AI赋能资产配置（二十二）：大模型如何征服K线图？【25年11月】.pdfVIP

证券研究报告|2025年11月10日

AI赋能资产配置（二十二）

大模型如何征服K线图？

核心观点策略研究·策略专题

Kronos模型作为首个专为金融K线数据设计的基础模型，成功解决了通用证券分析师：王开证券分析师：陈凯畅

021021

时间序列模型在金融市场中的适应性难题。其根本性突破在于，它将金融时wangkai8@chenkaichang@

序分析从传统的数值回归范式转向了语言建模范式。通用模型因金融数据信S0980521030001S0980523090002

噪比极低、非平稳性强，且其训练语料中金融数据占比不足1%而表现不佳；基础数据

而Kronos通过在大规模金融语料基础上预训练，实现了对市场动态的精准中小板/月涨跌幅(%)8162.17/-2.60

解读。创业板/月涨跌幅(%)3208.21/-0.93

AH股价差指数118.42

A股总/流通市值(万亿元)97.42/89.51

在技术架构上，Kronos的核心创新在于其专有的“金融分词器”与“分层自回

市场走势

归建模”机制。分词器利用BSQ算法将连续的K线数据离散化为离散的

Token，这一过程如同将市场波动转化为可被模型理解的“金融单词”。在

此基础上，模型采用分层预测：首先预测代表市场大势的“粗粒度”标记，

再在此框架下预测捕捉细节波动的“细粒度”标记，这模仿了“先战略、后

战术”的专业投资决策流程，显著提升了计算的效率与模型的鲁棒性。

该模型在多项核心金融任务中展现出卓越的实战性能，验证了其作为专用模

型的显著优势。实证数据显示，Kronos在价格预测任务中的RankIC较领先

的通用时序模型提升了93%，波动率预测的平均绝对误差（MAE）降低了9%。

在最终的策略回测中，由Kronos信号驱动的投资组合实现了21.9%的年化超

额收益和1.42的信息比率，证明了其预测信号能够有效转化为优秀的投资资料来源：Wind、国信证券经济研究所整理

绩效。相关研究报告

《估值周观察(11月第2期)-外弱内稳：能源强势，价值回归》

展望未来，Kronos所确立的“领域专用”路径为金融大模型的发展指明了方——2025-11-09

向。它的成功标志着从“通用智能”到“领域智能”转型的必要性。基于《价格全方位多维跟踪体系（2025.11）-成本高企与利润分化并

存》——2025-11-07

此架构，下一代模型有望进一步融合文本、基本面等多模态数据，并与强化《中观高频景气图谱（2025.10）-上游企稳回升，中游分化修

复》——2025-11-06

学习等技术结合，最终演进为能够自主完成“感知-决策-执行-优化”全链