استخدام بياناتك الخاصة
بعد إكمال هذا القسم، ستكون قادرًا على تغذية شموع K لسهم تملكه إلى KiT: إما بوضعها في بنية مجلدات البيانات التجريبية واستخدام السكربت الرسمي مباشرة، أو بالاستدعاء من كود Python الخاص بك.
1. كيف تبدو البيانات
ملف parquet واحد لكل سهم ولكل دقة زمنية، بستة أعمدة:
| العمود | النوع | الوصف |
|---|---|---|
datetime | datetime64، بدون منطقة زمنية | وقت الانتهاء لهذه الشمعة، مثلًا لشموع الساعة 1: 10:30 و11:30 و14:00 و15:00 |
open high low close | float64 | الأسعار المعدلة بالأثر الرجعي |
volume | float64 | حجم التداول |
::: تحذير: README يذكر date بينما الكود يستخدم datetime اسم العمود المذكور في قسم "Using Your Own Data" في README الرسمي هو date، لكن البيانات التجريبية والكود يقرآن datetime. استخدم datetime. :::
يوضع في:
data/ashare/<粒度>/<代码>.parquet 例如 data/ashare/1d/600000.SH.parquetاحفظه باستخدام pandas:
import pandas as pd
df = pd.read_csv("600000_daily.csv", parse_dates=["datetime"]) # 你自己的数据
df = df[["datetime", "open", "high", "low", "close", "volume"]].astype(
{"open": "float64", "high": "float64", "low": "float64", "close": "float64", "volume": "float64"})
df.to_parquet("data/ashare/1d/600000.SH.parquet", index=False)النقاط المهمة:
- استخدم الأسعار المعدلة بالأثر الرجعي. إذا استخدمت أسعارًا غير معدلة يوم توزيع الأرباح، سيظن النموذج أن السهم انهار انهيارًا كبيرًا.
- يُكتب وقت الشموع اليومية 15:00 عند الإغلاق. البيانات التجريبية هكذا (
2026-04-10 15:00:00). - يجب ألا تكون هناك فجوات في أيام التوقف عن التداول. يتحقق السكربت من الأوقات المستقبلية وفق تقويم أيام التداول، وإذا لم تتطابق يرفض نقطة الارتكاز هذه.
2. instruments.json: ما هذا السهم
لكل سهم تم تدريب النموذج عليه رقم (vocab_index) يقابل متجه "هوية" تعلمه. ملف instruments.json في البيانات التجريبية يحتوي على 100 سهم فقط:
"300368.SZ": {"market": "ashare", "sector": 0, "vocab_index": 1369}ملف ckpt/step_market_284M/instruments.json المرفق مع حزمة الأوزان يحتوي على 4830 سهم (أسهم A股 وأسهم أمريكية وعملات مشفرة). إذا كان سهمك موجودًا فيه، انسخ سطره كما هو إلى data/instruments.json دون تغيير أي رقم: بطاقة النموذج الرسمية تنبه تحديدًا إلى أن هذه الأرقام مختارة لأنها متجهات هوية مدرَّبة.
إذا لم يكن موجودًا (مثل سهم مدرج حديثًا)، أعطه "sector": 0, "vocab_index": 0. 0 يعني "غير معروف"، فيتنبأ النموذج بناءً على شموع K نفسها فقط. أثناء التدريب استُبدلت الهوية عمدًا بـ"غير معروف" في جزء من العينات (الإسقاط المشروط في القسم 3.5 من الورقة)، لذا فقد تعلم النموذج هذه الحالة.
3. stats.json: لا تعِد حسابه بنفسك
stats.json هو مقياس التحجيم لكل تركيبة "سوق | دقة زمنية | خاصية"، مثل ashare|1d|r_body. استخدم النموذج هذه المقاييس أثناء التدريب لتحجيم الأرقام الخمسة إلى نطاق متقارب، ويجب استخدام المجموعة نفسها عند الاستدلال، كما تُستخدم أيضًا لاستعادة القيم بعد التنبؤ.
لذلك: عند استخدام بيانات A股، استخدم ملف stats.json الرسمي مباشرة. يوجد في الكود fit_stats يمكنه إعادة حساب مجموعة من البيانات، لكنه مخصص لتدريب نماذج جديدة؛ فإذا غذيت النموذج الرسمي بمقاييس محسوبة حديثًا، سيصبح توزيع المدخلات مختلفًا عن التوزيع الذي تعلمه.
