polymarket-raw-chain-logs

Polymarket Raw Chain Logs是一个专为重构Polymarket头寸和盈亏而设计的原始区块链日志数据集。该数据集包含从Polygon EVM链上采集的未解码原始日志，保留了日志地址、所有主题、数据、区块和交易坐标等完整信息。目标事件涵盖Conditional Tokens生命周期事件、ERC-1155代币的TransferSingle和TransferBatch转移事件，以及Polymarket NegRisk市场的市场创建、解决、拆分、合并、转换和赎回等关键事件。数据集以不可变的ZSTD压缩Parquet格式分片存储，按区块组进行分区，并在manifests/目录下提供详细的集合清单，记录每个数据文件的精确区块覆盖范围和SHA-256哈希值。该数据集适用于区块链数据分析、去中心化预测市场研究、交易行为重建和链上事件分析等场景。Polymarket Raw Chain Logs is a raw blockchain log dataset designed for reconstructing Polymarket positions and profit/loss. It contains undecoded raw logs collected from the Polygon EVM chain, preserving complete information such as log addresses, all topics, data, block and transaction coordinates. Target events include Conditional Tokens lifecycle events, ERC-1155 token TransferSingle and TransferBatch transfer events, as well as key events in Polymarket NegRisk markets such as market creation, resolution, splitting, merging, conversion, and redemption. The dataset is stored in immutable ZSTD-compressed Parquet format with sharding, partitioned by block groups, and provides detailed collection manifests in the manifests/ directory, recording the exact block coverage and SHA-256 hash for each data file. This dataset is suitable for scenarios such as blockchain data analysis, decentralized prediction market research, transaction behavior reconstruction, and on-chain event analysis.

原始信息汇总

数据集概述

名称：Polymarket Raw Chain Logs
语言：英文、中文
标签：polymarket、polygon、blockchain、event-logs、parquet

---

数据集描述

该数据集包含用于重建 Polymarket 头寸和损益（PnL）的原始 Polygon EVM 日志。数据保留了日志地址、所有主题、数据、区块和交易坐标，未经 ABI 解码。

---

目标事件

• Conditional Tokens 生命周期事件；
• Conditional Tokens 的 ERC-1155 TransferSingle 和 TransferBatch 事件；
• Polymarket NegRisk 市场的解析、分割、合并、转换和赎回事件。

---

数据格式与存储

• 文件为不可变的 ZSTD 压缩 Parquet 分片，按区块组分区；
• 集合清单文件位于 manifests/ 目录下，记录每个工件的精确区块覆盖范围和 SHA-256 哈希值；
• 数据收集目前正在进行中。

---

源代码

• GitHub 仓库：https://github.com/wzsg/polymarket-raw-log-collector

搜集汇总

数据集介绍

构建方式

Polymarket Raw Chain Logs数据集旨在为Polymarket头寸与盈亏的精确回测提供原始数据支撑。其构建方式基于Polygon链上EVM日志的原始摄取，系统性地选取了与条件代币生命周期、ERC-1155标准的TransferSingle及TransferBatch事件、以及NegRisk市场的决议、分割、合并、转换与赎回等关键活动相关的日志记录。数据集保留了日志地址、全部主题、数据字段、区块及交易坐标等原始信息，未经过ABI解码处理。所有数据以不可变的ZSTD压缩Parquet分片形式存储，并按区块组进行分区，同时通过manifests目录下的清单文件记录每个数据片的确切区块覆盖范围及其SHA-256哈希值，确保数据的完整性与可追溯性。当前集合仍在持续更新中。

使用方法

使用该数据集时，用户可直接通过Parquet工具或支持列式存储的编程库（如Apache Arrow、Pandas、Dask）加载ZSTD压缩的文件进行解析。由于日志字段保留了原始HEX编码形式，建议结合Polymarket官方或社区提供的ABI描述文件，按需解码特定事件的主题与数据内容。对于需要高频处理或增量更新的场景，可依据manifests清单中的区块范围信息，按时间顺序或事件类型筛选对应的Parquet分片，实现局部数据快速加载。用户还可参考GitHub上公开的源代码仓库，了解日志收集的具体逻辑，辅助构建自定义的数据处理流水线。

