Kronos A股预测分析系统

基于Kronos金融大模型的A股日线预测分析系统

🎯 项目概述

本项目是一个基于Kronos金融大模型的A股股票预测分析系统，提供智能的股票走势预测功能。系统采用前后端分离架构，后端使用FastAPI构建RESTful API，前端使用现代化的Web界面。

✨ 核心功能

• 📊 股票预测: 基于Kronos模型的智能股票价格预测
• 📈 多时间维度: 支持3-10天的多维度预测
• 🔄 实时数据: 集成Baostock等数据源获取实时股票信息
• 🎨 可视化界面: 直观的Web界面展示预测结果
• 🔀 模型切换: 支持在不同Kronos模型间灵活切换（mini/small/base）
• 💾 智能缓存: 自动检测本地模型，按需下载
• 🚀 高性能: 异步处理，支持并发请求
• 📱 响应式设计: 适配各种设备屏幕

🏗️ 系统架构

kronos-ai/
├── backend/                          # 后端服务
│   ├── app/
│   │   ├── services/                 # 业务逻辑服务
│   │   │   ├── kronos_integration.py    # Kronos模型集成（加载/卸载/预测）
│   │   │   ├── model_manager.py         # 模型管理器（单例，支持切换）
│   │   │   ├── prediction_service.py    # 预测服务
│   │   │   └── stock_service.py         # 股票数据服务
│   │   └── utils/                    # 工具函数
│   ├── model/                        # Kronos模型定义
│   │   ├── kronos.py                 # Kronos模型实现
│   │   └── module.py                 # 模型模块
│   ├── main.py                       # FastAPI主应用
│   ├── config.py                     # 配置文件
│   ├── requirements.txt              # Python依赖
│   ├── Dockerfile                    # Docker配置
├── frontend/                         # 前端应用（React + TypeScript）
│   ├── src/
│   │   ├── components/              # React组件
│   │   │   ├── KLineChart.tsx          # K线图组件
│   │   │   ├── ModelStatus.tsx         # 模型状态和切换组件
│   │   │   ├── PlotlyKLineChart.tsx    # Plotly K线图
│   │   │   ├── PredictionForm.tsx      # 预测表单
│   │   │   └── PredictionTable.tsx     # 预测结果表格
│   │   ├── services/
│   │   │   └── api.ts               # API调用封装
│   │   ├── types/
│   │   │   └── index.ts             # TypeScript类型定义
│   │   ├── App.tsx                  # 主应用组件
│   │   ├── App.css
│   │   ├── index.tsx                # 入口文件
│   │   └── index.css
│   ├── package.json                 # npm依赖
│   ├── tsconfig.json                # TypeScript配置
│   ├── Dockerfile                   # Docker配置
├── docker-compose.yml               # Docker Compose配置
├── docker-start.sh                  # Docker启动脚本
├── docker-stop.sh                   # Docker停止脚本
├── start.sh                         # 启动脚本
├── stop.sh                          # 停止脚本
├── quick-start.sh                   # 快速启动脚本
└── README.md                        # 项目说明

核心模块说明

后端核心模块：

• kronos_integration.py: Kronos模型的底层集成，处理模型加载、卸载、预测等操作
• model_manager.py: 模型管理器（单例模式），提供统一的模型访问接口，支持模型切换
• prediction_service.py: 预测服务，协调股票数据和模型预测
• stock_service.py: 股票数据服务，集成Baostock等数据源

前端核心组件：

• ModelStatus.tsx: 模型状态展示和切换界面，支持查看当前模型、切换模型、重新加载
• PredictionForm.tsx: 股票预测表单，用户输入股票代码和预测天数
• KLineChart.tsx: K线图可视化组件
• api.ts: 封装所有后端API调用

🚀 快速开始

环境要求

• Python 3.11+
• Node.js 14+ (可选，用于前端开发)
• macOS/Linux/Windows

安装步骤

1. 克隆项目

git clone https://github.com/raydez/kronos-ai.git
cd kronos-ai

2. 设置后端环境

cd backend
python3 -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install -r requirements.txt