4. استخدام السكربت الرسمي
بعد وضع البيانات وinstruments.json، كما في البيانات التجريبية:
python eval/infer_for_pred.py --case 600000.SH,1d,2026-03-10يتطلب هذا السكريبت وجود بيانات حقيقية بعد نقطة الارتكاز (فهو يصحّح الإجابة). إذا أردت التنبؤ بـ«ما بعد الغد» ولم تكن لديك بيانات حقيقية بعد، فاستخدم واجهة Python أدناه.
5. الاستدعاء من الكود الخاص بك
احفظ ما يلي باسم my_forecast.py داخل مجلد KiT (إذا وضعته في مجلد آخر فلن يتم العثور على kit_v1)، ثم نفّذ python my_forecast.py:
import json
from pathlib import Path
import torch
from kit_v1.data.calendar import load_trading_days
from kit_v1.data.normalize import load_stats
from kit_v1.infer import (load_model_and_config, prepare_inference_window,
flow_sample, denormalize_paths, paths_to_ohlcv)
data = Path("data")
stats = load_stats(data / "stats.json")
tdays = load_trading_days(data / "trade_dates.csv")
model, cfg = load_model_and_config("ckpt/step_market_284M.pt", "tiny", 0)
model.cuda().eval()
scale = "1d"
Lc, Lh = cfg.data.window_for(scale) # 日线:250, 20
inst = json.loads((data / "instruments.json").read_text())["300368.SZ"]
win = prepare_inference_window(
data / "ashare" / scale / "300368.SZ.parquet", "ashare", scale, Lc, Lh, stats,
soft_clip_c=cfg.data.soft_clip_c, half_life_days=cfg.data.vol_ema_half_life_days,
end_ts=None, # None = 用数据的最后一根当锚点
sector_id=inst["sector"], inst_id=inst["vocab_index"], trading_days=tdays)
paths = flow_sample(model, win["x_ctx"], win["cond"], Lh=Lh, steps=32, n_paths=16,
precision="bf16", generator=torch.Generator().manual_seed(0))
feats = denormalize_paths(paths, "ashare", scale, stats, c=cfg.data.soft_clip_c)[0]
pred = paths_to_ohlcv(feats, win["prev_close"], win["prev_ema"], win["half_life_bars"])
print(win["future_timestamps"][0], pred["close"].shape) # 第一根未来 K 线的时间,(16, 20)ينبغي أن ترى:
[info] loaded EMA weights (step=50000)
2026-04-13 15:00:00 (16, 20)آخر شمعة في البيانات التجريبية هي 2026-04-10 (يوم الجمعة)، لذا فإن أول شمعة مستقبلية هي يوم الاثنين من الأسبوع التالي، أي اليوم 13 من الشهر 4. عند end_ts=None تكون نقطة الارتكاز هي آخر شمعة في البيانات، وتُحسب تواريخ الـ 20 شمعة مستقبلية بالتقدم للأمام وفق تقويم أيام التداول (يجب أن يغطي trade_dates.csv تلك التواريخ، وإلا فسيتم تخطي عطلات نهاية الأسبوع فقط). يحتوي pred على أسعار الافتتاح والأعلى والأدنى والإغلاق وحجم التداول لـ 16 مسارًا، وكل منها مصفوفة بحجم (16, 20).
هذا هو نفس ترتيب الاستدعاءات المستخدم داخليًا في السكريبت الرسمي، ويمكنك مقارنته بـ eval/infer_for_pred.py.
اختبر معرفتكسهمك غير موجود في instruments.json الرسمي، كيف يجب أن تملأه؟
تحقق من
- ملف parquet الخاص بي يحتوي على الأعمدة الستة
datetime, open, high, low, close, volume، والأسعار معدّلة بالأثر الرجعي - أعلم أن المعرّفات في
instruments.jsonيجب نسخها كما هي من حزمة الأوزان، وإذا لم توجد فيُملأ بـ 0 - حصلت عبر واجهة Python على مصفوفة تنبؤ بحجم
(16, 20)
القسم التالي: بنية النموذج.