系列·伍。前面几篇都在"取数"和"挖因子"，本质上是用过去的规律做现在的判断。这篇换个思路：Kronos 是一个在百万级金融时序上预训练好的基础模型，零样本（zero-shot）就能对任意股票的 K 线做概率预测——不需要你的数据、不需要微调。我们把它包成了 kronos-mcp。
为什么需要"预测"这一层
因子体系回答的是"什么样的股票未来收益高"（截面排序问题），但落到一次具体交易，你还需要回答三个更细的问题：
- 方向：未来 N 天大概涨还是跌？
- 幅度：预期收益多少，值不值得冒这个险？
- 不确定性：这个预测有多靠谱，仓位该多重？
传统做法是再训一个 LSTM/Transformer。Kronos 的思路是：金融时序的底层模式（趋势、周期、波动聚集）是跨标的共享的，一个在百万条序列上预训练好的模型，迁移到新股票上不需要任何再训练。这就是"零样本预测"的意义——冷启动成本为零。
四个工具，各司其职
kronos-mcp 的 tools.py 里暴露了四个工具，签名值得逐一看：
forecast_kline —— 看形状，不只看涨跌
输入一段历史 OHLCV（lookback 窗口），输出未来 N 天的完整 K 线预测：不只是收盘价一个数，而是开高低收量五列的概率分布。输出里带一个 summary：方向、预期收益、波动率，以及 uncertainty 区间。
两个实用细节：
model="chronos2"参数可以切到亚马逊 Chronos-2 后端，此时只预测收盘价，但会给出close_p10/close_p90分位数——适合做风险预算（"90% 概率跌不破这个位置"）。- lookback 超过模型的
MAX_CONTEXT会自动截断，遇到周末自动跳过（A 股没有周六的 K 线，模型不该被喂一个不存在的交易日）。
forecast_signal —— 采样投票，给出置信度
单次预测有随机性，所以 forecast_signal 做 N≤5 次独立采样，把方向一致性变成置信度：
confidence = 方向一致率 × 1/(1 + 预期收益标准差%)
五次采样里四次看涨、且四次预期收益接近，confidence 就高；五次采样方向打架，confidence 自然低。这个 confidence 就是后面 Laya 闸门要消费的信号。
forecast_batch —— 异步批处理，单票故障不炸全批
全市场 5000 只股票挨个预测，同步调用会超时。forecast_batch 提交异步 job 返回 job_id，用 job_status 轮询；关键设计是单项容错——某只股票数据缺失或预测失败，只标记该项失败，不拖垮整个批次。
forecast_compare —— 双模型对拍
forecast_compare 串行跑两个模型（如 Kronos vs Chronos-2），对比同一 lookback 下的预测差异。同样单边失败不拖垮另一边——工程上的"隔离故障"思路和 forecast_batch 一致。
诚实的声明：权重这一步我没跑通
写这篇时我本打算真跑一遍 Kronos 预测，但 HuggingFace 下载预训练权重在当前网络环境下不通（这个坑在第 1 篇环境篇也出现过）。所以本文的工具签名和参数细节来自 tools.py 源码精读，而非实际调用输出——这是本系列第一次"讲设计多于讲运行结果"。
好在部署路径是现成的，权重问题在服务器上不存在：
# Docker 一键部署（镜像内自带权重下载逻辑）
docker build -t kronos-mcp .
docker run -p 50056:50056 kronos-mcp
# 客户端接入（Claude Desktop / Cursor 同理）
# "kronos": { "command": "docker", "args": ["run", "-i", "--rm", "kronos-mcp"] }
硬件要求：CPU 可以跑（Kronos-1.5B 量化后约 1 GB 内存），有 GPU 会快 10 倍以上。服务器规格参考第 1 篇的部署章节。
它在全家桶里的位置
到这里，本系列的四块数据拼图齐了：
行情/K线（astock）──┐
龙虎榜/资金流（astock）──┼──→ 因子挖掘（factor-miner）──→ 综合信号
新闻（news-mcp）──┘ │
K 线预测（kronos）──────────────────────────────┘
但"信号齐了"不等于"可以下单"。一个 +3% 预期收益的预测，遇到 653% 涨幅的新股照样应该被拒绝。下一篇的主角是 Laya——一个非自回归的 System 1 决策引擎，负责在信号和下单之间放一道闸门。
项目地址：github.com/JingxuanC/kronos-mcp 模型论文：Kronos: A Foundation Model for the Language of Financial Markets（arXiv:2503.08677）