Skip to content

Con tus propios datos ​

Al terminar esta sección, podrás darle a KiT las velas de una acción que tengas a mano: bien colocándolas en la estructura de directorios de los datos de demostración y usando directamente los scripts oficiales, o bien invocándolas desde tu propio código Python.

1. Cómo son los datos ​

Un archivo parquet por acción y por granularidad, con seis columnas:

ColumnaTipoDescripción
datetimedatetime64, sin zona horariaLa hora de cierre de esta vela, por ejemplo en velas de 1 hora a las 10:30, 11:30, 14:00, 15:00
open high low closefloat64Precios ajustados hacia atrás
volumefloat64Volumen de negociación

El README dice date, el código usa datetime

El nombre de columna indicado en la sección “Using Your Own Data” del README oficial es date, pero tanto los datos de demostración como el código leen datetime. Usa datetime.

Guárdalo en:

text
data/ashare/<粒度>/<代码>.parquet     例如 data/ashare/1d/600000.SH.parquet

Guárdalo con pandas:

python
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)

Puntos clave:

  • Usa precios ajustados hacia atrás. El día de un ajuste por división, si se usan precios sin ajustar, el modelo pensará que hubo un desplome enorme.
  • En datos diarios, la hora se escribe como 15:00 al cierre. Los datos de demostración son así (2026-04-10 15:00:00).
  • No puede haber huecos en los días de suspensión de cotización. El script verifica los tiempos futuros contra el calendario de negociación y, si no coinciden, rechaza ese punto de anclaje.

2. instruments.json: quién es esta acción ​

Cada acción entrenada tiene un número (vocab_index) en el modelo, correspondiente a un vector de “identidad” aprendido. El instruments.json de los datos de demostración solo tiene 100 acciones:

json
"300368.SZ": {"market": "ashare", "sector": 0, "vocab_index": 1369}

El ckpt/step_market_284M/instruments.json incluido en el paquete de pesos tiene 4830 acciones (acciones A, acciones de EE. UU. y criptomonedas). Si tu acción está ahí, copia su entrada tal cual a data/instruments.json, sin cambiar ni un solo número: la ficha oficial del modelo advierte específicamente que estos números corresponden a vectores de identidad ya entrenados.

Si no está (por ejemplo, una recién listada), asigna "sector": 0, "vocab_index": 0. 0 significa “no reconocido”, y el modelo predice solo a partir de las velas. Durante el entrenamiento, a una parte de las muestras se les cambió deliberadamente la identidad por “no reconocido” (descarte condicional de la sección 3.5 del artículo), así que el modelo aprendió esta situación.

3. stats.json: no lo recalcules por tu cuenta ​

stats.json contiene la escala de normalización de cada combinación de “mercado | granularidad | característica”, por ejemplo ashare|1d|r_body. Durante el entrenamiento, el modelo usó ese conjunto de escalas para llevar los cinco valores a un rango similar; en la inferencia hay que usar exactamente el mismo, y también se usa para deshacer la normalización tras la predicción.

Por lo tanto: cuando uses datos de acciones A, usa directamente el stats.json oficial. El código incluye fit_stats, que recalcula un conjunto a partir de los datos, pero eso es para entrenar modelos nuevos: si alimentas el modelo oficial con escalas recién calculadas, la distribución de entrada será distinta de la que aprendió.

4. Usar el script oficial ​

Con los datos y el instruments.json en su lugar, igual que con los datos de demostración:

bash
python eval/infer_for_pred.py --case 600000.SH,1d,2026-03-10

Este script exige que existan datos reales después del punto de anclaje (necesita comparar con la respuesta). Si quieres predecir “a partir de mañana en adelante” y aún no tienes datos reales, usa la interfaz de Python de abajo.

5. Invocarlo en tu propio código ​

Guarda lo siguiente como my_forecast.py dentro del directorio KiT (en otro directorio no encontrará kit_v1), y luego python my_forecast.py:

python
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)

Deberías ver:

text
[info] loaded EMA weights (step=50000)
2026-04-13 15:00:00 (16, 20)

La última vela de los datos de demostración es 2026-04-10 (viernes), así que la primera vela futura es el lunes 13 de 4. Con end_ts=None, el ancla es la última vela de los datos, y los tiempos de las 20 velas futuras se avanzan según el calendario de negociación (trade_dates.csv debe cubrir esas fechas; de lo contrario, solo saltará los fines de semana). En pred están la apertura, el máximo, el mínimo, el cierre y el volumen de 16 trayectorias, cada uno un array de (16, 20).

Este es exactamente el orden de invocación interno del script oficial; puedes compararlo con eval/infer_for_pred.py.

Pon a prueba tus conocimientosTu acción no está en el instruments.json oficial, ¿cómo deberías rellenarlo?

Verifica ​

  • Mi parquet tiene las seis columnas datetime, open, high, low, close, volume y los precios están ajustados hacia atrás
  • Sé que el número de instruments.json debe copiarse tal cual del paquete de pesos, y si no está, se pone 0
  • Obtuve un array de predicciones de (16, 20) con la interfaz de Python

Siguiente sección: estructura del modelo.

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.