polymarket-btc1h

本数据集包含与比特币（BTC）相关的金融市场数据，由两部分构成：1) 来自Polymarket平台的BTC L2（Level 2，订单簿深度）数据，时间分辨率为1小时tick级别。2) 来自币安（Binance）交易所的BTC/USDT交易对成交价数据，采样频率为1秒。币安的数据在时间上与Polymarket的数据相对应。该数据集适用于加密货币市场的跨平台分析、价格形成机制研究、市场微观结构探索以及量化交易策略的开发和回测等任务。This dataset contains financial market data related to Bitcoin (BTC), consisting of two parts: 1) BTC L2 (Level 2, order book depth) data from the Polymarket platform, with a time resolution of 1-hour tick level. 2) BTC/USDT trading pair price data from the Binance exchange, sampled at a frequency of 1 second. The Binance data corresponds in time to the Polymarket data. This dataset is suitable for tasks such as cross-platform analysis of the cryptocurrency market, research on price formation mechanisms, exploration of market microstructure, and development and backtesting of quantitative trading strategies.

原始信息汇总

数据集概述

• 数据集名称：Polymarket BTC 1小时 Tick L2数据
• 数据集地址：https://huggingface.co/datasets/MAICHEN/polymarket-btc1h
• 许可证：MIT

数据内容

• Polymarket BTC：1小时 tick 级别的 L2 数据。
• 币安 BTC/USDT：对应时间的成交价数据，采样频率为 1 秒。

搜集汇总

数据集介绍

构建方式

该数据集聚焦于Polymarket平台上的BTC 1小时时间粒度的L2订单簿数据，并结合了全球最大加密货币交易所币安的BTC/USDT交易对数据。在构建过程中，研究人员以整点时刻为采样基准，同步采集Polymarket的layer2订单簿快照，同时以1秒的极高频率连续记录币安平台上的实际成交价格，从而构建出一个跨平台的、时间对齐的金融数据集。这种双源异构数据的融合设计，为分析预测市场与传统现货市场之间的价格联动提供了精准的数字化原料。

使用方法

使用时，研究人员可按时间戳将币安的秒级成交价数据聚合为与Polymarket订单簿数据相一致的1小时刻度，以进行序列对齐与回归分析。该数据集适合用作因果关系推断、波动率传导建模或跨市场套利策略的回测基础。推荐使用Pandas库加载数据，通过merge操作将两个来源的数据按时间窗口拼接，进而开展关于市场深度变化与即刻成交价交互的量化研究。对于关注预测市场效率的学者而言，此为不可多得的实证素材。

背景与挑战

背景概述

Polymarket BTC 1小时tick级别L2数据与币安1秒采样成交价数据集的创建，旨在弥合去中心化预测市场与传统中心化交易所之间数据鸿沟。该数据集由匿名研究团队于2023年发布，核心研究问题聚焦于探索Polymarket上比特币价格发现效率及其与主流交易所价格波动的关联性。作为首个将链上L2订单簿数据与高频现货市场对齐的公开资源，它推动了预测市场微观结构、跨市场套利及信息传导效率的实证研究，为去中心化金融领域的数据驱动分析提供了关键基础设施。

当前挑战

该数据集首要挑战在于解决去中心化交易所与传统中心化市场数据粒度和时间锚定不一致的领域问题——Polymarket L2 tick数据为小时级别，而币安成交价为秒级，需设计鲁棒的时频对齐算法以避免信息损失。构建过程中面临数据获取障碍：Polymarket链上数据需解析智能合约事件日志，存在延迟和丢失风险；币安API受速率限制，高频采样易触发反爬机制。此外，链上交易的gas费用波动导致订单簿状态采样不均匀，增加了数据清洗与异常值处理的复杂度。

常用场景

经典使用场景

Polymarket BTC 1小时级别L2订单簿数据，结合币安1秒采样频率的BTC/USDT成交价数据，为金融时间序列分析与市场微观结构研究提供了独特的实验平台。研究者可利用该数据集挖掘预测市场与现货交易所之间的价格发现机制、信息传导效率与跨市场套利机会。基于高频订单簿与成交价的双轨数据，能够构建诸如订单流不平衡、买卖价差动态、市场深度变化等精细指标，用于训练和评估预测比特币短期价格波动的深度学习模型或强化学习交易策略。

解决学术问题

该数据集主要解决了预测市场（如Polymarket）与传统中心化交易所（如币安）之间价格关联与信息层叠结构难以量化分析的学术问题。通过提供同步对齐的L2订单簿与交易价格数据，研究者得以深入探究Polymarket这一新兴去中心化预测平台是否对现货市场价格具有领先指示作用，以及多市场间的套利效率与市场摩擦。这有助于揭示加密资产在异构市场结构下的定价机制，丰富行为金融学与市场有效性理论在数字资产领域的实证研究。

实际应用

在实际金融场景中，该数据集可被用于开发跨市场套利策略与风险对冲工具。量化交易团队能够基于Polymarket的L2深度与币安实时成交价，设计算法识别因市场情绪或信息不对称导致的价格偏离，从而执行套利交易。此外，该数据集还适用于构建市场情绪监测系统，通过分析预测市场订单簿变化来提前预判现货价格走势，辅助数字资产投资决策与做市商流动性管理。

数据集最近研究

最新研究方向

该数据集聚焦于预测市场（Polymarket）与中心化交易所（币安）在比特币价格发现机制上的微观结构差异。前沿研究利用1小时tick级别的Polymarket订单簿L2数据与币安1秒高频成交价数据，探究去中心化预测市场的流动性深度、买卖价差及动态价格发现效率。当前热点事件包括美国总统大选、美联储货币政策等宏观不确定性下的比特币波动聚集效应，研究者正通过该数据集验证预测市场是否具备领先于传统交易所的价格信号，并评估其信息传递的异质性。这一方向不仅揭示了算法交易在异构市场间的套利边界，也为监管机构理解DeFi与传统金融的跨市场风险传染提供了实证基础。