Егер нарық шу болса, келесі свечаны болжауға деген кез келген әрекет радио статикасын декодтауға ұқсайды. Kronos авторлары түбегейлі тәсіл ұсынады: биржа свечаларын дискретті токендерге айналдыру (тілдегі сөздер сияқты) және трансформерді "келесі сөзді" — яғни келесі свечаны — болжауға үйрету.
Бұл "барлық жағдайларға арналған" әмбебап уақыттық қатар трансформері емес, календарлық белгілері бар көпөлшемді K-сызықтарға (OHLCV) арналған мамандандырылған модель. shiyu-coder/Kronos репозиторийі MIT лицензиясымен ашық, салмақтар Hugging Face платформасында, ал мақала AAAI 2026 конференциясында қабылданды.
Негізгі идея: свечалар = тіл
ChatGPT мәтіндегі келесі сөзді болжауды үйренетіні сияқты, Kronos баға қатарындағы келесі свечаны болжауды үйренеді. Бірақ алдымен негізгі мәселені шешу керек: свеча — үздіксіз вектор (ашылу, ең жоғары, ең төмен, жабылу, көлем), ал трансформерлер дискретті токендермен жұмыс істейді.
Шешім — екі деңгейлі архитектура:
- Токенизатор (BSQ) — үздіксіз свечаны дискретті кодқа сығымдайды
- Декодер (трансформер) — келесі кодты авторегрессивті түрде болжайды
BSQ токенизаторы: свечаны екі санға қалай сығымдауға болады
Негізгі модуль — Binary Spherical Quantizer (BSQ):
- Үздіксіз свеча векторы сфераға проекцияланады (
F.normalize) - Содан кейін ол бинарлық кодқа квантталады
- Код екі деңгейге бөлінеді: болжамды (S1) және егжей-тегжейлі (S2)
Бұл — сөздік факторизациясы: S1 × S2 өлшемді бір үлкен сөздіктің орнына модель екі кіші эмбеддинг кестесін қолданады — бұл әлдеқайда тиімдірек.
Иерархиялық декодер: алдымен сценарий, содан кейін детальдар
Қос бас (DualHead) кезекпен жұмыс істейді:
- Алдымен модель S1-ді болжайды — "болжамды сценарий" (өседі ме? төмендейді ме? шамамен қаншаға?)
- Содан кейін S1 бекітілген күйде S2-ні нақтылайды — детальдар (нақты бағалар, көлем)
Сілтемелер
- 💻 GitHub: shiyu-coder/Kronos
- 📄 Paper: arXiv:2508.02739
- 📄 License: MIT
Қорытынды
Kronos "уақыттық қатарларға арналған тағы бір трансформер" емес, ол — біртұтас құбыр: кодбук бақылауы бар BSQ токенизаторы, екі дискретизация деңгейі бар иерархиялық тілдік модель, екі кезеңді сэмплингі бар авторегрессия, локалды терезелік нормализация. Бұл "свечалар = тіл" идеясының ашық іске асырылуы.
