market tokens，再用 Transformer 生成多条 sampled futures。

K 线本来是连续数值：open、high、low、close、volume、amount。语言模型更习惯处理 token，也就是一个个离散符号。Kronos 先训练 tokenizer，把连续的市场状态压缩成机器可用的 token。

“离散化” 就是：价格和成交量原本有无数种小数变化，模型先把它们归到有限个状态里。就像人说话时通常不会记录每个发音细节，会用有限的字词把意思说出来。

这里藏着一个大胆假设：K 线里存在某种可以被压缩、复用、续写的结构。

这个假设不能直接当真。Tokenization 可以压缩噪音，也可能只是把噪音包装得更像语言。

市场像不像语言，不靠比喻成立，靠回放里的真实价格来检查。

论文里的 tokenizer 还把 token 拆成 coarse 和 fine 两层。coarse 可以理解成较粗的市场状态桶，fine 负责桶里的残差细节。coarse 不等于简单的上涨或下跌，它更像模型学出来的一组市场状态编号，人类未必能直接读懂。

Kronos 没有把“头肩顶”“三角整理”这类人工形态塞进去。它让模型自己学习市场状态如何被编码。可以把它想成一套机器内部的市场词典，只是这本词典不是写给人看的。

02 续写市场语言

有了 token，下一步就很像大模型。

Kronos 使用 decoder-only Transformer，一步步预测下一个市场 token。生成下一步后，再把这一步放回上下文继续生成。这个过程叫 autoregressive，可以理解成“边写边往下续”。

给它过去 360 根 1 小时 K 线，它会先把历史变成 token 序列，再生成未来 24 小时的 token，并解码回价格路径。

同一段历史，采样一次得到一条未来路径；采样 30 次，就得到 30 条可能路径。对未来第 1 小时，我们有 30 个预测价格；对未来第 2 小时，也有 30 个预测价格；一直到第 24 小时。把每个未来小时的这些价格从低到高排，就能整理出 p10、p50、p90 三条分位线。

p10 是偏低的那条线：在同一个未来时点，大约 10% 的预测价格低于它。p50 是中位线：一半价格在它上面，一半在它下面。p90 是偏高的那条线：大约 90% 的预测价格低于它。p10 到 p90 之间，就是这组生成路径形成的主要范围。

图 3｜同一段历史可以采样出多条路径。把每个未来时点的价格排序，就能得到 p10、p50、p90 形成的经验区间。

所以 p50 不一定是某一条真实采样路径。它更像每个未来时点的“中间位置”连成的线。p10-p90 也不是模型承诺的置信区间；更准确地说，它是这组生成路径在每个时点展开后的范围。

橙色区域代表的，是多条生成路径摊开之后留下的一片范围。

p50 很容易被看成“预测线”。但中位线只是摘要。真正该看的，是整组路径形成的分布。

这也是 Kronos 比单点预测更值得讨论的地方。它给出的不是一个价格点；它给出的是一组可能的市场延续，天然适合用 coverage 和 calibration 检查。

coverage 指真实未来落在预测区间里的比例。calibration 关心预测分布和真实结果之间是否贴合。如果模型经常给出一个范围，而真实价格经常落在里面，我们才有资格继续讨论它学到了什么。

03 和传统量化的差别

传统量化通常从任务开始：预测下一小时收益、预测波动、给资产排序，或者判断事件后的价格反应。题目定好之后，再设计特征、定义目标、训练模型，进入回测、成本、风控和执行。

Kronos 的起点不同。它先学习市场状态表示，再用这种表示生成未来路径，或者服务下游任务。传统量化更像 task-first，Kronos 更像 representation-first。

这个差别很大，但不要把它理解成新模型天然更接近交易。传统量化在目标、风险、成本和回测纪律上反而更清楚。Kronos 提供的是另一种看市场序列的方式：把 K 线当成可以编码、续写、多路径采样的市场语言。

04 为什么要自己复现

官方 demo 是很好的入口。它让你看到：给模型最近 360 小时的 BTCUSDT 1h K 线，它可以生成未来 24 小时的概率路径。

我们读完论文、repo、公开 demo 和 model card 之后，把公开模型跑了起来。主实验用 NeoQuasar/Kronos-mini 和 NeoQuasar/Kronos-Tokenizer-2k。mini 的理由很朴素：速度更快，在我们的小样本检查里也更实用。

基础复现跑通后，我们没有停在“生成一张类似 demo 的图”。真正要做的，是把它改造成可以回放的实验：每次预测都留下 CSV、图、交互页面和 summary 指标。

问题也从“看一次未来”，变成了“把时间倒回去 200 次”。

05 把时间倒回去 200 次

实验设计很简单。

我们选 BTCUSDT 的 1 小时 K 线。每次测试，都找一个历史时点当 anchor。模型只能看到这个 anchor 之前的 360 根 K 线，然后生成未来 24 小时。

关键在于：对我们来说，那个未来已经发生过。

所以每个 anchor 都是一场小型时间回放。模型站在过去，只能看过去；我们站在现在，把它生成的未来和后来真实发生的价格逐小时对齐。

本次实验设置：

• 市场：BTCUSDT
• 周期：1h
• 历史窗口：360 bars
• 预测长度：24 bars
• anchor 数量：200
• 每次采样路径：30
• temperature：1.1
• 模型：NeoQuasar/Kronos-mini
• tokenizer：NeoQuasar/Kronos-Tokenizer-2k

