btc15-dataset

BTC15 Kalshi交易数据集是一个完整记录Kalshi交易所KXBTC15M市场量化交易的公开数据集，专注于比特币15分钟二元期权的交易活动。它包含模型对每个15分钟窗口的预测概率、逐秒行情盘口数据（如BTC现货价格和合约买卖价）、开仓/对冲决策、真实成交与取消记录、最终结算结果以及收益曲线。数据集采用活数据集模式，随源项目自动迭代更新，由两台交易机器持续产生数据，导出器定期刷新。数据集包含8个主要数据表：运行记录表（记录交易元数据）、策略定义表（存储策略代码和参数）、预测数据表、结算结果表、权益曲线表、成交记录表、订单数据表和高频行情表（提供逐秒市场快照）。数据集特别区分三种交易类型：模拟交易（乐观成交假设）、真实下单交易和纸面交易，这是研究模拟与真实交易差距的核心维度。数据使用window_id作为跨表连接的主键，时间戳采用UTC epoch秒和可读字符串两种格式，结算规则基于窗口收盘均价与开盘均价的比较。该数据集适用于多个研究领域，包括成交率建模（比较立即成交与挂单的差异）、预测校准分析、二元期权做市策略研究，以及模拟交易与真实交易差距的量化分析。

The BTC15 Kalshi Trading Dataset is a comprehensive public dataset that records quantitative trading in the KXBTC15M market on the Kalshi exchange, focusing on Bitcoin 15-minute binary options. It includes model predictions for each 15-minute window, second-by-second market quote data (such as BTC spot prices and contract bid/ask prices), opening/hedging decisions, actual trade and cancellation records, final settlement results, and profit curves. The dataset adopts a live dataset model, automatically iterating and updating with the source project, with data continuously generated by two trading machines and refreshed regularly by an exporter. It consists of eight main data tables: runs table (recording trading metadata), strategies table (storing strategy code and parameters), predictions table, settlements table, equity table, trades table, orders table, and market_ticks table (providing second-by-second market snapshots). The dataset specifically distinguishes three trading types: sim (simulated trading with optimistic execution assumptions), live (real order trading), and paper (paper trading), which is a core dimension for studying the sim-vs-live gap. Data uses window_id as the primary key for cross-table joins, with timestamps in both UTC epoch seconds and human-readable string formats. Settlement rules are based on the comparison between the windows closing average price and opening average price. This dataset is applicable to multiple research areas, including fill rate modeling (comparing immediate execution vs. limit order differences), prediction calibration analysis, binary options market-making strategy research, and quantitative analysis of the gap between simulated and real trading.

原始信息汇总

数据集名称

BTC15 Kalshi Trading Dataset（Kalshi 比特币 15 分钟二元期权交易数据集）

许可证

MIT

数据集描述

这是一个公开数据集，完整记录了 Kalshi KXBTC15M 市场（比特币15分钟二元期权）的量化交易信息，包括模型对每个15分钟窗口的预测、逐秒行情盘口、开仓/对冲决策、真实成交与取消、最终结算及收益曲线。数据集支持研究：成交率建模（IOC vs 挂单）、预测校准、二元期权做市、模拟与实盘差距分析。

数据集结构

数据集包含8个子配置（config），每个配置对应一个表，以Parquet格式存储：

配置名	说明	关键列
runs	交易运行记录（5行）	run_id, machine, kind, preset, model_id, started_ts, last_ts, status
strategies	交易策略定义（8行）	code, title, description_md, params_json, lifecycle, updated_ts
predictions	模型预测结果（1行）	run_id, model_id, window_id, obs_ts, p_yes
settlements	结算结果（0行）	window_id, settle_ts, outcome
equity	权益曲线（29行）	run_id, strategy_code, ts, cash, equity
trades	成交记录（1行）	id, run_id, strategy_code, ts, window_id, type, side, p_yes
orders	订单记录（2行）	event_id, run_id, wallet, ts, window_id, strategy_id, status, side
market_ticks	逐秒高频行情盘口快照	tick_iso, window_id, window_anchor_ts, seconds_from_open, btc_last, btc_open, yes_bid, yes_ask, no_bid, yes_book_json, no_book_json, yes_book_levels, no_book_levels, yes_bid_size, no_bid_size 等

