# kronos-report

**Repository Path**: liebin/kronos-report

## Basic Information

- **Project Name**: kronos-report
- **Description**: 基于 Kronos 金融大模型的 AI 量化预测报告生成工具（Python 版）
- **Primary Language**: Python
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: https://gitee.com/liebin/
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-06-12
- **Last Updated**: 2026-06-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Python, kronos

## README

# Kronos-Report

基于 Kronos 金融大模型的 AI 量化预测报告生成工具（Python 版）

[![License: AGPL v3](https://img.shields.io/badge/License-AGPL%20v3-blue.svg)](https://www.gnu.org/licenses/agpl-3.0)
[![Python](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://www.python.org/)

## 📖 项目简介

Kronos-Report 是一个基于 Kronos 金融时序大模型的 Python 量化预测工具，支持股票、基金、期货、指数等品种的 K 线数据预测，自动生成多格式分析报告和每日简报。同时提供 HTTP 模型服务，支持远程调用和多模型管理。

## 🎯 Demo 预览

### AI量化简报

AI量化简报每日自动生成，包含大盘预测、个股分析、量化提示等内容。

| 简报截图 | 在线预览 |
|----------|----------|
| ![AI量化简报 Demo](img/AI量化简报_demo.png) | [查看HTML版本](html/AI量化简报_demo.html) |

### AI预测报告

AI预测报告支持股票、基金、期货、指数等品种，包含K线图、趋势图、预测明细等。

| 报告截图 | 在线预览 |
|----------|----------|
| ![AI预测报告 Demo](img/AI预测报告_北证50_demo.png) | [查看HTML版本](html/AI预测报告_北证50_demo.html) |

> **说明**：点击 HTML 链接可在浏览器中查看完整的交互式报告，截图仅供参考，实际报告内容动态生成。

## ✨ 功能特性

### 预测与报告
- ✅ 自动识别品种类型（股票/基金/期货/指数）
- ✅ 自动判断交易所（上交所/深交所/北交所/期货交易所/指数中心）
- ✅ **自动过滤期货指数合约**（品种代码+00，如 RB00、M00）
- ✅ 支持多种模型组合（2k/base 分词器 + mini/small/base 模型）
- ✅ 支持前复权/不复权数据
- ✅ 多格式报告输出（TXT、HTML、PNG、CSV、图表、JSON）
- ✅ **单次回测验证**（多步预测，方向准确率、MAPE、综合评分）
- ✅ 普通投资者友好版报告

### 简报与定时任务
- ✅ **每日简报自动生成**（支持自选股 + 随机个股展示）
- ✅ **全局模型复用**（单例模式，避免重复加载）
- ✅ **多数据源支持**（本地文件 / TickFlow 免费服务）
- ✅ 定时任务（每日自动生成简报）

### HTTP 模型服务
- ✅ **多模型管理**（最多支持 3 个模型同时加载）
- ✅ **参数化预测**（支持 lookback、pred_len、t、top_p、sample_count）
- ✅ **数据校验与修正**（自动修复违反约束的预测结果）
- ✅ **模型热切换**（无需重启服务即可切换模型）
- ✅ **健康检查**（服务状态监控）
- ✅ **设备自动选择**（默认 auto，无需手动指定）

### 其他
- ✅ 完整的耗时统计
- ✅ 期货代码大小写自动修正
- ✅ 支持自定义预测参数
- ✅ 交易日历支持

## 📦 环境要求

- Python 3.10+
- PyTorch 2.0+
- 其他依赖见 `requirements.txt`

## 🔧 安装

```bash
# 克隆项目
git clone https://gitee.com/liebin/kronos-report.git
cd kronos-report

# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
```

## 🚀 使用说明

### 一、单次预测（完整报告）

```bash
# 股票
python predictor.py --code 000001

# 期货（自动排除指数合约）
python predictor.py --code RB2505

# 股指
python predictor.py --code zs_000001

# 自定义参数
python predictor.py --code 000001 --lookback 256 --pred-len 10 --model small

# 不复权
python predictor.py --code 000001 --no-adjusted
```

### 二、JSON 数据报告（纯数据格式）

```bash
# 生成JSON报告（不生成图表和回测）
python predictor.py --code 000001 --json

# 只打印JSON到控制台，不保存文件
python predictor.py --code 000001 --json --no-save

# 带自定义参数
python predictor.py --code 000001 --json --lookback 256 --pred-len 10 --verbose

# 不复权JSON报告
python predictor.py --code 000001 --json --no-adjusted
```

