遇见数据集

polymarket-arena-capture

收藏
Hugging Face2026-06-26 更新2026-06-29 收录
官方服务:

资源简介:

Polymarket Arena — Live Capture数据集是Polymarket短周期加密货币涨跌预测市场的原始实时市场数据集合。该数据集通过持续运行的WebSocket收集器捕获,订阅Polymarket的中央限价订单簿(CLOB)的交易与订单簿流以及实时数据流(RTDS)价格源,并将数据持久化存储至SQLite数据库,然后导出为无损Parquet格式(采用zstd 9级压缩)。数据窗口从2026年6月4日开始并持续更新(每日增长),保真度高,包含完整的原始数据行,未进行任何下采样或行过滤。数据涵盖BTC、ETH、SOL、XRP、BNB、DOGE等多种加密货币在5分钟、15分钟和1小时时间框架下的“涨/跌”市场。数据集包含三个核心表:`cap_trades`表记录在Polymarket CLOB上已执行的交易,包含交易ID、时间戳、资产ID、价格(概率值)、数量、买卖方向、底层资产、结果方向、市场slug、条件ID、窗口开始与结束时间等字段;`cap_book`表提供订单簿快照(包括买卖盘最优价和深度数据),以约2秒的节奏为每个代币捕获,包含最优买卖价、买卖盘数量、深度阶梯数据(JSON格式)等;`cap_prices`表记录底层现货或参考价格的实时跳动数据,包含来源(如币安、Chainlink)、资产、价格值和原始载荷JSON。数据布局采用混合模式:根目录下的`<表名>.parquet`文件包含初始回填数据(2026-06-04至06-15),而`daily/<表名>/<UTC时间>.parquet`目录则包含此后每日追加的增量数据。加载任一配置即可获得完整连续历史。需要注意的是,时间戳`ts_ms`为捕获时间(收集器时钟),而非交易所匹配时间;交易价格`price`为0到1之间的概率值,代表事件发生的预估概率;该数据集为纯粹的观测性市场数据,不包含任何代理或策略标签。该数据集适用于预测市场分析、高频交易研究、订单簿建模、市场微观结构分析以及加密货币价格与预测市场关联性研究等任务。

The Polymarket Arena — Live Capture dataset is a collection of raw real-time market data from Polymarkets short-term cryptocurrency up/down prediction markets. It is captured through a continuously running WebSocket collector that subscribes to Polymarkets Central Limit Order Book (CLOB) trade and order book streams, as well as Real-Time Data Stream (RTDS) price feeds, with data persisted in an SQLite database and exported in a lossless Parquet format (using zstd level 9 compression). The data window starts from June 4, 2026, and is continuously updated (growing daily). The dataset has high fidelity, containing complete raw data rows without any downsampling or row filtering. It covers multiple cryptocurrencies such as BTC, ETH, SOL, XRP, BNB, and DOGE across 5-minute, 15-minute, and 1-hour time frames for up/down markets. The dataset includes three core tables: the `cap_trades` table records executed trades on the Polymarket CLOB, with fields like trade ID, timestamp, asset ID, price (probability value), quantity, buy/sell direction, underlying asset, outcome direction, market slug, condition ID, window start and end times; the `cap_book` table provides order book snapshots (including best bid/ask prices and depth data) captured approximately every 2 seconds per token, containing best bid/ask, bid/ask quantities, depth ladder data (in JSON format); and the `cap_prices` table records real-time tick data for underlying spot or reference prices, including sources (e.g., Binance, Chainlink), asset, price value, and raw payload JSON. The data layout uses a hybrid pattern: `<table_name>.parquet` files in the root directory contain initial backfilled data (from 2026-06-04 to 06-15), while the `daily/<table_name>/<UTC_time>.parquet` directory includes daily incremental data appended thereafter. Loading any configuration provides complete continuous history. Note that the timestamp `ts_ms` is the capture time (collector clock), not the exchange matching time; the trade price `price` is a probability value between 0 and 1, representing the estimated probability of event occurrence; this dataset is purely observational market data without any agent or strategy labels. It is suitable for tasks like prediction market analysis, high-frequency trading research, order book modeling, market microstructure analysis, and studies on the correlation between cryptocurrency prices and prediction markets.

