Kronos：金融ローソク足向けOSS基盤モデル

背景と概要

Kronos とは何か。Kronos は、金融市場のローソク足（K線）系列で事前学習されたオープンソースの基盤モデルファミリーです。プロジェクトの説明によると、学習データは世界 45 以上の取引所から集められています。汎用の時系列モデルではなく、相場データに特化して作られている点が出発点です。

クオンツ研究の現場では、汎用の時系列基盤モデルが増える一方で、株式や暗号資産ではなかなか成果が出ないという悩みが続いてきました。金融データはノイズが大きく、価格と出来高の関係も複雑に絡み合っています。Kronos はこの隙間を狙っています。プロジェクトは、金融市場を独自の「言語」を持つ対象として扱います。始値、高値、安値、終値、出来高という OHLCV が文字にあたり、K線の系列が文章にあたります。

発想は大規模言語モデルの手法を借りていますが、対象は相場データです。そのため、汎用モデルでノイズの多い金融データを扱えるのかという問いに、専用のモデル群で答える形になります。論文は arXiv で公開され、AAAI 2026 に採択されました。GitHub のスター数は 4 万を超えており、コミュニティの関心の高さがうかがえます。

深掘り分析

Kronos の仕組みは 2 段階です。第 1 段階では、専用トークナイザーが OHLCV の多次元連続データを、階層的な離散トークンに量子化します。連続値の回帰問題を、言語モデルに近い記号の問題に置き換える工程です。階層構造により、1 本のローソク足を粒度の異なる情報に分けて表せます。 第 2 段階では、大規模な decoder-only の自己回帰 Transformer を、そのトークン上で事前学習します。系列が次にどう続くかを一歩ずつ学ぶ方式です。プロジェクトによれば、この結果は多様なクオンツ業務に使える統一モデルになります。タスクごとに別の構造を一から訓練する必要がありません。生の数値を直接回帰する方式と比べると、離散化と自己回帰の組み合わせは、成熟した言語モデルの流れに沿っています。既存の学習ノウハウも生かしやすい構成です。

モデルのサイズは 4 種類です。Kronos-mini はパラメータ数 4.1M、コンテキスト長 2048 で、Kronos-Tokenizer-2k を使います。Kronos-small は 24.7M、Kronos-base は 102.3M、Kronos-large は 499.2M です。この 3 種は Kronos-Tokenizer-base を使い、コンテキスト長はいずれも 512 です。注意したいのは、large が現時点で公開されていないことです。残る 3 種は Hugging Face Hub で入手できます。 使い始めるハードルは高くありません。Python 3.10 以上が必要で、requirements.txt から pip で依存関係を入れます。予測は KronosPredictor クラスが担い、前処理、正規化、予測、逆正規化をまとめて処理します。生の相場データがあれば、数行のコードで予測を得られます。 ひとつ見落としやすい点があります。small と base の max_context は 512 で、これがモデルの扱える最大の系列長です。長い入力は利用者が切り詰める必要があります。BTC/USDT の今後 24 時間の予測を見られるオンラインデモもあります。2025 年 8 月 17 日にはファインチューニング用スクリプトが公開されました。市場や時間軸によって値動きの性質は大きく違うため、事前学習済みの重みをそのまま使うだけでは合わないことがあります。この点で、微調整の手段が用意された意味は大きいと言えます。

業界への影響

開発者やエンジニアリングチームにとって、Kronos は金融基盤モデルを、概念から「ダウンロードして微調整し、再現できる」ものへ近づけました。この種の取り組みは論文や非公開システムにとどまることが多くありました。重みが公開されたことで、研究者は比較実験を行えます。離散トークン化が相場データに本当に合うのかも、自分の手で確かめられます。

小規模から中規模のチームには、公開された小型モデルが特に役立ちます。4.1M から 102.3M までのサイズなら、限られた計算資源でも実験が可能です。自社の相場データを持つチームは、微調整スクリプトで銘柄や時間軸に合わせて適応させられます。README はドイツ語、スペイン語、フランス語、日本語、韓国語、ポルトガル語、ロシア語、中国語にも対応しており、各地域のチームが入りやすくなっています。

リスクも冷静に見る必要があります。過去データで良い結果が出ても、安定して利益が出るとは限りません。市場の構造は変わり、取引コスト、スリッページ、過学習が紙の上の優位性を消すことがあります。Kronos は、そのまま使える売買シグナルではなく、研究ツールや特徴量の供給源として扱うのが妥当でしょう。実務上の制約として、最大の large が非公開であること、small と base のコンテキスト長が 512 にとどまることも押さえておくべきです。

今後の展望

注目したい点は 3 つあります。1 つ目は、微調整した Kronos が異なる市場でどこまで汎化するかです。プロジェクトは微調整の道具を用意していますが、今回の情報に市場をまたいだ結果は含まれていません。ここは未確認のままです。

2 つ目は、コミュニティが共通の評価方法を作れるかどうかです。重みが公開されたことで比較は可能になりました。ただし共通のベンチマークがなければ、チームごとの主張を並べて比べるのは難しくなります。AAAI 2026 への採択は学術的な裏づけになりますが、第三者による再現が加われば、さらに信頼は高まります。

3 つ目は、「K線を言語として扱う」発想が、より多くの金融タスクに広がるかどうかです。プロジェクトはすでに Kronos を多様なクオンツ業務向けの統一モデルと位置づけています。試したいチームは、公開されている small や base の重みから始めるのが現実的です。入力を 512 の範囲に収め、自社データで微調整してから、結論を出すとよいでしょう。