প্রকল্প সম্পর্কে

Kronos-কে আর্থিক ক্যান্ডেলস্টিক (K-লাইন) ডেটার জন্য একটি ওপেন-সোর্স ফাউন্ডেশন মডেল হিসেবে উপস্থাপন করা হয়েছে, যা ৪৫টিরও বেশি বৈশ্বিক এক্সচেঞ্জের ডেটায় প্রশিক্ষিত বলে বর্ণনা করা হয়েছে। প্রকল্পটি AAAI 2026-এ গৃহীত হয়েছে এবং এর পেপার arXiv-এ উপলব্ধ। স্থাপত্য ও পদ্ধতি Kronos হল ডিকোডার-অনলি ফাউন্ডেশন মডেলের একটি পরিবার, যা K-লাইন সিকোয়েন্সে প্রি-ট্রেইন করা। এর দ্বি-স্তরের কাঠামো প্রথমে একটি বিশেষায়িত টোকেনাইজার ব্যবহার করে ক্রমাগত বহুমাত্রিক OHLCV ডেটাকে হায়ারার্কিক্যাল বিচ্ছিন্ন টোকেনে কোয়ান্টাইজ করে, তারপর সেই টোকেনগুলিতে একটি বৃহৎ অটোরিগ্রেসিভ ট্রান্সফরমার প্রি-ট্রেইন করে, যাতে একই মডেল একাধিক পরিমাণগত কাজে ব্যবহার করা যায়। লেখকরা একে সাধারণ-উদ্দেশ্যের টাইম-সিরিজ ফাউন্ডেশন মডেলের বিপরীতে আর্থিক ডেটার উচ্চ-শব্দ বৈশিষ্ট্যের জন্য ডিজাইন করা হিসেবে অবস্থান দিয়েছেন। মডেল জু প্রি-ট্রেইনড মডেলগুলো Hugging Face-এর মাধ্যমে NeoQuasar সংস্থার অধীনে বিতরণ করা হয়: - Kronos-mini: Kronos-Tokenizer-2k, কনটেক্সট দৈর্ঘ্য 2048, 4.1M প্যারামিটার। - Kronos-small: Kronos-Tokenizer-base, কনটেক্সট দৈর্ঘ্য 512, 24.7M প্যারামিটার। - Kronos-base: Kronos-Tokenizer-base, কনটেক্সট দৈর্ঘ্য 512, 102.3M প্যারামিটার। - Kronos-large: Kronos-Tokenizer-base, কনটেক্সট দৈর্ঘ্য 512, 499.2M প্যারামিটার, যা ওপেন-সোর্স নয় বলে তালিকাভুক্ত। ব্যবহার Python 3.10+ এবং requirements ফাইল ইনস্টল করার পর, ব্যবহারকারীরা Hugging Face থেকে একটি টোকেনাইজার এবং মডেল লোড করেন, max_context মানসহ KronosPredictor ইনস্ট্যানশিয়েট করেন এবং open, high, low, close (volume এবং amount ঐচ্ছিক) সহ একটি pandas DataFrame-এ predict কল করেন, সাথে ঐতিহাসিক এবং ভবিষ্যতের টাইমস্ট্যাম্প সিরিজ। স্যাম্পলিং temperature, top_p এবং sample_count দ্বারা নিয়ন্ত্রিত হয় সম্ভাব্যতাভিত্তিক পূর্বাভাসের জন্য। predict_batch পদ্ধতি একাধিক সিরিজ জুড়ে সমান্তরাল পূর্বাভাস সমর্থন করে, প্রতি সিরিজে সমান লুকব্যাক এবং পূর্বাভাস দৈর্ঘ্য প্রয়োজন; এটি প্রতি সিরিজে নরমালাইজেশন এবং ডিনরমালাইজেশন পরিচালনা করে এবং GPU সমান্তরালতা ব্যবহার করে। উদাহরণ স্ক্রিপ্টগুলো volume/amount ডেটাসহ এবং ছাড়া পূর্বাভাস কভার করে এবং একটি লাইভ ডেমো 24-ঘণ্টার BTC/USDT পূর্বাভাস দৃশ্যায়ন করে। ফাইনটিউনিং ও ব্যাকটেস্টিং Qlib-এর উপর নির্মিত একটি A-শেয়ার মার্কেট ডেমোনস্ট্রেশন হিসেবে চার-ধাপের ফাইনটিউনিং পাইপলাইন প্রদান করা হয়েছে: কনফিগারেশন, ডেটা প্রস্তুতি, টোকেনাইজার এবং প্রেডিক্টর ফাইনটিউনিং (torchrun-এর মাধ্যমে মাল্টি-GPU), এবং একটি সাধারণ top-K কৌশলসহ ব্যাকটেস্টিং। README স্পষ্টভাবে একে প্রোডাকশন-প্রস্তুত পরিমাণগত ট্রেডিং সিস্টেমের পরিবর্তে একটি সরলীকৃত ডেমোনস্ট্রেশন হিসেবে চিহ্নিত করেছে, উল্লেখ করে যে বাস্তব ওয়ার্কফ্লোতে পোর্টফোলিও অপ্টিমাইজেশন, রিস্ক-ফ্যাক্টর নিউট্রালাইজেশন, লেনদেন খরচ এবং স্লিপেজ মডেলিং এবং আরও জটিল পজিশন সাইজিং যোগ করা হবে। এটি আরও উল্লেখ করে যে finetune ডিরেক্টরির অনেক মন্তব্য AI-জেনারেটেড এবং এতে ভুল থাকতে পারে। লাইসেন্স MIT লাইসেন্সের অধীনে প্রকাশিত।