3. 启动系统

# 返回项目根目录
cd ..
# 使用启动脚本
./start.sh

或者手动启动：

# 启动后端
cd backend
source .venv/bin/activate  # Windows: .venv\Scripts\activate
python main.py

# 启动前端（新终端）
cd frontend
python3 -m http.server 3000

4. 访问应用

• 前端界面: http://localhost:3000
• API文档: http://localhost:8000/docs
• 健康检查: http://localhost:8000/health

停止系统

./stop.sh

📡 API接口

核心接口

请求示例

股票预测

curl -X POST "http://localhost:8000/predict" \
     -H "Content-Type: application/json" \
     -d '{"code": "600000", "prediction_days": 5}'

获取股票信息

curl -X GET "http://localhost:8000/stock/600000"

获取可用模型列表

curl -X GET "http://localhost:8000/model/available"

切换模型

curl -X POST "http://localhost:8000/model/switch" \
     -H "Content-Type: application/json" \
     -d '{"model_name": "kronos-base"}'

重新加载模型

curl -X POST "http://localhost:8000/model/reload"

🔧 技术栈

后端

• FastAPI: 高性能Web框架
• Pydantic: 数据验证和序列化
• Pandas: 数据处理
• Baostock: 股票数据源
• Uvicorn: ASGI服务器

前端

• HTML5/CSS3/JavaScript: 现代Web技术
• 响应式设计: 适配各种设备

数据源

• Baostock: 主要股票数据源

📊 预测模型

可用模型

系统支持3个不同规格的Kronos模型，可根据需求灵活切换：

模型切换

通过Web界面切换：

1. 访问前端界面
2. 在"模型状态"卡片点击"切换模型"按钮
3. 选择目标模型
4. 系统会自动：
   • 卸载当前模型释放内存
   • 检查本地是否有模型缓存
   • 如无缓存则自动从HuggingFace下载
   • 加载新模型并更新界面

通过API切换：

curl -X POST "http://localhost:8000/model/switch" \
     -H "Content-Type: application/json" \
     -d '{"model_name": "kronos-base"}'

模型缓存

• 缓存位置: ~/.cache/huggingface/hub
• 自动管理: 系统会自动检测本地缓存，避免重复下载
• 按需下载: 首次使用某个模型时自动下载
• 资源优化: 切换模型时自动卸载旧模型，节省内存

预测特性

• 支持1-10天多维度预测
• 提供置信度评估
• 包含开盘、最高、最低、收盘价格
• 基于历史数据和技术指标
• 准确率随模型规模提升（mini: ~75%, small: ~85%, base: ~90%）

💡 使用指南

模型切换功能详解

什么时候需要切换模型？

• 需要快速预测：切换到 kronos-mini（4.1M），速度最快
• 日常使用：使用默认的 kronos-small（24.7M），平衡性能
• 需要高精度：切换到 kronos-base（85.6M），准确率最高

切换流程

1. 查看当前模型

   • Web界面：查看"模型状态"卡片中的"当前模型"
   • API：访问 /model/info 端点

2. 选择目标模型

   • Web界面：点击"切换模型"按钮，从下拉列表选择
   • API：调用 /model/switch 接口

3. 等待切换完成

   • 如果本地有缓存：通常只需几秒
   • 如果需要下载：
     • kronos-mini: 约需下载 5-10MB
     • kronos-small: 约需下载 25-50MB
     • kronos-base: 约需下载 80-150MB

4. 验证切换结果

   • 查看成功提示消息
   • 确认新模型已加载

注意事项

⚠️ 首次使用某个模型时：

• 系统会从 HuggingFace Hub 下载模型
• 需要稳定的网络连接
• 下载时间取决于网络速度和模型大小

⚠️ 切换过程中：

• 旧模型会被自动卸载以释放内存
• 预测服务会短暂不可用
• 建议在系统空闲时进行切换

✅ 推荐做法：

• 首次部署时预先下载所有模型
• 根据实际需求选择合适的模型
• 在非业务高峰期进行模型切换

离线使用

如果需要在离线环境使用，可以预先下载所有模型：

# 方法1：通过API依次切换所有模型（会自动下载）
curl -X POST "http://localhost:8000/model/switch" -H "Content-Type: application/json" -d '{"model_name": "kronos-mini"}'
curl -X POST "http://localhost:8000/model/switch" -H "Content-Type: application/json" -d '{"model_name": "kronos-small"}'
curl -X POST "http://localhost:8000/model/switch" -H "Content-Type: application/json" -d '{"model_name": "kronos-base"}'