### 三、每日简报

```bash
# 生成简报（精简模式）
python predictor.py --briefing

# 生成简报（详细模式）
python predictor.py --briefing -v
```

### 四、定时任务

```bash
# 启动定时任务（每日19:30生成简报）
python predictor.py --scheduler

# 自定义时间
python predictor.py --scheduler --scheduler-hour 20 --scheduler-minute 0

# 停止定时任务
python predictor.py --scheduler-stop
```

### 五、HTTP 模型服务

#### 启动服务

```bash
# 方式一：使用启动脚本
./start_server.sh

# 方式二：直接运行
python server.py --host 0.0.0.0 --port 16888 --preload

# 方式三：开发模式（热重载）
python server.py --host 0.0.0.0 --port 16888 --reload
```

#### 服务端点

| 方法 | 端点 | 说明 |
|------|------|------|
| GET | `/health` | 健康检查 |
| POST | `/models/load` | 加载模型 |
| POST | `/models/switch` | 切换模型 |
| GET | `/models/list` | 列出已加载模型 |
| POST | `/models/unload` | 卸载模型 |
| POST | `/predict` | 执行预测 |
| GET | `/params/default` | 获取默认参数 |

详细接口参数说明请参考 [HTTP_API.md](HTTP_API.md)

#### 快速测试

```bash
# 健康检查
curl http://localhost:16888/health

# 加载模型
curl -X POST http://localhost:16888/models/load \
  -H "Content-Type: application/json" \
  -d '{"tokenizer":"2k","model":"mini"}'

# 预测
curl -X POST http://localhost:16888/predict \
  -H "Content-Type: application/json" \
  -d '{"code":"000001"}'

# 指定模型预测
curl -X POST http://localhost:16888/predict \
  -H "Content-Type: application/json" \
  -d '{"code":"000001","tokenizer":"2k","model":"small"}'

# 不复权预测
curl -X POST http://localhost:16888/predict \
  -H "Content-Type: application/json" \
  -d '{"code":"000001","adjusted":false}'
```

## 📁 项目结构

```
kronos-report-python/
├── README.md                       # 中文说明文档
├── README.en.md                    # 英文说明文档
├── HTTP_API.md                     # HTTP 服务接口文档
├── LICENSE                         # AGPL-3.0 开源协议
├── requirements.txt                # 依赖列表
├── start_server.sh                 # HTTP服务启动脚本
├── stop_server.sh                  # HTTP服务停止脚本
├── restart_server.sh               # HTTP服务重启脚本
├── status_server.sh                # HTTP服务状态检查
├── img/                            # 图片资源目录
│   ├── AI量化简报_demo.png         # 简报截图
│   ├── AI预测报告_北证50_demo.png  # 报告截图
│   └── author_qrcode.jpg           # 作者微信二维码
├── html/                           # HTML Demo 目录
│   ├── AI量化简报_demo.html        # 简报HTML Demo
│   └── AI预测报告_北证50_demo.html # 报告HTML Demo
└── src/                            # 源代码目录
    ├── config/                     # 统一配置模块
    ├── server.py                   # HTTP 服务入口
    ├── predictor.py                # 主程序入口
    ├── model_manager.py            # 全局模型管理器
    ├── predictor_core/             # 预测核心模块
    ├── trade_calendar.py           # 交易日历
    ├── data/                       # 统一数据服务模块
    ├── report/                     # 报告生成模块
    ├── briefing/                   # 每日简报生成模块
    ├── templates/                  # HTML模板
    └── model/                      # Kronos 模型目录
```

## 📊 模型配置

### 分词器（TOKENIZER）

| 参数值 | 上下文长度 | 特点 | 适用场景 |
|--------|------------|------|----------|
| `2k` | 2048 | 精度高 | 高频交易、加密货币 |
| `base` | 512 | 速度快 | 股票/期货、快速验证 |

### 预测模型（MODEL）

| 参数值 | 参数量 | 速度 | 适用场景 |
|--------|--------|------|----------|
| `mini` | 4.1M | 最快 | 资源受限场景 |
| `small` | 24.7M | 较快 | 专业量化（推荐） |
| `base` | 102.3M | 较慢 | 机构级精度 |