数据字段与约定

• 时间字段：*_ts 为 UTC 纪元秒（整数），*_iso 为可读字符串。
• 运行类型（kind）：sim（模拟，乐观成交）、live（真实下单）、paper（纸面交易）。分析时必须区分，因同策略 sim 与 live 差距大，是核心研究问题。
• 窗口标识：window_id / window_anchor_ts 标识15分钟窗口，是跨表联表主键。
• 结算规则：窗口收盘均价 ≥ 开盘均价 → outcome=1（YES 赢）。
• 盘口深度：yes_book_json / no_book_json 存储升序 [[价, 美元量], ...] 档位，最优bid在末档；Kalshi 只报双边bid，ask通过对偶价 yes_ask = 1 - no_best_bid 计算。yes_book_levels/no_book_levels 表示档数，yes_bid_size/no_bid_size 为最优档美元量。旧feeder行深度列为空，可通过 yes_book_levels 非空过滤。

使用示例

python from datasets import load_dataset

trades = load_dataset("huthvincent/btc15-dataset", "trades", split="train") predictions = load_dataset("huthvincent/btc15-dataset", "predictions", split="train") ticks = load_dataset("huthvincent/btc15-dataset", "market_ticks", split="train") orders = load_dataset("huthvincent/btc15-dataset", "orders", split="train")

可用于训练成交率预测模型（fill-model），通过 window_id 或时间联接下单、盘口和是否成交信息。

数据生成与维护

• 自动生成：由 huthvincent/BTC15 项目的 scripts/tools/export_dataset.py 脚本生成。decisions 子命令从 hub.db 导出决策表，market 子命令从各机器 collector 目录导出行情数据。Schema 定义在 src/btc15/dataset/schema.py。
• 活数据集：数据集随项目自动迭代，两台交易机器持续产生数据，导出器定期将 hub.db（决策）和 collector（高频行情）增量更新至此处。最后更新时间为 2026-07-06 19:47 UTC。
• 存储分区：market_ticks 按 machine=<机器>/date=<日期>/part.parquet 分片。

搜集汇总

数据集介绍

构建方式

该数据集源自huthvincent/BTC15项目，由两台交易机器持续产生数据，并通过导出器定期将hub.db中的决策数据与collector中的高频行情数据增量刷新至HuggingFace。数据集涵盖了Kalshi平台上KXBTC15M市场的完整量化交易记录，包括预测、逐秒盘口、开仓与对冲决策、成交与取消信息、最终结算及收益曲线。数据生成流程可复现，由btc15仓库的scripts/tools/export_dataset.py脚本执行，其中decisions子命令从hub.db导出决策表，market子命令从各机器collector目录导出行情表。数据集提供runs、strategies、predictions、settlements、equity、trades、orders及market_ticks共八个配置，均以Parquet格式存储。

使用方法

用户可通过HuggingFace的datasets库便捷加载各配置数据，例如使用load_dataset("huthvincent/btc15-dataset", "trades", split="train")获取成交数据。该数据集适用于成交率建模、预测校准、二元期权做市策略研究及模拟与实盘差距分析。研究者可基于window_id或时间戳将orders与market_ticks等表进行关联，构建下单时盘口状态与成交与否的训练样本。分析时需注意区分kind字段中的sim、live与paper标签，以避免不同交易模式的数据混淆。

背景与挑战

背景概述

在金融预测与量化交易领域，二元期权市场因其独特的高频博弈特性而成为研究算法决策与市场微观结构的重要场景。BTC15数据集由huthvincent团队在2026年前后创建，依托Kalshi平台上的KXBTC15M市场，完整记录了其量化交易机器人在每个15分钟窗口内从预测生成到最终结算的全链条数据。该数据集涵盖模型预测、逐秒盘口深度、订单状态、成交记录及权益曲线等精细维度，为研究成交率建模（如IOC与挂单策略对比）、预测校准、二元期权做市以及模拟与实盘交易的差距分析提供了高价值的公开基准。其构建基于两台持续运行的交易机器与自动化数据导出流水线，确保了数据的实时性与可复现性，对推动金融时间序列与量化策略的实证研究具有深远意义。

