vaquum/binance_btcusdt_30M_dollar_klines

该数据集名为BTCUSDT 30M dollar spot klines，是一个关于BTCUSDT在币安现货市场的交易数据集。它每日从`origo.binance_spot_dollar_klines`导出，基于30分钟美元柱状图（dollar bars），这些柱状图源自1分钟Origo美元K线基础。数据集覆盖时间范围从2020年1月1日到2026年5月29日，共包含181041行数据。列包括开始时间（start_datetime）、结束时间（end_datetime）、美元柱状图ID（dollar_bar_id）、开盘价（open）、最高价（high）、最低价（low）、收盘价（close）、均值（mean）、标准差（std）、成交量（volume）、做市商比例（maker_ratio）、交易笔数（no_of_trades）、开盘流动性（open_liquidity）、最高流动性（high_liquidity）、最低流动性（low_liquidity）、收盘流动性（close_liquidity）、流动性总和（liquidity_sum）、做市商成交量（maker_volume）和做市商流动性（maker_liquidity）。数据来源为币安现货BTCUSDT市场，时间戳为UTC。注意，在导出的Parquet快照中，中位数（median）和四分位距（iqr）被有意省略。This dataset is named BTCUSDT 30M dollar spot klines and is exported daily from `origo.binance_spot_dollar_klines` using 30-minute dollar bars derived from the 1-minute Origo dollar-kline foundation. It contains trading data for BTCUSDT on the Binance spot market, covering the period from January 1, 2020, to May 29, 2026, with 181041 rows. Columns include start_datetime, end_datetime, dollar_bar_id, open, high, low, close, mean, std, volume, maker_ratio, no_of_trades, open_liquidity, high_liquidity, low_liquidity, close_liquidity, liquidity_sum, maker_volume, and maker_liquidity. The source market is Binance spot BTCUSDT, and timestamps are in UTC. Note that median and iqr are intentionally omitted from the exported Parquet snapshot.

搜集汇总

数据集介绍

构建方式

该数据集源自Binance现货市场中BTCUSDT交易对的逐笔交易原始数据，基于Origo的1分钟美元K线基础层，通过30分钟美元柱（dollar bar）抽样方法构建而成。美元柱并非以固定时间间隔划分，而是以累计交易金额达到预定阈值作为切分依据，从而更精准地捕捉市场微观结构与流动性的动态变化。数据集每日从'origo.binance_spot_dollar_klines'表中导出，最终整合为一份Parquet快照文件，覆盖自2020年1月1日至2026年6月3日的时间范围，总计181,279条记录。

特点

此数据集的独到之处在于采用美元柱这一非传统抽样框架，能够有效规避基于时间间隔的K线在波动率聚集期间的信息冗余与低流动性时段的数据稀疏问题。每条记录包含起始与结束时间戳、美元柱标识符，以及开盘价、最高价、最低价、收盘价、均值、标准差、成交量、做市商比率、交易笔数等丰富字段。尤为重要的是，数据集纳入了关于流动性的多维变量，如开盘流动性、最高流动性、最低流动性、收盘流动性及总流动性，并保留了做市商成交量与流动性指标，为深入解析市场微观结构与订单簿动态提供了坚实数据基础。

使用方法

研究人员与量化从业者可直接通过Pandas等数据处理库读取Parquet格式文件，利用'start_datetime'与'end_datetime'字段进行时间序列索引与分析。该数据适用于构建基于美元柱的高频交易策略、进行流动性评估与市场微观结构研究，以及训练机器学习模型以预测价格走势或波动率。需要注意的是，数据集中有意省略了中位数与四分位距字段，使用者在计算统计特征时应自行补充。所有时间戳均以协调世界时（UTC）表示，便于与全球市场数据对齐与整合。

背景与挑战

背景概述

随着加密货币市场的迅猛发展，高频交易与量化策略对高精度、结构化历史数据的需求日益迫切。在此背景下，由Origo团队于2020年初创建的binance_btcusdt_30M_dollar_klines数据集，旨在为比特币兑美元现货交易提供基于30分钟美元柱（dollar bar）的标准化时序数据。数据集覆盖2020年1月1日至2026年6月3日，源自币安现货交易深度，通过1分钟美元柱基表聚合而成，包含开盘价、收盘价、成交量、流动性等16个核心字段，并采用Parquet格式优化存储与读取效率。该数据集为金融时间序列分析、市场微观结构研究及机器学习模型训练提供了可靠、可复现的基准资源，在加密货币量化研究领域具有重要影响力。

当前挑战

该数据集面临多重挑战。首先，领域问题层面，加密货币市场高度非平稳且存在极端波动，传统的等时间间隔k线难以捕捉真实交易活动，而美元柱构建虽能反映资金流驱动下的价格发现，但需解决非均匀采样导致的统计偏差与噪声放大问题。其次，构建过程中，数据源依赖币安单一交易所，存在市场操纵与流动性幻觉风险；同时，从1分钟美元柱聚合到30分钟级别时，需平衡时间分辨率与数据完整性，而故意缺失中位数和四分位距字段则限制了分布特征的刻画能力。此外，数据集的持续更新依赖每日导出流程，对数据管道的一致性与延迟控制提出了严格工程要求。

常用场景

经典使用场景

该数据集以等额美元成交量为基准构建30分钟K线，记录比特币兑USDT现货在币安交易所的逐笔聚合行情，涵盖价格、成交量、流动性及交易行为等核心指标。在金融时间序列分析领域，它常被用于量化策略的回测与回测平台搭建，特别是在与传统时间K线对比时，研究基于成交量的K线构造如何改变统计特征和交易信号。此外，高频交易研究者利用其中细粒度流动性指标和做市商行为数据，检验市场微观结构与价格发现机制。

衍生相关工作

该数据集衍生了多项经典研究工作，包括基于等成交量K线特征的机器学习价格预测模型，利用深度神经网络或梯度提升树捕捉成交量驱动下的价格转折信号。还有研究者在微观结构层面展开探索，构建做市商行为识别模型并通过流动性指标评估订单簿弹性。此外，跨资产套利策略的论文常以此数据集作为基准，比较基于传统时间K线与成交量K线下的收益率差异，验证数据构造方式对策略稳定性的深远影响。

数据集最近研究

最新研究方向

基于Binance现货市场BTCUSDT交易对，该30分钟美元计价K线数据集为高频金融时间序列分析、微观市场结构研究及市场流动性建模提供了高精度基准数据。当前前沿研究方向聚焦于利用该数据集的美元柱粒度与流动性指标（如open_liquidity、liquidity_sum），结合深度学习方法预测加密货币市场波动率与价格动态，同时探索做市商行为（maker_ratio）与交易活跃度（no_of_trades）对市场微观结构的影响。随着2026年数据扩展至当前时间，该数据集在强化学习驱动的量化交易策略回测与市场异常检测中展现出关键价值，尤其适用于分析2024年比特币ETF获批、2025年全球监管框架变化等热点事件对流动性与价格发现的冲击。其基于美元成交量的K线构建方法（30M-dollar bars）避免了传统时间K线在波动率集聚下的偏差，为因果推断与市场微观结构建模提供了更稳定的数据基础，推动了金融大数据在去中心化交易所领域的实证研究进展。