vaquum/binance_btcusdt_15M_dollar_klines

该数据集是关于比特币对USDT现货交易的15分钟美元k线数据，每日从`origo.binance_spot_dollar_klines`导出，基于1分钟Origo美元k线基础生成。数据集覆盖从2020年1月1日到2026年5月29日的时间范围，包含360,894行数据。关键列包括开始和结束时间戳、美元柱状图ID、开盘价、最高价、最低价、收盘价、均值、标准差、交易量、做市商比例、交易次数、流动性相关指标以及做市商交易量和流动性。数据来源于Binance现货市场BTCUSDT交易对，时间戳为UTC时区，并省略了中位数和四分位距列。This dataset is exported daily from `origo.binance_spot_dollar_klines` using 15-minute dollar bars derived from the 1-minute Origo dollar-kline foundation. It covers the period from January 1, 2020, to May 29, 2026, with 360,894 rows. Key columns include start and end datetimes, dollar bar ID, open, high, low, close, mean, std, volume, maker ratio, number of trades, liquidity metrics, and maker volume and liquidity. The source market is Binance spot BTCUSDT, timestamps are in UTC, and median and IQR columns are intentionally omitted from the exported Parquet snapshot.

搜集汇总

数据集介绍

构建方式

该数据集基于Binance现货市场中的BTCUSDT交易对，依托Origo框架下的分钟级美元柱线基础数据，通过聚合生成15分钟美元柱线。美元柱线的构建逻辑以固定美元交易量为划分依据，区别于传统的时间间隔K线，能够更精准地反映市场流动性与交易活动。数据每日从`origo.binance_spot_dollar_klines`表中导出，并以Parquet格式存储，确保高效的压缩与读取性能。快照文件涵盖了自2020年1月1日至2026年6月3日的完整行情记录，共计361,366行数据，时间戳统一采用UTC标准。

特点

数据集的结构设计别具匠心，其核心优势在于以美元交易量而非时间周期作为K线划分依据，从而动态适应市场波动强度的变化。每条记录包含起止时间、美元柱标识符、开盘价、最高价、最低价、收盘价、均值、标准差、成交量、做市商比率、交易次数以及多维度流动性指标（如开盘流动性、最高流动性等）。特别地，数据集中有意省略了中位数和四分位距，意在突出流动性结构与价格分布的统计特征，为量化分析与市场微观结构研究提供了丰富素材。

使用方法

用户可直接通过读取Parquet文件加载数据集，利用其中的时间戳列（`start_datetime`与`end_datetime`）进行时间序列分析。美元柱标识符`dollar_bar_id`便于跟踪特定柱状记录。常见应用场景包括基于成交量与流动性的市场冲击模型构建、做市商行为分析、波动率预测以及高频交易策略回测。由于数据已按美元柱标准化，用户无需额外处理时间不均问题，可直接结合机器学习或统计工具（如Pandas、NumPy）进行特征工程与建模。

背景与挑战

背景概述

在金融时序数据领域，高频交易与市场微观结构的研究日益依赖于高质量、标准化的历史价格数据。binance_btcusdt_15M_dollar_klines数据集由Origo团队基于Binance现货市场的美元柱（dollar bars）基础数据构建，覆盖从2020年1月1日至2026年6月3日的时间窗口，包含超过36万条15分钟粒度的美元柱记录。该数据集的核心研究问题聚焦于如何更精确地刻画比特币在美元计价下的流动性、波动性和交易行为，以支持量化策略回测、市场微观结构分析及做市模型验证。作为源自全球最大加密货币交易所Binance的标准化数据资源，它在加密金融领域具有重要影响力，为学术与产业界提供了稳健的基准数据源。

当前挑战

该数据集首先需解决传统时间柱（time bars）在捕捉市场异质性方面的不足——基于美元柱的构建方式虽能更真实反映资本流动，但要求对原始1分钟美元柱进行聚合与去噪，过程中需权衡信息保留度与数据稀疏性。构建时面临三大挑战：其一，从高频海量tick数据中提取稳定的美元柱边界，需处理非均匀交易间隔与异常值（如闪电崩盘）；其二，流动性指标（如开盘流动性、流动性总和）的精确计算依赖于订单簿撮合逻辑的还原，而Binance接口仅提供有限粒度；其三，时间戳对齐、缺失值填补及跨年数据的一致性校验要求严苛的ETL流程，以保障回溯分析的可靠性。

常用场景

经典使用场景

在加密货币高频交易与市场微观结构研究领域，Binance BTCUSDT 15分钟美元柱线数据集凭借其以美元交易量为锚定的独特构造，成为量化分析的标准基准。该数据集将时间维度替换为美元成交额切片，精准捕捉了市场资金流驱动的价格波动，更贴合做市商与套利者的实际交易节奏。研究者常利用其包含的开盘价、最高价、最低价、收盘价、成交量、做市商比率、流动性指标等17维特征，构建市场冲击模型、流动性时序预测或波动率曲面拟合，尤其在检测大额订单对价格的影响及做市策略回测中展现不可替代的价值。

衍生相关工作

该数据集的构造理念直接继承自Origo 1分钟美元柱线基础层，但通过聚合压缩为15分钟粒度，降低了高频噪声并提升了计算效率。基于该格式，后续研究发展了如美元柱线波动率预测模型与流动性聚类分析框架，部分工作将其与等时K线对比来论证美元柱线在日内动量捕获中的优势。此外，相关衍生工作引入混合模型，将`open_liquidity`、`close_liquidity`等微观指标与图神经网络结合，用以预测市场微观结构突变点，这些成果均以该数据集为锚点展开实证验证。

数据集最近研究

最新研究方向

该数据集聚焦于基于美元成交量的高频交易数据构建，为加密货币市场的微观结构分析提供了高质量的标准化数据源。当前前沿研究方向包括利用15分钟美元柱线中的价量统计特征（如均值、标准差、流动性指标）训练深度学习模型，以捕捉比特币现货市场的瞬时波动模式与流动性冲击。该数据集的长期跨度和丰富字段尤其适用于验证市场微观结构理论在数字资产领域的适用性，例如订单簿流动性动态与价格发现效率之间的关联。随着加密货币市场与传统金融的融合加深，此类结构化高频数据正成为量化策略回测、风险管理及监管科技研究的关键基础设施，推动了从经验观察到可复制计算实验的范式转型。