聚焦量化研究参考系列之五:Kronos,基于K线预训练的金融基础模型。亮点分析: 我们在量化研究参考系列《金融工程研究_SSPT:股票时序定制化预训练选股框架》中曾梳理过 SSPT 的核心思路,即通过股票代码分类、行业分类和移动均值预测等任务提升股票时序表征质量。结合东方证券自研 DFQ-Diversify,Kronos 可理解为“统一表示底座”,DFQ-Diversify 则可进一步提升信号在分布变化下的稳健性。结果显示,Kronos 在价格预测、收益预测、波动率预测、K 线生成和投资模拟五类任务中整体优于多类主流基准模型;价格预测 RankIC 相较最强 TSFM 基线提升约 93%,波动率预测 MAE 相较基准模型下降约 9%,生成任务质量提升约 22%。
聚焦量化研究参考系列之五:Kronos,基于K线预训练的金融基础模型。亮点分析: 我们在量化研究参考系列《金融工程研究_SSPT:股票时序定制化预训练选股框架》中曾梳理过 SSPT 的核心思路,即通过股票代码分类、行业分类和移动均值预测等任务提升股票时序表征质量。结合东方证券自研 DFQ-Diversify,Kronos 可理解为“统一表示底座”,DFQ-Diversify 则可进一步提升信号在分布变化下的稳健性。结果显示,Kronos 在价格预测、收益预测、波动率预测、K 线生成和投资模拟五类任务中整体优于多类主流基准模型;价格预测 RankIC 相较最强 TSFM 基线提升约 93%,波动率预测 MAE 相较基准模型下降约 9%,生成任务质量提升约 22%。
聚焦量化研究参考系列之五:Kronos,基于K线预训练的金融基础模型。亮点分析: 我们在量化研究参考系列《金融工程研究_SSPT:股票时序定制化预训练选股框架》中曾梳理过 SSPT 的核心思路,即通过股票代码分类、行业分类和移动均值预测等任务提升股票时序表征质量。结合东方证券自研 DFQ-Diversify,Kronos 可理解为“统一表示底座”,DFQ-Diversify 则可进一步提升信号在分布变化下的稳健性。结果显示,Kronos 在价格预测、收益预测、波动率预测、K 线生成和投资模拟五类任务中整体优于多类主流基准模型;价格预测 RankIC 相较最强 TSFM 基线提升约 93%,波动率预测 MAE 相较基准模型下降约 9%,生成任务质量提升约 22%。核心数据:价格预测 RankIC 相较最强 TSFM 基线提升约 93%,波动率预测 MAE 相较基准模型下降约 9%,生成任务质量提升约 22%。
本报告由东方证券发布,发布于 2026 年。
覆盖 2026 年,全文共 17 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资人等读者参考。
重点分析了量化、大学、量化研究参考系列之五等议题。