## 📝 命令行参数

### 预测模式参数

| 参数 | 默认值 | 说明 |
|------|--------|------|
| `--code, -c` | 必填 | 代码（预测模式必填） |
| `--start-date, -s` | 无 | 开始日期 YYYYMMDD |
| `--end-date, -e` | 无 | 结束日期 YYYYMMDD |
| `--pred-len, -p` | 5 | 预测步数 |
| `--lookback, -l` | 512 | 回溯窗口长度 |
| `--t` | 0.6 | 温度参数 |
| `--top-p` | 0.8 | 核采样参数 |
| `--sample-count` | 5 | 采样次数 |
| `--tokenizer` | 2k | 分词器类型 |
| `--model, -m` | mini | 模型类型 |
| `--device, -d` | auto | 运行设备 |
| `--no-save` | False | 不保存文件 |
| `--adjusted` | True | 前复权（默认启用） |
| `--no-adjusted` | False | 不复权 |
| `--json` | False | 生成JSON数据报告 |
| `--verbose, -v` | False | 输出详细日志 |

### 简报模式参数

| 参数 | 默认值 | 说明 |
|------|--------|------|
| `--briefing` | False | 生成每日简报 |
| `--verbose, -v` | False | 输出详细日志 |

### 定时任务参数

| 参数 | 默认值 | 说明 |
|------|--------|------|
| `--scheduler` | False | 启动定时任务 |
| `--scheduler-stop` | False | 停止定时任务 |
| `--scheduler-hour` | 19 | 定时任务小时 |
| `--scheduler-minute` | 30 | 定时任务分钟 |

## 📂 输出目录结构

```
/home/liebin/dev/data/report/
├── AI预测/                           # 预测报告
│   └── {日期}/{名称}/{tokenizer}_{model}_{lookback}/
│       ├── AI预测报告_{名称}_{日期}.html
│       ├── AI预测报告_{名称}_{日期}.txt
│       ├── AI预测报告_{名称}_{日期}.png
│       ├── AI预测报告_{名称}_{日期}.json
│       ├── {名称}_chart_{日期}.png
│       ├── {名称}_trend_{日期}.png
│       └── {名称}_backtest_{日期}.png
└── AI简报/                           # 每日简报
    └── {日期}/
        ├── AI量化简报_{日期}.html
        ├── AI量化简报_{日期}.txt
        └── AI量化简报_{日期}.png
```

## 📊 JSON 报告格式

```json
{
  "code": "000001",
  "name": "平安银行",
  "timestamp": "2026-06-11T15:30:00",
  "last_trade_date": "2026-06-10",
  "model": "2k_mini",
  "lookback": 512,
  "pred_len": 5,
  "adjusted": true,
  "summary": {
    "current_price": 11.20,
    "predicted_price": 11.35,
    "change_pct": 1.34,
    "trend": "看涨 📈",
    "low": 11.10,
    "high": 11.50
  },
  "recent": [
    {
      "d": "2026-06-04",
      "o": 11.05,
      "h": 11.15,
      "l": 11.00,
      "c": 11.10,
      "v": 1000000,
      "a": 11100000
    }
  ],
  "predicted": [
    {
      "d": "2026-06-11",
      "o": 11.22,
      "h": 11.38,
      "l": 11.15,
      "c": 11.30,
      "v": 1020000,
      "a": 11500000
    }
  ]
}
```

### 字段说明

| 字段 | 类型 | 说明 |
|------|------|------|
| `code` | string | 代码 |
| `name` | string | 名称 |
| `timestamp` | string | 报告生成时间 |
| `last_trade_date` | string | 最后交易日 |
| `model` | string | 使用的模型标识 |
| `lookback` | int | 回溯窗口长度 |
| `pred_len` | int | 预测步数 |
| `adjusted` | boolean | 是否前复权 |
| `summary` | object | 预测摘要 |
| `recent` | array | 最近30个交易日K线 |
| `predicted` | array | 未来N个交易日预测K线 |

### K线字段缩写对照

| 缩写 | 全称 | 说明 |
|------|------|------|
| `d` | date | 日期 |
| `o` | open | 开盘价 |
| `h` | high | 最高价 |
| `l` | low | 最低价 |
| `c` | close | 收盘价 |
| `v` | volume | 成交量 |
| `a` | amount | 成交额 |

## 🔧 配置说明

项目配置统一在 `src/config/` 目录下管理：

| 文件 | 说明 |
|------|------|
| `settings.py` | 用户可修改配置（路径、参数、数据源、简报等） |
| `common.py` | 字典映射配置（模型映射、交易所规则等，很少改动） |

