Polymarket-v1

Polymarket-v1 是一个大规模数据集，包含来自 Polygon 网络上预测市场平台 Polymarket 的链上事件日志。该数据集完整记录了 2022 年至 2026 年间的合约生命周期活动，由三个层次的数据构成：1) `OrderFilled/` 原始层：包含约 12 亿条原始链上交易记录，每条记录代表一次做市商与吃单商的成交，记录了钱包地址、资产、方向、数量、价格和费用等信息，但可能包含平台中继器/路由器的记录。2) `daily_aligned/` 清洗分析层：对原始层进行清洗，移除了中继器记录，并加入了冻结的市场元数据（如市场类别、状态、时间、费用率等），同时添加了事件归一化字段 `p_event`（事件概率）和 `D`（归一化方向），便于将二元市场的两个方向映射到单一事件概率轴上进行分析。该层按日分区，是进行市场级、类别级和事件概率分析的主要数据源。3) `CTF/` 合约生命周期层：记录了底层 Gnosis 条件代币框架合约的完整生命周期事件，包括市场创建（preparations）、代币铸造/拆分（splits）、代币销毁/合并（merges）、预言机裁决（resolutions）和收益赎回（redemptions）。该层对于分解初级市场发行与二级市场交易、研究流动性提供者的库存风险管理以及分析裁决后赎回行为至关重要。数据集总大小约 49.1 GB（压缩 Parquet 格式），适用于市场微观结构研究、交易量分析、风险管理和预测市场机制等任务。使用时需注意区分不同数据层的用途，过滤中继器地址，并理解字段（如 `block_timestamp` 单位为秒，`price` 与 `p_event` 的区别）以及不同市场类型（标准二元、上/下、负风险）的异质性。Polymarket-v1 is a large-scale dataset containing on-chain event logs from Polymarket, a prediction market platform built on the Polygon network. This dataset fully documents the lifecycle activities of contracts spanning from 2022 to 2026, and is structured into three hierarchical data tiers: 1) `OrderFilled/` Raw Layer: It contains approximately 1.2 billion raw on-chain transaction records, with each record representing a trade between a market maker and a taker. The records include details such as wallet addresses, assets, trade direction, volume, price, and fees, but may contain entries from platform relayers or routers. 2) `daily_aligned/` Cleaned Analytical Layer: This layer cleans the raw data by removing relayer records, adds frozen market metadata (such as market category, status, timestamp, fee rate, etc.), and introduces two event normalization fields: `p_event` (event probability) and `D` (normalized direction), which facilitate mapping the two sides of a binary market to a single event probability axis for analysis. It is partitioned by day and serves as the primary data source for market-level, category-level, and event probability-based analyses. 3) `CTF/` Contract Lifecycle Layer: This layer records the complete lifecycle events of the underlying Gnosis Conditional Token Framework (CTF) contracts, including market preparations (creation), token minting/splitting, token burning/merging, oracle resolutions, and profit redemptions. This layer is critical for decomposing primary market issuance and secondary market trading, researching inventory risk management for liquidity providers, and analyzing post-resolution redemption behaviors. The total size of the dataset is approximately 49.1 GB in compressed Parquet format, and it is applicable to tasks such as market microstructure research, trading volume analysis, risk management, and prediction market mechanism studies. When using the dataset, users need to distinguish the intended uses of different data tiers, filter out relayer addresses, understand the semantics of fields (e.g., `block_timestamp` is measured in seconds, the difference between `price` and `p_event`), and recognize the heterogeneity across different market types including standard binary, up/down, and negative risk markets.

原始信息汇总

数据集概述：Polymarket-v1

该数据集是来自 Polygon 网络上预测市场平台 Polymarket 的大规模链上事件日志数据集，覆盖其 v1 合约从 2022 年至 2026 年 的完整生命周期。

• 总数据量：压缩 Parquet 格式，约 49.1 GB（包含约 8.5 GB 的 CTF 事件日志）。OrderFilled/ 层包含约 12 亿（1.2B） 行记录。
• 许可证：CC-BY-4.0。
• 语言：英语。
• 任务类别：表格分类。
• 格式：Parquet。
• 标签：polymarket, prediction-markets, market-microstructure, on-chain, polygon, orderfilled, finance。