当前挑战

该数据集所面临的挑战首先源于领域问题的复杂性：二元期权市场中的预测校准与做市策略需同时应对高噪声的微观价格波动、限价单未被成交的风险以及模拟环境与真实市场之间的显著差异，例如同一策略在sim与live模式下表现截然不同，这成为核心研究难题。其次，在构建过程中，数据整合面临多源异构的工程挑战：需将hub.db中的决策逻辑表与来自不同机器的逐秒collector高频行情准确关联，并处理因采集器版本更迭导致的盘口深度字段空值问题，且需在增量更新的同时保持跨表的主键一致性，对数据流水线的鲁棒性提出了极高要求。

常用场景

经典使用场景

BTC15数据集专为研究二元期权市场的量化交易而设计，其经典使用场景聚焦于预测校准与成交率建模。研究者可基于逐秒盘口数据（如yes_bid、yes_ask及盘口深度），结合模型对15分钟窗口的预测概率（p_yes），训练出能够精准捕捉市场微观结构的算法。特别地，数据集提供了IOC（立即成交或取消）与挂单两种订单类型的完整记录，使得分析不同下单策略在真实市场中的成交概率成为可能。此外，通过对比模拟（sim）与实盘（live）交易结果，研究者能够深入探讨交易执行差距这一核心问题，从而优化策略的鲁棒性与适应性。

解决学术问题

该数据集有效解决了预测市场领域中的两大长期学术难题：预测校准与模拟-实盘差距。在预测校准方面，学术界长期缺乏同时包含模型预测与对应真实结算结果的高频数据集；BTC15通过提供每个15分钟窗口的模型输出、逐秒行情及最终结算状态，使得研究者能够精确评估概率预测的偏差与锐度，进而改进校准方法。在模拟-实盘差距问题上，数据集区分了sim、paper和live三种交易模式，并记录了详细订单簿与成交数据，为量化分析模拟交易高估执行质量的程度、研究市场冲击与逆向选择效应提供了前所未有的实证基础，推动了对交易策略现实可行性的严谨评估。

实际应用

在实际金融场景中，BTC15数据集直接服务于二元期权做市商与高频交易算法的开发与回测。做市商可利用其盘口深度信息（yes_book_json/no_book_json）构建库存管理模型，学习在15分钟窗口内动态调整报价以减少方向性风险。量化交易团队则可基于历史预测与真实收益序列（equity表），验证其机器学习模型在真实交易环境中的盈利能力，并利用订单执行数据优化下单算法，例如学习在何种盘口深度下采用IOC命令可最大化成交率与成本效率。此外，该数据集还可用于训练风险控制模型，实时监测策略偏离预期行为的异常信号。

数据集最近研究

最新研究方向

在预测市场与加密资产交叉的前沿阵地，BTC15数据集的问世为二元期权量化交易研究注入了鲜活的数据血液。该数据集完整捕捉了Kalshi平台上比特币15分钟窗口的交易全貌，从逐秒盘口深度到多策略演算预测，再到模拟与实盘间的绩效鸿沟，构建了一座连接理论模型与市场实践的桥梁。当前领域内，研究者正借助其丰富的高频行情与订单流水，深入剖析IOC与挂单策略的成交率差异、预测校准的动态演化，以及做市商在二元期权中的风险暴露特征。尤为引人注目的是，数据集内嵌的sim-vs-live差距对比，直接回应了量化交易中模拟回测与实盘执行之间的经典悖论，为开发更鲁棒的策略迁移框架提供了不可多得的实证土壤。这一资源不仅推动了预测市场微观结构研究的精细化，更为金融科技时代下基于事件驱动的算法交易开辟了新的验证路径。