usa-2026-midterms-divergence

该数据集名为“AFOS — 美国2026年中期选举差异数据集（v1.0.0，选举前版本）”，旨在量化同一选举事件中预测市场定价与民意调查结果之间的逐日差异。数据集包含以下内容：379项全国性通用选票民调，来自63家民调机构，实地调查时间从2025年4月19日至2026年8月17日，其中377项附有机构来源URL；9120条市场价格数据，涵盖9个Polymarket合约（包括众议院控制、参议院控制、席位分布、投票率、普选票差距以及选举是否如期举行）；307条新闻标题，来自23家媒体，历时31天收集；以及一个已确认结果的选举案例——德克萨斯州共和党参议院初选，Ken Paxton以63.8%的得票率击败John Cornyn。数据集提供多个配置（configs），分别对应不同选举指标（如通用选票、众议院控制、参议院控制、席位分布等），所有数据以CSV格式存储。适用任务包括选举预测分析、民调与市场差异研究、政治新闻传播分析等。注意：数据集为选举前版本，尚未有认证结果进行评分，v2版本将在认证后发布。使用时需避免将市场概率与民调领先幅度直接相减，需按市场slug过滤，并注意区分不同选民样本类型（LV、RV、A）。This dataset is named AFOS — US 2026 Midterm Election Discrepancy Dataset (v1.0.0, pre-election version), aiming to quantify the day-to-day differences between prediction market prices and poll results for the same election event. The dataset contains: 379 national general election polls from 63 pollsters, fielded from April 19, 2025 to August 17, 2026, with 377 having source URLs; 9,120 market price data points covering 9 Polymarket contracts (including House control, Senate control, seat distribution, turnout, popular vote margin, and whether the election will be held as scheduled); 307 news headlines from 23 media outlets collected over 31 days; and one confirmed election case—the Texas Republican Senate primary where Ken Paxton defeated John Cornyn with 63.8% of the vote. The dataset provides multiple configs corresponding to different election indicators (e.g., generic ballot, House control, Senate control, seat distribution, etc.), with all data stored in CSV format. Applicable tasks include election prediction analysis, poll-market discrepancy research, and political news dissemination analysis. Note: The dataset is a pre-election version without certified results for scoring; a v2 version will be released after certification. When using, avoid directly subtracting market probabilities from poll leads, filter by market slug, and distinguish between different voter sample types (LV, RV, A).

原始信息汇总

AFOS — 美国2026年中期选举分歧数据集（v1.0.0，选前版）

概览

• 许可协议：CC BY 4.0
• 语言：英语（en）、葡萄牙语（pt）、西班牙语（es）
• 标签：选举、预测市场、民意调查、美国、2026年中期选举、分歧
• DOI：10.7910/DVN/XRUT8U（Harvard Dataverse）

核心内容

• 379项全国性generic-ballot民意调查，来自63家民调机构，实地调查时间为2025年4月19日至2026年8月17日，其中377项附有机构自有的来源URL
• 9120条市场价格数据，覆盖9个Polymarket合约：包括议院控制权、席位分布、投票率、普选票差距，以及选举是否按计划举行
• 307条新闻标题，来自31次日度汇总，覆盖固定清单中的23家媒体
• 一项已有确定结果的选举：德克萨斯州共和党参议院初选决选

已知结果的案例

• 德克萨斯州参议院共和党决选于2026年5月26日揭晓，Ken Paxton以63.8%的得票率击败John Cornyn，投票总数超过138万
• 市场此前将Paxton的价格维持在57%至62%之间长达五周，后在5月21日（投票前五天）跳升至94.5%
• 说明：市场价格是概率，选举结果是得票份额，两者性质不同，不能直接相减

使用注意事项

• 禁止将市场概率与民调差距直接相减：一个是控制议院的概率，另一个是得票点数的领先，二者不可混同
• 必须按market_slug筛选：众议院和参议院的结果名称相同，需要区分
• 不要将LV、RV和A三类样本当作同一序列比较

数据结构（12个配置）

配置名称	数据文件
generic_ballot	polls/us-generic-ballot.csv
house_control	data/house-control.csv
senate_control	data/senate-control.csv
election_as_scheduled	data/election-as-scheduled.csv
house_seats_distribution	data/house-seats-distribution.csv
senate_seats_distribution	data/senate-seats-distribution.csv
governors_distribution	data/governors-distribution.csv
turnout_distribution	data/turnout-distribution.csv
popular_vote_margin_distribution	data/popular-vote-margin-distribution.csv
texas_senate_primary	data/texas-senate-primary.csv
distribution_coherence	data/distribution-coherence.csv
press_timeline	press/us-press-timeline.csv

