polymarket-predictions

该数据集名为“THE ORACLE — Polymarket predictions”，包含来自Polymarket预测市场的实时预测数据，由名为THE ORACLE的自主代理生成，该代理由$ORACLE pump.fun的创建者费用资助。它提供基于实时订单簿信号（如动量、微观结构和流动性）的基线模型预测，覆盖100个不同市场，并在每个代理周期刷新。数据以JSON和CSV格式提供，主要字段包括：问题描述、类别、市场概率、Oracle预测概率、边缘值、置信度、信号、模型名称、回测准确率、AUC（曲线下面积）、可模型性、交易量、流动性、结束日期和数据捕获时间。适用于预测市场分析、金融模型研究、风险评估和量化交易策略开发等任务。数据集采用MIT许可证，并附有“不构成财务建议”的免责声明。

The dataset is named THE ORACLE — Polymarket predictions and contains real-time prediction data from the Polymarket prediction market, generated by an autonomous agent called THE ORACLE, which is funded by the creator fees of $ORACLE pump.fun. It provides baseline model predictions based on real-time order book signals (including momentum, microstructure, and liquidity), covering 100 different markets and refreshed at each agent cycle. Data is provided in JSON and CSV formats, with key fields including: question description, category, market probability, Oracle prediction probability, edge, confidence, signal, model name, backtest accuracy, AUC (Area Under the Curve), modelability, volume, liquidity, end date, and data capture time. It is suitable for tasks such as prediction market analysis, financial model research, risk assessment, and quantitative trading strategy development. The dataset uses the MIT license and includes a disclaimer stating not financial advice.

原始信息汇总

数据集概述：THE ORACLE — Polymarket 预测

该数据集由 THE ORACLE 自主代理生成，资金来源于 $ORACLE pump.fun 创作者费用，提供针对 Polymarket 预测市场的实时预测。每一行数据均为基于订单簿实时信号（动量、微观结构、流动性）的基线模型预测。

数据文件格式

• predictions.json / predictions.csv: 包含 100 个市场的数据，在每个代理周期更新。

数据列及含义

列名	描述
question	预测问题
category	市场类别
market_prob	市场概率
oracle_prob	系统预测概率
edge	预测边缘
confidence	置信度
signal	信号指标
model	模型名称
backtest_acc	回测准确率
auc	AUC 指标
modelability	可建模性
volume	交易量
liquidity	流动性
end_date	结束日期
captured_at	数据捕获时间

许可协议

• 许可证: MIT

标签

• polymarket
• prediction-markets
• the-oracle

搜集汇总

数据集介绍

构建方式

该数据集源自名为THE ORACLE的自主智能体，该智能体由$ORACLE代币的泵基金创作者费用资助。其核心构建逻辑在于，对Polymarket预测市场中活跃的订单簿信号（如动量、微观结构与流动性）进行实时捕捉，并通过基线模型进行系统性预测。数据集以预测结果文件（predictions.json与predictions.csv）的形式呈现，覆盖100个实时市场，并在每个智能体运行周期结束后自动刷新，从而保证了信息的时效性与连续性。

特点

该数据集最为显著的特征在于其融合了链上预测市场数据与机器学习模型的预测能力。每条记录均包含市场问题、类别、市场概率、预测概率、边缘信号、置信度、模型性能指标（如回测准确率与AUC）以及流动性等核心字段。此外，数据集还提供了“可模型化”指标，用于评估市场是否适用于算法建模，这为后续研究提供了独特的筛选维度。整体上，该数据集兼具实时性、结构性与多维分析价值。

使用方法

用户可直接通过HuggingFace平台访问并下载CSV或JSON格式的数据文件，便于集成至各类数据处理与分析管线。推荐使用Python的pandas库进行数据加载，依据市场分类或置信度等字段进行筛选过滤，进而分析不同市场的预测偏差或模型表现。对于进阶应用，可将“可模型化”字段作为辅助指标，结合时间序列分析工具对特定市场进行回溯验证或策略回测。需注意，该数据集仅供研究参考，不构成任何形式的投资建议。

背景与挑战

背景概述

预测市场作为去中心化金融（DeFi）领域的重要创新，通过聚合集体智慧为不确定性事件提供概率估计。Polymarket作为领先的预测市场平台，其订单簿数据蕴含丰富的市场信号。The Oracle数据集由基于$ORACLE代币创建费用的自主代理生成，旨在将Polymarket市场的实时订单簿信号（如动量、微观结构和流动性）转化为可操作的预测。该数据集由匿名研究团队发布于2024年，涵盖100个市场的基线模型预测结果，包括市场概率、Oracle概率、置信度等指标，为预测市场分析、算法交易及去中心化金融研究提供了标准化基准，推动了机器学习在预测市场中的交叉应用。

当前挑战

该数据集面临的核心挑战在于解决预测市场领域的信息效率问题：去中心化市场中噪声信号与真实信息难以区分，需要从订单簿微观结构中提取稳健的预测特征。构建过程中，数据采集面临API频率限制与市场数据稀疏性难题，特别是低流动性市场的信号可信度难以保障。此外，自主代理的模型需要动态适应市场条件变化，避免过拟合短期订单簿模式。数据集还面临验证困境，即缺乏统一的评估框架来比较不同基线模型在预测市场中的表现，且实时数据快照的时序一致性对回测准确性构成挑战。

常用场景

经典使用场景

在预测市场与去中心化金融的交汇地带，Polymarket作为领先的事件驱动型预测平台，吸引了大量参与者在真实资金激励下对政治、经济、体育等未来事件进行交易。polymarket-predictions数据集捕捉了这一过程的精华，其经典使用场景在于利用实时订单簿信号（如动量、微观结构与流动性）构建基线预测模型。研究人员可通过该数据集评估市场概率与预测概率之间的偏差，探索信息聚合效率与市场有效性，为理解集体智慧在区块链环境中的运作机制提供坚实的数据基础。

实际应用

在实际应用中，polymarket-predictions数据集表现为一个动态的风险感知与决策辅助工具。投资者与分析师可借助其中每轮代理周期更新的边际概率与置信度，实时捕捉市场情绪的微妙转向，从而优化资产配置或对冲策略。数据集中包含的‘边缘’（edge）与‘信号’字段，尤为适用于构建量化交易信号，辅助自动套利系统在Polymarket平台上寻找定价偏离机会。此外，该数据集还可服务于监管科技领域，用于监测市场操纵迹象与异常交易行为。

衍生相关工作

围绕polymarket-predictions数据集衍生出的一系列经典工作聚焦于预测模型的本体论重构与校准策略优化。研究者已基于该数据开发了融合Transformer与LSTM的时序预测网络，以捕捉订单簿信号中的非线性依赖；同时，多项工作深入探讨了置信度校准技术，如Platt缩放与保序回归，用于提升预测概率的可靠性。此外，该数据集催生了关于自治代理（如THE ORACLE）可信度评估的标杆研究，定义了在去中心化环境中衡量模型可预测性（modelability）的新框架，为后续自主预测系统的设计奠定了方法论基础。