背景与挑战

背景概述

Polymarket Raw Chain Logs数据集由独立开发者于2024年创建，专注于捕获Polygon区块链上Polymarket预测市场的原始事件日志。该数据集旨在系统性地重建条件代币（Conditional Tokens）的持仓与损益（PnL）数据，涵盖ERC-1155代币转移、NegRisk市场决议及拆分合并等核心事件。作为链上金融数据的基础资源，它为去中心化预测市场分析、金融建模及监管研究提供了不可篡改的原始数据源，填补了该领域标准化日志归档的空白。研究机构与开发者可借此验证市场效率、审计资金流向，并推动链上金融透明度的提升。

当前挑战

该数据集面临双重挑战：首先，领域问题层面，Polymarket作为预测市场需要完整追踪条件代币的复杂生命周期，包括多事件关联（如拆分合并与损益计算）和高频链上活动，而现有ABI解码方式无法直接保留原始语义，导致数据重构难度大。其次，构建过程中需处理Polygon区块链的数据异构性（如分片存储与区块重组风险），维护不可变Parquet分片的连续性并校验SHA-256哈希完整性，同时确保超过170万笔历史交易的跨链索引无遗漏，这对存储架构和增量采集机制提出了严苛要求。

常用场景

经典使用场景

在去中心化预测市场与区块链数据交叉研究领域，Polymarket Raw Chain Logs 数据集为研究者提供了一条直接解析链上用户行为路径的捷径。该数据集完整捕获了Polymarket平台上条件代币的生命周期事件、ERC-1155的TransferSingle与TransferBatch转移记录，以及NegRisk市场的创建、解析、分割、合并、兑换和赎回等核心操作。经典使用方式包括重构交易者的完整持仓历史、计算未实现与已实现盈亏（PnL），以及追踪流动性提供者在不同市场间的资金流动模式，从而揭示预测市场中的价格发现机制与用户博弈策略。

解决学术问题

该数据集有效破解了去中心化预测市场研究中长期存在的链上数据碎片化与ABI解码瓶颈。学术研究常因缺乏统一、未经解码的原始事件日志而难以精确还原用户头寸演变与收益归因。Polymarket Raw Chain Logs 通过保留完整的日志地址、主题、数据及区块交易坐标，使研究者能够绕过协议层ABI解码的复杂性，直接构建基于事件流的因果分析模型。这推动了预测市场效率评估、信息聚合有效性验证以及去中心化金融中用户行为异质性等经典学术问题的探索，为理解区块链预测市场如何映射现实世界信息提供了扎实的数据基础。

实际应用

在实际应用中，该数据集显著降低了链上分析引擎的开发门槛。量化交易团队与风险管理平台可基于这些原始日志，快速搭建Polymarket持仓监控与清算预警系统，无需从头解析合约事件。同时，数据索引服务商能将其作为上游数据源，生成标准化仓位报表与市场深度图谱，服务于做市商与套利策略。此外，审计机构可利用完整的链上事件链条，对Polymarket的资产流向进行全链路追溯，提升去中心化预测市场的透明度与合规性。

数据集最近研究

最新研究方向

基于Polymarket原始链上日志数据集，前沿研究聚焦于去中心化预测市场的链上行为分析与损益建模，通过解析Conditional Tokens及ERC-1155事件，研究者得以重构复杂交易路径与仓位演变，揭示市场动态与资金流向。该数据集与Polymarket平台在2024年美国大选等热点事件中的预测活动紧密关联，其未经ABI解码的原始日志特性为模型训练与区块链审计提供了高保真数据源，推动了从链上数据到金融可解释性的跨界创新，对理解去中心化金融中预测市场的微观结构、风险管理及监管合规具有深远意义。