数据分层结构

数据集包含三个核心数据层，旨在满足不同分析需求：

数据层	行数	说明	列数	关键用途
OrderFilled/	~1,201,580,990（约 12 亿）	原始链上交易磁带。每条记录代表一次做市商-吃单方（maker-taker）成交。名义数据，包含中继/路由记录。	13	仅当需要原始链上磁带时使用。
daily_aligned/	OrderFilled/ 的子集（已清洗）	清洗后的分析层。已过滤中继/路由记录，连接市场元数据，并添加了事件归一化字段（p_event, D）。按天分区。	24	用于大多数交易级、类别级和事件概率分析。
CTF/	包含 5 个数据表	条件代币框架（CTF）事件层。记录合约的创建、铸造、销毁、解析和赎回等完整生命周期事件。	5 至 8	用于一级市场发行、做市分解、流动性研究及清算生命周期分析。

各层详细说明

1. OrderFilled/ (原始数据层)

• 内容：Polygon 链上 Polymarket 的 v1 CTF Exchange 合约产生的 OrderFilled 事件的原始记录。
• 模式：

字段	类型	描述
id	string	链上复合记录 ID（格式：chainId_blockNumber_logIndex）。
maker	string	做市商钱包地址。
taker	string	吃单方钱包地址（可能是中继/路由地址）。
block_timestamp	int64	Unix 纪元秒（单位：秒）。
maker_asset_id / taker_asset_id	string	资产 ID（0 代表 USDC.e，其他值为结果代币 ID）。
maker_direction / taker_direction	string	方向（BUY 或 SELL）。
token_asset_id	string	成交的结果代币 ID。
token_amount	double	结果代币数量。
usdc_amount	double	USDC.e 名义价值。
price	double	执行价格（USDC.e/份）。
fee_usdc	double	USDC.e 手续费。

• 重要说明：计算经济交易量时，必须过滤中继/路由地址。清洗层 daily_aligned/ 已执行此过滤。

2. daily_aligned/ (清洗分析层)

• 内容：OrderFilled/ 的清洗版本，已移除中继记录，并添加了事件归一化字段和市场元数据。
• 模式（关键新增字段）：

字段	类型	描述
p_event	double	事件归一化概率。对于二元市场，将两个腿映射到同一个事件概率轴上。
D	int8	事件归一化攻击方向。+1 表示吃单方买入参考事件概率，-1 表示卖出。
condition_id	string	市场级条件标识符。
outcome_seq	int64	市场中的结果序号。
category / category_refined	string	市场类别（原始/精炼）。
neg_risk	string	负风险市场标志。
market_slug	string	人类可读的市场 slug。
其他元数据字段		包括 outcome_label, winning_outcome_label, resolution_status, 各类费率及时间戳。

• 核心用途：进行事件概率分析、类别分析及大多数市场微观结构研究。计算经济交易量时首选此层。

3. CTF/ (条件代币框架层)

• 内容：Gnosis Conditional Tokens Framework（CTF）合约的完整生命周期事件。
• 子表：

表名	记录事件	关键字段示例	用途
preparations.parquet	市场条件创建	condition_id, oracle, question_id, outcome_slot_count	追踪市场初始化。
splits.parquet	抵押品（USDC.e）拆分为结果代币（铸造）	stakeholder, condition_id, partition, usdc_amount	分析一级市场发行（铸造新份额）。
merges.parquet	结果代币合并回抵押品（销毁）	stakeholder, condition_id, partition, usdc_amount	分析份额销毁/赎回。
resolutions.parquet	市场官方解析	condition_id, oracle, payout_numerators	确认市场结果（例如，[1, 0] 表示 YES 胜出）。
redemptions.parquet	获胜代币赎回抵押品	redeemer, condition_id, index_sets, usdc_amount	追踪清算后的资金提取速度。

关键字段说明

• block_timestamp：单位为秒（仅存在于交易层 OrderFilled/ 和 daily_aligned/）。
• taker：每笔成交的唯一攻击方。
• taker_direction：来自结算层的真实方向，非推断数据。
• p_event 和 D：归一化字段，用于将二元市场两条交易腿映射到单一事件概率轴上，确保分析一致性。
• neg_risk, category, category_refined：来自冻结的市场元数据层，用于区分不同市场类型（如标准二元、上下、负风险市场），分析前不可不检查。