### settings.py 常用配置

以下是 `src/config/settings.py` 中常用的可修改配置：

#### 1. 数据源配置

```python
# 数据源类型: local（本地txt）, tickflow（TickFlow免费服务）
DATA_SOURCE = "tickflow"  # 可选: local, tickflow
```

| 值 | 说明 |
|----|------|
| `local` | 使用本地 CSV 文件获取数据 |
| `tickflow` | 使用 TickFlow 免费服务获取数据（推荐） |

#### 2. 路径配置

```python
# K线数据根目录
DATA_ROOT = "/home/liebin/dev/data/code/d/"
# 最新交易日数据根目录
LAST_DATA_ROOT = "/home/liebin/dev/data/last"
# 报告输出根目录
REPORT_ROOT = "/home/liebin/dev/data/report/AI预测"
BRIEFING_ROOT = "/home/liebin/dev/data/report/AI简报"
```

#### 3. 预测默认参数

```python
DEFAULT_LOOKBACK = 512      # 回溯窗口长度
DEFAULT_PRED_LEN = 5        # 预测步数
DEFAULT_T = 0.6             # 温度参数（控制随机性）
DEFAULT_TOP_P = 0.8         # 核采样参数
DEFAULT_SAMPLE_COUNT = 5    # 采样次数
```

#### 4. 模型默认配置

```python
DEFAULT_TOKENIZER = "2k"    # 分词器类型: 2k / base
DEFAULT_MODEL = "mini"      # 模型类型: mini / small / base
DEFAULT_DEVICE = "auto"     # 设备: auto / cuda / cpu / mps
```

#### 5. HTTP 服务配置

```python
HTTP_HOST = "0.0.0.0"       # 服务地址
HTTP_PORT = 16888           # 服务端口
MAX_MODELS = 3              # 最多同时加载的模型数量
```

#### 6. 简报配置

```python
# 股指代码（简报中展示的指数）
INDEX_CODES = [
    "zs_000001",   # 上证指数
    "zs_399001",   # 深证成指
    "zs_399006",   # 创业板指
    "zs_899050",   # 北证50
]

# 自选个股代码（优先展示）
STOCK_CODES = []  # 例如: ["000001", "600519", "510050"]

# 随机获取配置
RANDOM_STOCK_COUNT = 10     # 随机股票数量
RANDOM_FUND_COUNT = 2       # 随机基金数量

# 相对大盘参照指数
BENCHMARK_INDEX = "zs_000001"  # 用于判断个股强弱

# 简报预测参数
BRIEFING_LOOKBACK = 512
BRIEFING_PRED_LEN = 5
BRIEFING_TOKENIZER = "2k"
BRIEFING_MODEL = "mini"
```

#### 7. 定时任务配置

```python
DEFAULT_CRON_HOUR = 19      # 定时任务小时
DEFAULT_CRON_MINUTE = 30    # 定时任务分钟
```

#### 8. 回测参数

```python
DEFAULT_BACKTEST_PRED_LEN = 30   # 回测预测步数
```

### 配置优先级

| 优先级 | 来源 | 说明 |
|:------:|------|------|
| 1 | 命令行参数 | `--pred-len 10` |
| 2 | 配置文件 | `settings.py` 中的默认值 |
| 3 | 代码内置 | 硬编码的备用值 |

## 🧪 运行测试

```bash
# HTTP 服务测试
python server_test.py --action health
python server_test.py --action load --tokenizer 2k --model mini
python server_test.py --action list
python server_test.py --action predict --code 000001
```

## 📄 开源协议

本项目采用 **AGPL-3.0** 协议。

## 💬 技术支持与服务

如果您在使用过程中遇到问题，或者需要以下技术服务，欢迎联系作者：

- 🤖 **AI 客服系统开发**：智能问答、自动回复、多渠道接入
- 🧠 **大模型应用开发**：模型微调、Prompt 工程、RAG 系统
- 💻 **软件开发**：Java&Python 后端、量化系统、数据处理
- 📈 **量化策略开发**：因子挖掘、回测系统、实盘对接
- 🔧 **定制化开发**：根据需求定制 AI 量化解决方案

<img src="img/author_qrcode.jpg" alt="作者微信二维码" width="200" />

**微信扫码添加作者，备注来意即可**

*添加时请备注“Kronos咨询”或具体需求，以便更快响应*

## ⚠️ 免责声明

本工具生成的预测结果由 AI 模型生成，只作为个人研究学习用途，不构成投资建议。市场有风险，投资需谨慎。
```