はじめに

最近登場した Kronos-baseは、金融市場の「ローソク足データ」を言語のように扱う初のオープンソース基盤モデルです。
せっかくなので、Google Colab を使ってビットコイン（BTC-USD）の5分足データを学習済みモデルで未来予測してみました。
※投資助言ではありません。技術デモとしてお楽しみください。

手順

1 ランタイム準備

# 任意：GPU確認
!nvidia-smi

2 依存関係のインストール（衝突を回避）

%pip install -U "transformers>=4.42,<5" "accelerate>=0.33,<1" "huggingface_hub>=0.24" \
  pandas==2.2.2 numpy==1.26.4 matplotlib yfinance \
  --upgrade-strategy only-if-needed --no-cache-dir

# 依存関係チェック（エラーが出なければOK）
%pip check

3 Kronos のコード取得とモデル読み込み

# Kronos ユーティリティの取得
!git clone -q https://github.com/shiyu-coder/Kronos.git
import sys; sys.path.append("/content/Kronos")

from model import Kronos, KronosTokenizer, KronosPredictor
import torch

TOK = "NeoQuasar/Kronos-Tokenizer-base"
MODEL = "NeoQuasar/Kronos-base"   # VRAM が厳しければ "NeoQuasar/Kronos-small" に変更

tokenizer = KronosTokenizer.from_pretrained(TOK)
model = Kronos.from_pretrained(MODEL)

device = "cuda" if torch.cuda.is_available() else "cpu"
predictor = KronosPredictor(model, tokenizer, device=device, max_context=512)
device

4 データ取得と前処理（BTC-USD 5分足）

import pandas as pd, numpy as np, yfinance as yf

# 直近3日分の5分足
df = yf.download("BTC-USD", period="3d", interval="5m", progress=False)

# Kronos が期待する列名に整形
df = df.rename(columns={"Open":"open","High":"high","Low":"low","Close":"close","Volume":"volume"})
df = df[["open","high","low","close","volume"]].dropna().reset_index()

# タイムスタンプ列を統一
if "Datetime" in df.columns:
    df = df.rename(columns={"Datetime":"timestamps"})
df["timestamps"] = pd.to_datetime(df["timestamps"])

# amount が無いので 0 を入れておく（NaN は不可）
df["amount"] = 0.0

df.head()

5 予測区間の指定（lookback ≤ 512）

# 入力長と予測長
lookback = min(400, len(df)-120)   # 512未満に収めるのが安全
pred_len = 60                      # 先の60本を予測

x_df = df.loc[:lookback-1, ["open","high","low","close","volume","amount"]].fillna(0)
x_timestamp = df.loc[:lookback-1, "timestamps"]
y_timestamp = df.loc[lookback:lookback+pred_len-1, "timestamps"]

len(x_df), len(x_timestamp), len(y_timestamp)

6 予測の実行

pred_df = predictor.predict(
    df=x_df,
    x_timestamp=x_timestamp,
    y_timestamp=y_timestamp,
    pred_len=pred_len,
    T=1.0,       # 温度（揺らぎ）
    top_p=0.9,   # nucleus sampling
    sample_count=1
)
pred_df.head()

可視化（終値 Close を重ね描き）

import matplotlib.pyplot as plt

hist_close = x_df["close"].to_numpy()
fut_close  = pred_df["close"].to_numpy()

plt.figure(figsize=(10,4))
plt.plot(range(len(hist_close)), hist_close, label="history (close)")
plt.plot(range(len(hist_close), len(hist_close)+len(fut_close)), fut_close, label="forecast (close)")
plt.legend(); plt.title("Kronos forecast (BTC-USD, 5m)")
plt.xlabel("steps"); plt.ylabel("price"); plt.show()

結果とグラフ

出力を matplotlib で可視化すると…
青線が「過去の実測値」、オレンジ線が「Kronos の予測値」。
結果は「実際のチャートっぽい動きをしながら、次の値動きを延長して描く」感じで、かなり自然。思わず「AIが未来を見ているみたいだ…！」とワクワクしました。

まとめと感想

・Kronos-base は、金融時系列データに特化したユニークなモデル。
・Colab 上で動かすにはライブラリ整備がちょっと大変だが、解決すればすぐに予測できる。
・ゼロショットでも自然なシナリオを出せるのが面白い。

今後は 株式やFX、ボラティリティ予測、シナリオ生成 にも挑戦できそうです。「AIにマーケットを占わせる」体験は、データ好き・投資好きにはたまらない遊び場になりそうです。

フリーランスエンジニアです。
お仕事のご相談こちらまで
rockyshikoku@gmail.com

Core MLを使ったアプリを作っています。
機械学習関連の情報を発信しています。

Twitter
Medium