Skip to content

KiT: dejar que el modelo dibuje las velas del futuro ​

El pronóstico del tiempo no dice solo "mañana 23 grados", dice "probabilidad de lluvia del 60%". Porque el mañana, en sí, tiene muchas posibilidades.

KiT mira las acciones con la misma idea: después de leer un tramo de velas, no da un solo número, sino que dibuja 16 (o más) trayectorias futuras posibles. A continuación se muestra una salida real suya; arrastra el deslizador y mira cómo esas 16 líneas "crecen" a partir de un montón de ruido:

Ver una vezCómo dibuja KiT las 20 velas futurasSalida real: 300733.SZ · velas de 1 hora
Ancla 2026-02-09 15:0029.37

El modelo primero lee el historial: 400 velas de 1 hora pasadas (aquí solo se dibujan las últimas 48).

Qué es KiT ​

KiT es un modelo fundacional de predicción de velas propuesto por Boyu Zhang y Haorui Li; el artículo está en arXiv:2609.34507, y el código y los pesos son de código abierto (AGPL-3.0). Fue entrenado con miles de millones de velas de acciones estadounidenses, acciones A y criptomonedas en siete granularidades que van de 1 minuto a 1 día; en las pruebas del artículo superó a los modelos de comparación Kronos, Chronos y TimesFM tanto en predicción de rentabilidad como en predicción de volatilidad.

Qué tendrás en las manos al terminar ​

  • Un entorno con KiT instalado y el modelo oficial de 2.84 centenas de millones de parámetros
  • Gráficos de predicción generados por ti mismo: cualquier acción de demostración, cualquier punto temporal, siete granularidades
  • Entender qué calculan la evaluación y el backtesting, y saber qué significa el RankIC de 0.057 que aparece en el artículo
  • Un KiT pequeño entrenado por ti y una versión ajustada con datos nuevos de 2026, ambos capaces de generar gráficos de predicción
  • Leer el artículo completo: por qué cada diseño se hizo así y cuánto vale según los experimentos de ablación

Qué necesitas preparar ​

  • Una tarjeta gráfica NVIDIA. La recomendación oficial es memoria de vídeo de 6GB o más; nosotros usamos una RTX 4080 SUPER de 16GB, con un pico de unos 2.1GB al inferir sobre velas de 1 hora y unos 4.3GB al entrenar el modelo pequeño
  • Python 3.10 o superior, y saber escribir comandos en la terminal
  • Unos 3GB de disco: 1.1GB de pesos, 1.2GB de datos de demostración

Apto para quien ya sabe algo de redes neuronales: basta con conocer qué son el entrenamiento, la función de pérdida y el Transformer. No hace falta entender de antemano los modelos de difusión ni el flow matching; el curso parte de ejemplos y luego llega a las fórmulas, las formas de los tensores y el código fuente. Quien solo quiera usar el modelo para generar predicciones no necesita ningún conocimiento de aprendizaje automático en los dos primeros capítulos.

Organización del curso ​

EtapaQué lograrás
InicioEntender qué hace KiT; instalar entorno, pesos y datos; generar el primer gráfico de predicción
InferenciaCambiar de acción, de punto temporal y de granularidad; elegir entre velocidad y precisión; entender la evaluación y el backtesting; conectar tus propios datos
EntrenamientoEntender la arquitectura del modelo y el objetivo de entrenamiento; entrenar desde cero un modelo pequeño de 3100 × 10⁴ parámetros; ajustar sobre los pesos oficiales
Leer el artículoLeer el artículo de KiT desde cero: tres dificultades y tres respuestas, la razón de cada diseño y cómo interpretar cada tabla de resultados y ablación
Consulta rápidaErrores y preguntas frecuentes

Aviso

Este curso solo explica cómo usar y entrenar el modelo, con fines de estudio e investigación. La salida del modelo no constituye ningún consejo de inversión, y los resultados del backtesting no representan rentabilidades futuras.

Empieza por Qué es KiT.

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.