数据复现

• 使用Node.js脚本构建数据与元数据，脚本仅读取AFOS仓库中版本化的文件
• CHECKSUMS.txt中保存了所有文件的SHA-256校验值

引用信息

• 引用格式：Felipe, Andre, 2026, "AFOS · USA 2026 Midterms Electoral Divergence Dataset (v1, pre-electoral)", https://doi.org/10.7910/DVN/XRUT8U, Harvard Dataverse.
• 引用中不包含版本号，DOI始终指向最新版本

其他说明

• 数据许可为CC BY 4.0，代码许可为Apache 2.0
• 选举日期为2026年11月3日，目前尚无官方认证结果，本版本为非黄金标准版本，v2版本将在认证后发布

搜集汇总

数据集介绍

构建方式

该数据集由美国2026年中期选举前的多源异构数据汇聚而成，涵盖全国性政党投票倾向调查、预测市场合约价格、新闻标题时间线及一场已决出的党内初选结果。数据构建依托AFOS仓库的脚本自动生成，并配以详细的元数据文档与校验和，确保可复现性与数据完整性。其核心特色在于将市场定价与民调测量置于同一时间轴，为选举预测研究提供了独特视角。

特点

数据集时间跨度从2025年4月19日至2026年8月17日，包含来自63家民调机构的379项全国性调查、9个Polymarket市场合约的9120条价格记录、31天收集的307条新闻标题，以及德州参议院初选的确定结果。各子集独立配置，便于研究者按需加载。该数据集的突出特点是明确区分市场概率与民调百分点，避免常见的直接相减错误，并提醒使用者注意样本类型差异。

使用方法

使用时需按`market_slug`字段筛选特定市场的合约数据，避免众议院与参议院结果同名混淆。分析时应结合民调与市场价格的时间序列，探究两者之间的动态关系，如德州案例中市场价格在选举前五日跳升的现象。对于预测评估，需谨慎处理概率与份额的非同质性，建议采用校准分析而非直接比较。数据文件以CSV格式存储，兼容主流数据分析工具，便于进行回归、可视化及稳健性检验。

背景与挑战

背景概述

该数据集由Andre Felipe于2026年创建，并发布于哈佛Dataverse，旨在系统性地记录美国2026年中期选举前预测市场与民意调查之间的分歧。其核心研究问题在于，通过每日粒度对齐预测市场（如Polymarket）所隐含的概率与民调所显示的投票意向，揭示两者在选举前不同阶段的结构性差异。数据集涵盖了379项全国性民调、9120条市场价格记录、307条新闻标题，以及一个已决选的德克萨斯州参议院初选案例，为选举预测研究提供了独特的实证基础。该数据集在选举预测领域具有开创性意义，为分析市场效率、民调误差及信息传播机制提供了高分辨率的数据支持。

当前挑战

该数据集面临的挑战主要源于其预选举性质：由于选举尚未举行，缺乏认证结果来评估预测准确性，因此无法构建金标准版本。构建过程中，需处理市场概率与民调幅度的本质差异——前者是控制议会的概率，后者是选票领先幅度，二者不可直接相减，否则易导致误解。此外，数据集需区分不同市场合约（如众议院与参议院）及样本类型（LV、RV、A），避免跨类型比较带来的偏差。同时，构建过程中需严格处理数据来源的验证、时间对齐及多语言（英、葡、西）标注，确保数据的一致性和可复现性。

常用场景

经典使用场景

该数据集的核心价值在于构建选举预测模型的基准测试框架。研究者可利用其丰富的市场定价、民意调查及媒体情绪时间序列，对比不同预测方法在中期选举场景下的表现。数据涵盖全国性政党投票意向、参众两院控制权概率、席位分布、投票率及民调差距分布等关键变量，为验证模型泛化能力提供了多维度、细粒度的实证基础。尤其适合用于概率校准研究，评估预测系统输出的概率值与实际结果之间的一致性。

实际应用

在现实世界中，该数据集可为政治咨询、竞选策略制定及新闻媒体报道提供数据驱动的洞见。竞选团队能据此分析市场情绪与民调趋势的背离，及时调整资源投放和信息传播策略。新闻机构可利用时间线数据追踪关键事件对选举预期的冲击，增强报道的深度与准确性。对于金融科技领域，数据集亦有助于开发政治事件驱动的交易模型，识别市场定价中的异常波动与套利机会，为量化投资者提供另类数据支持。

衍生相关工作

该数据集催生了多项衍生研究。其一，基于德州参议院初选这一已决案例，学者可开展预测市场校准的实证检验，探索价格跳跃事件背后的信息传导机制。其二，分布一致性文件支持开发贝叶斯层次模型，以联合推断各政治机构的概率分布，提升对选举结果的联合预测能力。其三，媒体时间线与市场收盘价的对应关系，为自然语言处理与情感分析提供了标注语料，用于构建政治事件影响市场的预测系统。这些工作共同拓展了选举预测、政治传播与计算社会科学的交叉领域。