usamaahmedsh/elliott-wave-market-data-complete

---
license: mit
task_categories:
- time-series-forecasting
tags:
- finance
- stocks
- crypto
- forex
- commodities
- etfs
- elliott-wave
- technical-analysis
- ohlcv
- quality-validated
- neural-network-training
pretty_name: Elliott Wave Market Data Complete (Quality Validated)
size_categories:
- 10M<n<100M
---

# Elliott Wave Market Data - Complete (Quality Validated) ✅

**Production-ready, quality-validated** OHLCV market data for training Elliott Wave pattern recognition neural networks.

## 🎯 Key Features

- **Quality Validated**: Rigorous data quality checks applied
- **Complete Coverage**: 1,403 unique instruments
- **Multi-Timeframe**: 1h, 4h, 1d, 1wk data
- **22,546,189 Total Data Points**

## Dataset Statistics

| Timeframe | Rows | Tickers |
|-----------|------|---------|
| 1h | 9,267,368 | 1,358 |
| 4h | 2,849,583 | 1,358 |
| 1d | 8,648,514 | 1,399 |
| 1wk | 1,780,724 | 1,396 |

## Asset Classes

This dataset includes:
- Commodities
- Commodities Extended
- Crypto
- Crypto Extended
- Emerging Markets
- Etfs
- Fixed Income
- Forex
- Forex Extended
- Indices
- Indices Extended
- International
- Leveraged
- Nasdaq
- Reits
- Small Cap
- Stocks
- Thematic Etfs

## Quality Validation

All data has passed these quality checks:
- ✅ OHLC consistency (High ≥ Low, etc.)
- ✅ No missing values in required fields
- ✅ No duplicate rows
- ✅ No zero/negative prices
- ✅ No negative volume
- ✅ Extreme outliers removed (>1000% single-bar moves)
- ✅ Minimum 50 bars per ticker/timeframe
- ✅ Valid datetime formatting
- ✅ No future dates

## Data Schema

| Column | Type | Description |
|--------|------|-------------|
| datetime | datetime64 | Bar timestamp |
| open | float64 | Opening price |
| high | float64 | Highest price |
| low | float64 | Lowest price |
| close | float64 | Closing price |
| volume | float64 | Trading volume |
| ticker | string | Instrument symbol |
| interval | string | Timeframe (1h/4h/1d/1wk) |
| source_category | string | Asset category |

## Usage

```python
import pandas as pd

# Load all daily data
df = pd.read_parquet("hf://datasets/usamaahmedsh/elliott-wave-market-data-complete/market_data_1d.parquet")

# Filter by category
stocks = df[df['source_category'] == 'stocks']
crypto = df[df['source_category'] == 'crypto']

# Filter by ticker
aapl = df[df['ticker'] == 'AAPL']
btc = df[df['ticker'] == 'BTC-USD']
```

## Data Sources

- Primary: Yahoo Finance (via yfinance)
- All data adjusted for splits/dividends

## License

MIT License - Free for academic and commercial use.

## Generated

2026-02-27 16:03 UTC

许可证：MIT许可证
任务类别：
- 时间序列预测
标签：
- 金融
- 股票
- 加密货币
- 外汇
- 大宗商品
- 交易所交易基金(ETFs)
- 艾略特波浪
- 技术分析
- OHLCV
- 质量验证
- 神经网络训练
美观名称：经过质量验证的完整艾略特波浪市场数据集
规模类别：
- 1000万<n<1亿

# 经过质量验证的完整艾略特波浪市场数据集 ✅

**可投入生产、经质量验证**的OHLCV市场数据，用于训练艾略特波浪形态识别神经网络。

## 🎯 核心特性

- **质量验证**：经过严格的数据质量校验流程
- **覆盖全面**：包含1403种独特交易标的
- **多时间框架**：涵盖1小时、4小时、1日、1周四个时间粒度
- **总数据点数达22,546,189**

## 数据集统计

| 时间框架 | 数据行数 | 标的数量 |
|---------|---------|---------|
| 1小时 | 9,267,368 | 1,358 |
| 4小时 | 2,849,583 | 1,358 |
| 1日 | 8,648,514 | 1,399 |
| 1周 | 1,780,724 | 1,396 |

## 资产类别

本数据集包含以下品类：
- 大宗商品
- 扩展大宗商品品类
- 加密货币
- 扩展加密货币品类
- 新兴市场资产
- 交易所交易基金(ETFs)
- 固定收益类资产
- 外汇
- 扩展外汇品类
- 股票指数
- 扩展股票指数品类
- 国际市场资产
- 杠杆类产品
- 纳斯达克市场标的
- 房地产投资信托基金(REITs)
- 小盘股
- 个股
- 主题型交易所交易基金(ETFs)

## 质量验证流程

所有数据均通过以下校验：
- ✅ OHLC数据一致性（最高价≥最低价等合规性校验）
- ✅ 必填字段无缺失值
- ✅ 无重复数据行
- ✅ 无零值或负向价格
- ✅ 无负向交易量
- ✅ 移除极端异常值（单根K线波动超过1000%的样本）
- ✅ 每个标的/时间框架组合至少包含50根K线数据
- ✅ 符合标准日期时间格式
- ✅ 无未来日期数据

## 数据结构

| 字段名 | 数据类型 | 字段说明 |
|--------|---------|---------|
| datetime | datetime64 | K线时间戳 |
| open | float64 | 开盘价 |
| high | float64 | 最高价 |
| low | float64 | 最低价 |
| close | float64 | 收盘价 |
| volume | float64 | 交易量 |
| ticker | string | 交易标的代码 |
| interval | string | 时间粒度（1h/4h/1d/1wk） |
| source_category | string | 资产类别标签 |

## 使用示例

python
import pandas as pd

# 加载所有日线级数据
df = pd.read_parquet("hf://datasets/usamaahmedsh/elliott-wave-market-data-complete/market_data_1d.parquet")

# 按资产类别筛选
stocks = df[df['source_category'] == 'stocks']
crypto = df[df['source_category'] == 'crypto']

# 按标的代码筛选
aapl = df[df['ticker'] == 'AAPL']
btc = df[df['ticker'] == 'BTC-USD']

## 数据来源

- 主要数据源：雅虎财经（通过yfinance库获取）
- 所有数据均已进行拆股、分红调整

## 许可证

MIT许可证——可免费用于学术研究与商业用途。

## 生成时间

2026年2月27日 16:03 UTC