每个 anchor 上，模型生成 30 条未来路径。我们把这些路径整理成 p10、p50、p90。p10 到 p90 之间，就是这次实验里模型给出的主要预测区间。

这里 p10-p90 不是严格统计意义上的置信区间。它来自有限采样，也受到 temperature、路径数量、模型和市场状态影响。叫它 “生成路径形成的经验区间” 更准确。

这次实验不碰收益曲线、仓位、滑点和手续费。它只检查一个更基础的问题：真实价格后来有没有落进模型当时给出的范围里。

这就是 forecast calibration experiment。

图 4｜每个 anchor 只给模型过去 360 小时，再把生成的未来 24 小时和后来真实价格对齐；重复 200 次，看覆盖情况。

模型每次都站在过去；真实价格，是后来才拿回来对齐的。

06 结果：区间有没有覆盖现实？

最终这组实验跑了 200 个 anchor，每个 anchor 30 条路径。

• Direction hit｜60.5%
  
  ：p50 对 24 小时后涨跌方向的判断，约 6 成与真实方向一致。
• Final p10-p90 hit｜72.0%
  
  ：在 24 小时最终点，真实价格有 72% 落在 p10-p90 区间。
• Mean path p10-p90 coverage｜73.8%
  
  ：逐小时看，真实价格约 73.8% 的时间落在 p10-p90 区间。
• Mean final pct error｜1.08%
  
  ：p50 最终点与真实最终价格的平均偏差约 1.08%。
• Median final pct error｜1.01%
  
  ：p50 最终点与真实最终价格的中位偏差约 1.01%。

这组数字里，60.5% 最容易被误读。它看起来像一个可以直接行动的指标，但这里没有成本、仓位和风控，也没有和简单基线比较。

我会把注意力放在 72.0% 和 73.8% 上。

在这段 BTCUSDT 1h 样本里，真实价格在相当一部分历史回放中落进了模型生成的 p10-p90 区间。这说明生成路径有一定 coverage。换句话说，这些橙色区间并非完全乱画。

这组数字的含义需要收窄。72% 不意味着模型“看见未来”。73.8% 也不意味着区间已经充分校准。它只说明：在这个很窄的样本切片里，Kronos 生成的概率区间和后来真实价格之间，有值得继续检查的关系。

图 5｜这张图把 200 次回放压到一个界面里：上方是汇总指标，下方是一个 anchor 上的真实价格、p50 和 p10-p90 区间。

07 IC / RankIC，和我们看的 coverage

读 Kronos 论文时，这里容易混淆。

论文讨论 test-time scaling，重点看 IC 和 RankIC。IC 可以理解为预测分数和未来结果的相关性；RankIC 看预测排序和真实排序之间的相关性。它们常用于量化研究，尤其是横截面预测和排序问题。

论文的思路是：多采样后做平均，让预测更稳定，从而改善 IC / RankIC。

我们这次换了一个问题。我们把多次采样得到的路径拿来形成 p10/p50/p90 区间，再问真实价格有没有落进去。论文关心平均预测和未来结果的相关性；我们关心生成分布对现实的覆盖。

两者都和多采样有关，但回答的问题不同。

Kronos 确实能生成未来路径；但这次实验没有复刻论文里的所有 benchmark，也没有证明它在所有市场上都有同样表现。我们只是抓住最直观的一面：如果它能生成很多条未来，就把这些未来当成分布来检验。

08 边界在哪里

这次实验最重要的价值，是把一张预测图变成一个可以检查的问题。边界也必须清楚。

第一，样本很窄。我们只看了 BTCUSDT、1h、一个近期窗口。换成别的资产、周期或市场状态，结果都可能变化。

第二，还没有简单基线。比如“价格不变”“延续最近趋势”“历史波动率区间”这类朴素方法，都应该拿来比较。没有基线，很多数字只能说有意思，不能说强。

第三，这还够不上完整交易评估。它没有交易成本、滑点、仓位、风控和 PnL。把 forecast calibration 直接翻译成交易结论，是最容易犯的错误。

第四，失败样本也要看。覆盖率不错，不代表每次都温和失败。风险常常藏在出界时刻：区间太窄、方向错得很坚决，或者遇到突发波动时整体滞后。

所以这里更合适的位置，是模型复现和离线研究。它帮助我们理解“市场语言模型”该怎么测，但还不能被当成任何执行依据。

09 如果 K 线真是一种市场语言

我喜欢“市场语言”这个说法，但它不能被浪漫化。

语言有语法，有上下文，有可复用结构。市场也有结构，但这些结构会变、会失效、会被交易者挤压，也会被新闻和流动性打断。把 K 线变成 token，只是打开一种建模方式；它没有消除市场本身的不确定性。

Kronos 给我的启发，是把金融预测从“猜一条线”推向“生成一组可检验的假设”。

Kronos 更像一种提问方式：把“预测”拆成可以被历史反复检查的东西。

当 AI 写出一段未来，我们不该急着相信它，也不该因为它会犯错就把它扔掉。更好的做法，是把这些可能性放回历史里，一次次问：

真实价格有没有落在它认为合理的范围内？

它在哪些时候覆盖得好？

它在哪些时候失败？

下一步该补的，是更多资产、更长周期、简单基线和失败样本拆解。等这些都跑完，再谈更复杂的用途。

AI 生成的未来不能被当成未来本身。它更像一组假设。真正有价值的工作，是把这些假设放回历史里，检查真实价格有没有落进范围，以及它在哪些时候没有。

本文是一次模型复现和 forecast calibration 实验记录，不构成任何投资或交易建议。