世界45以上の取引所のローソク足データで事前学習した、金融市場向けのオープンソース基盤モデル「Kronos」がGitHub Trendingで本日+293スターと急上昇している。価格・出来高などの時系列を予測でき、論文はAAAI 2026に採択された。
世界45以上の取引所のローソク足データで事前学習した、初のオープンソース金融基盤モデルKronosがGitHub Trendingで本日+293スターと急上昇している。始値・高値・安値・終値・出来高を専用トークナイザで離散トークンに変換し、それを自己回帰型Transformerで学習する二段構成を採るデコーダ専用モデルである。
Kronos-mini（410万パラメータ）からKronos-base（約1億パラメータ）まで複数サイズがHugging Faceの配布先NeoQuasarで公開され、最大のlargeは非公開とされる。論文は2025年8月にarXivで公開、2025年11月にAAAI 2026へ採択された。少量のコードで生データから予測まで実行でき、自前データへの追加学習や複数銘柄の並列予測にも対応する。
一方で公式は「これは実運用向けの取引システムではなく、あくまで仕組みのデモ」と明記している。金融時系列に特化したオープン基盤モデルはまだ少なく実務者が試しやすい反面、実取引への直結には冷静な位置づけ理解が必要になる。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
一般的な時系列予測モデルは金融データ特有のノイズの多さに対応しづらいとされてきた。Kronos は専用の変換器（トークナイザ）で連続的なローソク足データ（始値・高値・安値・終値・出来高）を段階的な離散トークンへ変換し、それを大規模な自己回帰型 Transformer で事前学習する二段構成を採る。デコーダ専用の構成で、株式や暗号資産など多様な金融タスクを統一的に扱う狙いがある。論文は 2025 年 8 月に arXiv で公開され、微調整（ファインチューニング）用スクリプトも提供されている。
金融時系列に特化したオープンな基盤モデルはまだ少なく、Hugging Face で複数サイズのモデルが配布されている点で実務者が試しやすい。少量のコードで生データから予測まで実行でき、自前データへの追加学習や複数銘柄の並列予測にも対応する。一方で公式が「これは実運用向けの取引システムではなく、あくまで仕組みのデモ」と明記している点は冷静に受け止める必要がある。
Kronosは世界45以上の取引所のローソク足データで事前学習した、初のオープンソース金融基盤モデルである。始値・高値・安値・終値・出来高という連続的な数値を、専用のトークナイザ（連続データを段階的な離散トークンへ変換する仕組み）で扱える形に落とし込み、それを自己回帰型Transformerで学習する二段構成を採る。デコーダ専用の構成で、株式や暗号資産など多様な金融タスクを統一的に扱う狙いがある。
リポジトリの説明は、このモデルを「金融市場の言語の基盤モデル」と位置づけている。
Kronos: A Foundation Model for the Language of Financial Markets
一般的な時系列予測モデルは金融データ特有のノイズの多さに対応しづらいとされてきた。価格時系列を「離散トークンの列」に変換してから自己回帰で学習する発想は、自然言語モデルの枠組みを金融データに転移させたもので、ノイズの扱い方を学習側に委ねる設計だといえる。
Kronosは単一の巨大モデルではなく、用途に応じて選べる複数サイズで公開されている。最小のKronos-mini（410万パラメータ）から、最大級のKronos-base（約1億パラメータ）まで揃い、最大のlargeは非公開とされる。モデル本体とは別に、ローソク足を離散トークンへ変換するトークナイザもKronos-Tokenizer-2kとKronos-Tokenizer-baseとして分けて配布されている。
これらは配布先のNeoQuasarからまとめて取得できる。
モデル配布: NeoQuasar
論文は2025年8月にarXivで公開され、2025年11月にAAAI 2026へ採択された。少量のコードで生データから予測まで実行でき、自前データへの追加学習（ファインチューニング）用スクリプトや複数銘柄の並列予測にも対応する。検証コストの観点では、Kronos-miniは410万パラメータと小さく、個人の計算資源でも追加学習の動作確認まで踏み込みやすい。
得をするのは、金融時系列を扱う研究者と実務者だ。オープンなモデルとトークナイザが複数サイズ揃い、少量のコードで予測や追加学習を試せる土台が手に入る。個人のクオンツ開発者にとっても、Kronos-miniなら手元で回しやすく、自前データへの適合性を早く見極められる。
一方で注意が要るのは、実運用品質を即期待する利用者だ。公式は「これは実運用向けの取引システムではなく、あくまで仕組みのデモ」と明記しており、最大のlargeは非公開である。そのまま実取引へ組み込む前提では使えない。
研究コミュニティにとっては、AAAI 2026採択というお墨付きと再現可能なコード・モデルが揃ったことで、比較や追試の基準点が一つ増えた意味が大きい。
立場別、明日から動ける一手。
自社の時系列予測パイプラインと、Kronos-base（約1億パラメータ）の予測精度・推論速度の差を比較する。
公式が明記する「デモ用途・実運用取引向けではない」という位置づけと自社の業務適用範囲の整合を確認する。
Kronos-miniとKronos-Tokenizer-2kを取得し、自前のローソク足データでの追加学習の動作を試す。
金融時系列に特化した初のオープン基盤モデルという点に実務者・研究者の関心が集まり、GitHubで本日+293スターと急上昇している。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
「実運用取引向けではなくデモ用途」
Hugging FaceでKronos-mini（410万パラメータ）からKronos-base（約1億パラメータ）まで複数サイズが配布され「手元で試せる」点が注目されている。一方で公式が「実運用取引向けではなくデモ用途」と明記している点、最大のlargeが非公開である点については、実取引への直結を期待する向きに冷静な受け止めが必要との論点がある。
※トレンド検出時刻付近の人気投稿を表示