# 方法2：手动下载到缓存目录
# 下载后放置到 ~/.cache/huggingface/hub/

🛠️ 开发指南

项目结构说明

• backend/app/models/: Pydantic数据模型定义
• backend/app/services/: 核心业务逻辑
  • model_manager.py: Kronos模型管理（单例模式，支持模型切换）
  • kronos_integration.py: Kronos模型集成（加载、卸载、预测）
  • stock_service.py: 股票数据服务
  • prediction_service.py: 预测服务
• backend/model/: Kronos模型定义
  • kronos.py: Kronos模型实现
  • module.py: 模型模块
• backend/main.py: FastAPI应用主入口
• frontend/: Web前端界面
  • src/components/ModelStatus.tsx: 模型状态和切换组件
  • src/services/api.ts: API调用封装

添加新功能

1. 在相应的service中添加业务逻辑
2. 在models中定义数据模型
3. 在main.py中添加API端点
4. 更新前端界面

运行测试

cd backend
source .venv/bin/activate
python -m pytest tests/

🚀 部署指南

Docker部署

# 构建镜像
docker build -t kronos-ai .

# 运行容器
docker run -p 8000:8000 kronos-ai

🤝 贡献指南

1. Fork项目
2. 创建功能分支
3. 提交更改
4. 推送到分支
5. 创建Pull Request

📄 许可证

本项目采用MIT许可证

🙏 致谢

• Kronos团队提供的金融大模型
• Baostock提供的股票数据
• FastAPI社区的技术支持

❓ 常见问题（FAQ）

Q1: 应用启动时模型加载失败怎么办？

A: 应用会正常启动，但预测功能不可用。可以：

1. 点击"重新加载"按钮尝试重新加载
2. 检查网络连接是否正常
3. 查看后端日志了解具体错误

Q2: 模型下载很慢或失败怎么办？

A: 可能的原因和解决方案：

• 网络问题: 检查网络连接，考虑使用代理
• HuggingFace访问受限: 配置 HuggingFace 镜像源
• 磁盘空间不足: 清理磁盘空间（每个模型需要几十到几百MB）

Q3: 如何查看模型是从本地加载还是从网络下载？

A: 切换模型成功后，会显示详细信息：

• "从本地缓存加载" - 使用本地已有的模型
• "已从HuggingFace下载: Tokenizer、模型" - 从网络下载

Q4: 切换模型会影响正在进行的预测吗？

A: 是的。切换模型时：

• 当前模型会被卸载
• 预测服务短暂不可用
• 建议在系统空闲时切换

Q5: 三个模型该如何选择？

A: 根据需求选择：

• kronos-mini: 资源受限、需要快速响应时使用
• kronos-small: 日常使用的默认选择，性能和准确率平衡
• kronos-base: 需要最高准确率时使用，但消耗更多资源

Q6: 模型缓存占用多少磁盘空间？

A: 每个模型的大小：

• kronos-mini: ~5-10MB
• kronos-small: ~25-50MB
• kronos-base: ~80-150MB

全部下载约占用 200-300MB 磁盘空间。

Q7: 可以删除不用的模型吗？

A: 可以手动删除 ~/.cache/huggingface/hub/ 目录下的对应模型文件夹。下次使用时会重新下载。

Q8: 切换模型后预测结果会不同吗？

A: 是的。不同模型的预测结果可能有差异：

• 参数更大的模型（base）通常更准确
• 参数较小的模型（mini）响应更快但可能略不准确

Q9: 支持自定义模型吗？

A: 当前版本支持三个预设的 Kronos 模型。如需添加自定义模型，需要：

1. 在 backend/app/services/kronos_integration.py 中添加模型配置
2. 确保模型格式与 Kronos 兼容

Q10: 如何配置 HuggingFace Token？

A: 如果模型需要认证访问：

# 设置环境变量
export HUGGINGFACE_TOKEN="your_token_here"

# 或在代码中配置
# backend/app/services/kronos_integration.py

---

注意: 本系统仅用于学习和研究目的，不构成投资建议。股票投资有风险，入市需谨慎。