README.md

metadata

license: mit
task_categories:
  - time-series-forecasting
  - regression
tags:
  - financial
  - prediction-market
  - polymarket
  - time-series
size_categories:
  - 10M<n<100M

Polymarket时间序列预测数据集

数据集描述

这是一个从Polymarket提取的时间序列预测数据集，用于训练WaveNet模型预测未来市场走势。

数据集统计

• 总样本数: 6,780,504
• 特征维度: 1,500 (100个时间段 × 15个因子)
• 标签维度: 10 (预测未来10个时间段)
• 文件大小: ~12.36 GB
• 格式: Parquet

特征描述

每个样本包含：

• 特征: 100个历史时间段的15个因子特征 (1,500维)
• 标签: 未来10个时间段的response_zscore (10维)
• 市场ID: 标识数据来源的市场

15个因子

1. price_std_zscore - 价格标准差
2. price_trend_zscore - 价格趋势
3. price_skew_zscore - 价格偏度
4. price_range_zscore - 价格范围
5. vol_sum_abs_zscore - 成交量总和
6. vol_std_zscore - 成交量标准差
7. vol_flow_zscore - 成交量流
8. vwap_zscore - 成交量加权平均价
9. weighted_volatility_zscore - 加权波动率
10. vol_price_corr_zscore - 量价相关性
11. energy_zscore - 能量
12. flow_ratio_zscore - 流动比率
13. imbalance_intensity_zscore - 不平衡强度
14. vwap_diff_prev_zscore - VWAP差分
15. vwap_slope_ma5_zscore - VWAP斜率

数据分割

• 训练集: 80%
• 验证集: 10%
• 测试集: 10%

使用方法

使用Hugging Face Datasets

from datasets import load_dataset

dataset = load_dataset("chaoleiyv/marketdata", split="train")

直接使用Parquet文件

import pandas as pd

df = pd.read_parquet("ml_dataset.parquet")

数据集结构

ml_dataset/
├── ml_dataset.parquet  # 完整数据集（Parquet格式）
└── README.md           # 数据集说明

引用

如果使用本数据集，请引用：

@dataset{polymarket_ml_dataset,
  title={Polymarket时间序列预测数据集},
  author={chaoleiyv},
  year={2025},
  url={https://huggingface.co/datasets/chaoleiyv/marketdata}
}

许可证

MIT License