重要提示与限制

1. 数据量巨大：约 12 亿行，禁止完全加载到内存。推荐使用 DuckDB、Polars 惰性扫描、Spark 等列式引擎进行聚合查询；使用流式处理进行预览。
2. 经济交易量计算：必须使用 daily_aligned/，或在使用 OrderFilled/ 时显式过滤以下中继/路由地址：
   • 0x4bfb41d5b3570defd03c39a9a4d8de6bd8b8982e
   • 0xc5d563a36ae78145c45a50134d48a1215220f80a
3. 市场类型不可混用：标准二元市场、Up/Down 市场和负风险市场结构不同，在分析前应使用 category, category_refined 和 neg_risk 字段进行区分。
4. 数据范围：仅包含 v1 合约的链上成交数据。不包含：订单簿快照、挂单深度、报价更新、撤单以及任何链下数据。
5. 元数据状态：daily_aligned/ 中的元数据是静态快照，不反映实时市场更新。
6. 交易哈希关联：CTF 表中的 id 字段为 chainId_blockNumber_logIndex 格式，无法直接追溯到交易哈希。如需关联，需使用区块号和日志索引与 Polygon 交易索引日志进行连接。

出处与方法论

• 数据来源：Polygon 网络上 Polymarket 第一代 CTF Exchange 合约的 OrderFilled 事件，以及 Gnosis Conditional Tokens 合约的 ConditionPreparation、PositionSplit、PositionMerge、ConditionResolution、PayoutRedemption 事件。
• 粒度：
  • 交易层：每条记录代表一次做市商-吃单方成交。
  • CTF 层：每条记录对应一个合约事件日志。
• 覆盖时间：自 2022 年至 2026 年的完整 v1 合约生命周期。

推荐访问模式

• 交易级微观结构分析：首选 daily_aligned/。
• 一级市场活动/风险管理/清算分析：使用 CTF/ 系列文件。
• 原始链上磁带需求：使用 OrderFilled/。
• 数据预览与采样：使用流式处理。
• 大规模聚合计算：使用 DuckDB、Polars、Spark 等列式引擎，并仅选取所需列。

搜集汇总

数据集介绍

构建方式

Polymarket-v1 数据集源自 Polygon 网络上预测市场平台 Polymarket 的第一代 CTF Exchange 合约与 Gnosis Conditional Tokens 框架，通过解析链上事件日志构建而成。数据集包含三个层次：OrderFilled/ 层为原始链上成交记录，记录每笔 maker-taker 撮合订单的原始字段；daily_aligned/ 层对原始层进行清洗，移除平台中继器与路由记录，关联冻结的市场元数据，并添加事件归一化字段 p_event 和 D；CTF/ 层则捕获条件代币框架的完整生命周期事件，包括条件准备、代币拆分与合并、决议及赎回。三层次覆盖 2022 年至 2026 年的合约全生命周期，总计约 12 亿行数据，以压缩 Parquet 格式存储。

使用方法

因数据体量庞大，建议采用流式或列式引擎进行分析，避免全量加载至内存。推荐使用 DuckDB、Polars 或 Spark 进行聚合查询，并仅选取所需列以提升效率。日常微结构分析应优先使用 daily_aligned/ 层，借助 p_event 与 D 字段进行事件归一化计算；若要研究一级市场发行、洗盘分解或流动性提供者的对冲行为，则需结合 CTF/ 层中的 splits 与 merges 表格。对于原始链上成交记录，可在 OrderFilled/ 层中手动过滤中继器地址后使用。各层间可通过 condition_id 与 id 字段实现跨层关联，以构建完整的市场活动图谱。

背景与挑战

背景概述

Polymarket-v1数据集是一个大规模链上事件日志数据集，记录了Polygon网络上预测市场平台Polymarket从2022年至2026年的完整合约生命周期。该数据集由三个层次构成：原始链上交易磁带（OrderFilled/）、清洁分析层（daily_aligned/）以及条件代币框架事件层（CTF/），分别对应原始交易记录、经清洗与元数据增强的分析数据、以及底层智能合约的代币创建、拆分、合并、解析与赎回事件。该数据集由研究机构或独立研究者构建，其核心研究问题在于为预测市场的微观结构分析、市场质量评估、以及交易行为研究提供高粒度的链上数据基础。通过公开超过12亿条原始交易记录与约49.1 GB的压缩Parquet文件，Polymarket-v1极大推动了去中心化金融（DeFi）领域预测市场的数据驱动研究，成为该领域标准化的基准数据集之一。