创建时间:
2026-06-15
搜集汇总
数据集介绍
polymarket-arena-capture 数据集图片
构建方式
Polymarket Arena — Live Capture数据集源自Polymarket预测市场中短期加密货币涨跌市场的实时数据采集。通过持续性WebSocket连接器(collect_live.py)订阅中央限价订单簿(CLOB)的交易流与订单簿流,以及实时数据服务(RTDS)的价格源,将原始市场数据无损持久化至SQLite数据库。最终以Parquet格式(zstd压缩等级9)导出,形成完整的存档。数据时间范围自2026年6月4日起持续扩展,每日增量更新,提供完整的连续历史记录。
特点
该数据集涵盖三大核心表:cap_trades记录已执行交易,包含价格、数量、买卖方向等字段;cap_book提供订单簿快照,包含最优买卖价及深度阶梯;cap_prices记录底层现货/参考价格。数据跨BTC、ETH、SOL等六种加密货币,涵盖5分钟、15分钟和1小时三个时间窗口。所有数据保持原始行粒度,未进行降采样或过滤,确保高保真度。时间戳为采集器时钟记录的捕获时间,价格以概率值(0-1)表示。
使用方法
数据集通过Hugging Face的datasets库加载,支持三种配置:cap_trades、cap_book和cap_prices。每个配置自动聚合根目录中的初始回填文件与daily子目录中的增量文件,无需手动拼接即可获取连续的历史数据。用户可直接利用DataFrame接口进行时序分析、流动性建模或概率校准研究。因数据为纯市场观测记录,不包含交易策略标签,适合用于构建和评估预测模型的基础输入。
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,为参与者提供了对事件结果进行交易的概率性金融工具。Polymarket作为基于区块链的预测市场平台,其加密货币上下行市场(如BTC、ETH、SOL等)的短期订单簿与交易数据,对于研究市场微观结构、价格发现机制及高频交易策略具有独特价值。该数据集由匿名研究团队于2026年6月发起,旨在捕捉Polymarket平台上5分钟、15分钟及1小时时间框架下的实时市场活动,涵盖CLOB订单簿快照、执行交易及底层现货/参考价格馈送。通过持续运行的WebSocket收集器与SQLite持久化存储,数据集实现了无损、无降采样的原始归档,并每日增量更新。作为首个公开的、高保真度的Polymarket加密预测市场数据集,它为计算金融、行为经济学及去中心化市场设计等领域提供了不可多得的实证基础,推动了预测市场数据可复现研究的边界。
当前挑战
该数据集所应对的核心领域挑战在于,预测市场尤其是加密货币短期市场的微观结构研究长期受限于数据稀缺性。现有公开数据多集中于传统金融或中心化交易所,缺乏对基于区块链的二元结果市场(如上下行预测)中订单簿动态、交易模式及价格形成过程的细粒度记录。因此,研究人员难以验证去中心化市场中的信息效率、流动性供给特性及套利可能性。在构建层面,数据收集面临实时性与完整性双重挑战:WebSocket连接需在加密货币市场高波动期间保持稳定,且Polymarket的CLOB存在多资产、多时间框架的并行订阅需求;同时,避免数据丢失、确保时间戳一致性(捕获时间而非交易所撮合时间)以及每日增量导出时的数据连贯性,均需精确的工程实现。此外,原始数据以Parquet格式压缩存储,虽保证了高保真度,却对下游处理的计算资源提出了更高要求。
常用场景
经典使用场景
Polymarket Arena — Live Capture数据集是面向加密货币短期方向预测市场的高频订单簿与交易数据集合,专为解析链上预测市场的微观结构而设计。该数据集以5分钟、15分钟及1小时为时间窗口,收录了BTC、ETH、SOL等主流数字资产的CLOB交易记录、深度快照及参考价格源。其经典使用场景在于为量化金融研究提供实时、无损的市场观测数据,使研究者能够复现高频交易信号、构建市场微观结构模型,并深入探讨去中心化预测市场的价格发现机制与流动性特征。
衍生相关工作
基于Polymarket Arena数据集,已衍生出多项经典工作:研究者利用其订单簿快照训练了基于Transformer的短期价格方向预测模型,在5分钟时间尺度上实现了超越随机游走的预测精度;另有工作将其与中心化交易所订单簿数据对齐,构建了跨市场套利检测框架,揭示了去中心化与中心化市场间的定价偏差规律。此外,该数据集还催生了专注于预测市场流动性动态的研究,分析了不同时间窗口下买卖价差与深度衰减的统计特征,为自动化做市策略的设计提供了实证基础。
数据集最近研究
最新研究方向
在预测市场与高频交易数据交叉领域,Polymarket短期加密方向市场数据集为研究链上订单簿微观结构与价格发现机制提供了前所未有的高保真观测窗口。该数据集涵盖BTC、ETH等主流资产的5分钟至1小时时间框架下的完整交易记录、订单簿快照及现货参考价格,其无降采样、持续增长的原始归档特性使研究者能够追踪市场深度演化与尾部风险事件。结合近期Polymarket平台在选举预测等热点事件中的爆发式增长,该数据集不仅支撑了基于CLOB的概率定价模型校准,还为去中心化金融中信息聚合效率的实证分析开辟了新路径,对理解加密原生衍生品市场的流动性动态与市场有效性具有里程碑意义。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务