polymarket-l2-history

该数据集是Polymarket预测市场中，针对有资格获得流动性奖励的市场，所公开的中央限价订单簿（CLOB）WebSocket消息的仅追加历史存档。数据内容为市场微观结构层面的Level 2订单簿信息，旨在支持市场微观结构研究、交易策略回测以及机器学习实验（特别是在时间序列预测和强化学习任务中的应用）。数据集不包含任何个人钱包数据、私钥或经过身份验证的交易信息，确保了使用的隐私安全性。原始数据以gzip压缩的JSON Lines格式存储，并按数据来源和协调世界时（UTC）日期进行分组整理。所有数据均源自Polymarket平台的公开CLOB接口，其使用需遵守相应的源平台条款。This dataset is an append-only historical archive of publicly available Central Limit Order Book (CLOB) WebSocket messages for markets eligible for liquidity rewards in the Polymarket prediction market. The data consists of Level 2 order book information at the market microstructure level, designed to support market microstructure research, trading strategy backtesting, and machine learning experiments (particularly in time series forecasting and reinforcement learning tasks). The dataset does not contain any personal wallet data, private keys, or authenticated transaction information, ensuring privacy and security in usage. The raw data is stored in gzip-compressed JSON Lines format, organized by data source and Coordinated Universal Time (UTC) date. All data originates from the public CLOB interface of the Polymarket platform, and its use must comply with the terms of the source platform.

原始信息汇总

数据集名称

Polymarket rewarded-market L2 history

数据集描述

该数据集是Polymarket平台中符合流动性奖励条件的市场的公开CLOB WebSocket消息的只增归档。适用于市场微观结构研究、回测及机器学习实验。

任务类别

• 时间序列预测
• 强化学习

标签

• polymarket
• prediction-markets
• order-book
• market-microstructure

许可证

其他（未指定具体开放许可证）

数据内容与格式

• 数据内容：仅包含Polymarket公开CLOB接口的L2订单簿历史消息，不收集钱包数据、私钥或经过身份验证的交易信息。
• 文件格式：gzip压缩的JSON Lines文件。
• 文件组织：按数据来源和UTC日期分组。

数据来源

数据来自Polymarket的公开CLOB接口，受原始平台服务条款约束。

搜集汇总

数据集介绍

构建方式

该数据集基于Polymarket去中心化预测市场平台，通过持续追加记录的方式，收集了所有符合流动性奖励条件的市场的公开CLOB（中央限价订单簿）WebSocket消息。数据来源仅为Polymarket的公共接口，未涉及任何钱包数据、私钥或经过认证的交易信息。原始数据采用gzip压缩的JSON Lines格式存储，并按照数据来源和UTC日期进行分组归档，确保数据结构的标准化与可追溯性。

特点

数据集专注于预测市场微观结构研究，具有高度专业化的应用导向。其核心特点在于只收录参与流动性奖励计划的市场订单簿数据，为市场微观结构分析、策略回测和机器学习实验提供了纯净且聚焦的数据源。同时，数据集严格遵循隐私保护原则，仅包含公开信息，杜绝任何敏感交易数据的采集，保障了数据使用的合规性与安全性。

使用方法

用户可通过Hugging Face数据集加载接口直接调用该资源，适用于时间序列预测和强化学习等机器学习任务。数据处理时需注意JSON Lines格式的逐行解析特性，并利用gzip解压工具访问归档文件。建议研究者根据市场标识符和UTC时间戳进行数据筛选，以构建个性化的回测环境或训练模型，特别适合用于预测市场中的订单簿动态建模与流动性分析研究。

背景与挑战

背景概述

Polymarket作为去中心化预测市场的先锋平台，其基于订单簿的交易机制产生了大量高维度的市场微观结构数据。该数据集由Polymarket团队于近年创建，旨在捕捉那些符合流动性奖励条件的市场（rewarded-market）的公共CLOB（中央限价订单簿）WebSocket消息的仅追加历史记录。核心研究问题聚焦于解析去中心化预测市场的价格发现过程、流动性动态及订单流信息不对称性，为市场微观结构理论在区块链环境下的验证提供了稀缺的实证基础。数据集对金融科技与区块链交叉领域产生了重要影响，尤其促进了基于强化学习和时序预测的算法交易策略研究，填补了传统金融数据集无法覆盖的链上预测市场空白。

当前挑战

该数据集首先面临的领域挑战在于去中心化预测市场的独特交易机制——与中心化交易所不同，Polymarket的流动性分布碎片化且受智能合约约束，导致订单簿重建和价格冲击模型构建异常困难。其次，构建过程中需解决CLOB消息的时序对齐问题：由于区块链网络延迟，同一交易对的买卖盘消息可能不按时间顺序到达，数据清洗时必须处理乱序消息和丢失帧。此外，仅保留公开信息的要求限制了标签丰富度，无法直接获取交易者身份或策略意图，增加了从纯价格序列中提取有效信号（如操纵行为检测）的复杂度。

常用场景

经典使用场景

在预测市场与金融微观结构交叉研究的领域内，Polymarket L2历史数据集为研究者提供了宝贵的限价订单簿数据。该数据集常被用于构建和验证时间序列预测模型，特别是在预测市场动态与订单簿微观结构变化方面。通过解析公开的CLOB WebSocket消息，研究人员能够模拟市场深度、流动性演变及价格发现过程，从而深入理解去中心化预测市场的运作机制。这一经典使用场景不仅限于理论建模，还包括对市场操纵行为、信息不对称性以及交易策略有效性的实证检验，为预测市场的计量经济学分析奠定了坚实的数据基础。

衍生相关工作

围绕Polymarket L2历史数据集，已涌现出一系列具有影响力的衍生研究。在机器学习领域，基于该数据开发的订单簿预测模型被应用于事件驱动的波动率曲面构建与极端价格变动预警系统。部分工作将其与图神经网络结合，利用订单簿中的层次化信息来刻画市场参与者的博弈行为。在计量经济学方面，研究者提出了改进的买卖价差分解模型，专门用于处理区块链环境下交易的不连续性特征。更有跨学科工作尝试将预测市场的概率输出整合到大型语言模型的推理链中，从而提升AI对时序性不确定事件的预测能力。这些衍生工作共同推动了预测市场从小众实验工具向主流金融分析基础设施的演进。

数据集最近研究

最新研究方向

该数据集聚焦于预测市场平台Polymarket的订单簿微观结构，收录了符合流动性奖励条件的市场CLOB WebSocket历史消息流。在预测市场与去中心化金融（DeFi）交叉研究的前沿，该数据为高频交易策略建模、市场流动性动态分析以及稳健性回测实验提供了高保真原料。当前热点事件如美国大选、加密资产监管政策等议题催生了大量预测合约交易，研究者可借此数据挖掘订单簿深度、买卖价差与信息到达率之间的隐含关联，进而揭示算法做市与信息交易者在预测市场中的博弈模式。其公共、只追加的归档形式保障了时间序列的完整性与可复现性，对理解‘代码即法律’环境下市场微观结构的演化规律具有奠基意义。