当前挑战

数据集面临的核心挑战首先在于所解决的领域问题：预测市场研究长期受困于数据稀缺与不透明，传统数据集多依赖中心化交易所订单簿或聚合报价，无法反映链上做市商模型的实际交易微观结构。Polymarket-v1虽填补了这一空白，但其原始层包含中继/路由记录，直接计算经济交易额需先行过滤，增加了分析复杂度。其次，构建过程中面临的技术挑战包括：处理超过1.2B行数据的存储与高效访问问题；对异构市场类型（标准二元、上下、负风险市场）执行规范化与对齐，确保`p_event`与`D`字段在不同市场类型间的一致性；以及将链上事件日志从原始合约解析为结构化数据，并消除因合约升级或分叉导致的数据不一致性。此外，元数据静态快照的特性限制了动态市场状态的回溯能力，且缺乏链下订单簿数据，无法完整还原市场深度与流动性供应全貌。

常用场景

经典使用场景

Polymarket-v1数据集是链上预测市场微观结构研究的基石资源，涵盖了Polygon网络上Polymarket v1合约自2022年至2026年的完整生命周期事件日志。其最经典的用途在于利用清洗后的daily_aligned层进行交易层面的微观结构分析，通过事件标准化字段p_event和D将二元市场的两个交易腿映射至统一概率坐标轴，从而高效建模预测市场的价格发现机制与订单流不平衡。同时，CTF层记录的条件代币框架全生命周期事件，为分解名义交易量中的二级市场交易与一级市场铸造/赎回活动提供了独特视角，使得研究者能够精确分离真实流动性供给与套利行为。

解决学术问题

该数据集系统地解决了预测市场领域中长期存在的数据碎片化与清洗不统一问题，使得学术研究者能够首次在一个大规模、高精度、时间跨度完整的链上数据基础上，系统性地探究预测市场的微观结构特质。它使得深入验证信息聚合假说成为可能——即市场价格是否有效反映集体智慧；同时赋能了对做市商库存风险管理策略的实证研究，尤其是在极端事件冲击下的自适应对冲行为。此外，通过对拆分与合并事件的追溯，该数据集为识别刷量交易与泡沫性繁荣提供了可量化的分析框架，极大推动了去中心化金融市场中市场质量评估的前沿研究。

实际应用

在实际应用场景中，Polymarket-v1数据集为量化对冲基金、做市商及链上数据分析平台提供了高保真的历史交易数据源，用于构建和回测基于事件驱动的交易策略。通过接入daily_aligned层的标准化价格与方向字段，开发者能够高效训练预测市场概率估计模型，并实时监控特定事件合约的流动性分布与资金流向。同时，CTF层记录的条件代币铸造与赎回时序，使得DeFi风险管理平台能够追踪大额流动性提供者的仓位调整行为，从而辅助设计更稳健的自动做市算法。这些应用不仅提升了链上金融市场的透明度，也为合规审计机构量化评估协议健康度提供了可靠的数据基础。

数据集最近研究

最新研究方向

当前，Polymarket-v1数据集作为链上预测市场微观结构研究的基石，正推动学术界与业界对去中心化金融信息聚合效率的深度探索。前沿研究聚焦于利用其三层数据结构——原始成交磁带、清洗后的日对齐数据及条件代币框架全生命周期日志——来解构二元事件合约中的市场制造行为与流动性供给模式。特别地，研究者借助清洗层中的事件概率归一化字段与攻击者方向指标，精准刻画交易者信念与市场均衡的动态演化；结合CTF层的铸造与销毁记录，可有效分离二级市场交易与一级市场发行对名义成交量的贡献。这一数据资源为揭示预测市场如何将分散的集体智慧转化为持续更新的概率共识提供了前所未有的实证基础，尤其在2024年美国总统大选等重大政治事件期间，其成交量的激增促使学界重新审视链上预测市场与传统民调、博彩市场之间的信息传递机制与定价效率，从而在金融科技与行为经济学交叉领域催生了关于信息聚合、套利约束与市场微观结构的新兴理论框架。