ACTIVITY FEATURES V1 · 2026-09-07
价格之外，加入交易规模与信息新鲜度
1 小时用于主研究，日频对接 EventConnector，15 分钟检查短期领先关系。数据已完成全量验收。
NEW RELEASE
新增过去 7 / 30 日成交规模、相对历史的异常成交量、market / event / 平台成交份额与真实价格年龄。129 个频率×月份分区，259 个 Parquet，约 9.13 GB。
| 频率 | Market 行数 | Event 行数 | 研究用途 |
|---|---|---|---|
| 1h | 30,411,190（约 3,041.12 万） | 11,856,822（约 1,185.68 万） | 主研究与自身活动消融 |
| 1d | 3,734,154（约 373.42 万） | 1,310,285（约 131.03 万） | EventConnector 历史输入 |
| 15m | 41,108,885（约 4,110.89 万） | 18,688,800（约 1,868.88 万） | 短期领先关系检查 |
交易活跃度与异常活动
以固定日历窗口累计现金成交额；异常量与此前 7 日或此前四周相同 UTC 时间槽比较。长历史不足时保留缺失值，基线不包含当前桶。
价格距末笔成交多久？
在桶结束时，用真实末笔成交时间计算年龄。小时价格最多延续一个无成交桶，日频和 15 分钟保留成交桶。排除首尾不完整桶。
保留身份，连接历史活动
365,015 条原样本均配有十步历史活动。按真实可用时刻检查后，1,697 条跨越原切分边界，已标记；严格时间筛选后保留 363,318 条。
完整时段：1h / 15m 为 [2022-11-21 20:00, 2026-05-04 16:00) UTC；日频为 [2022-11-22 00:00, 2026-05-04 00:00) UTC。原始 bars 规模保留原口径，活动特征因排除不完整桶而略少。
RESEARCH SCOPE
成交量衡量交易活跃度，不能直接等同于资金存量、流动性或情绪。数据及 9 项特征测试已验收；活动信息是否改善预测、来源市场是否有增量信息，仍需后续实验检验。
GRAPH CONNECTION
按 sample_id 连接十步历史活动，保留历史完整性与缺失标记，并显式扩展模型输入；伴随文件不导出未来目标活动。旧日标签对应的整日状态在次日零点才完整可用。图快照连接活动时须满足 available_from ≤ snapshot_time；已有相关候选仍需独立的预测增量验证。
FORECAST DATA · 2026-09-09
从量价数据到模型输入：过去 10 天，预测未来 7 天
训练、验证、测试数据与完整 prompt 已准备；Luna、Terra、Sol 与两组 Ridge 已完成 validation 比较，最终 test 尚未运行。
| 划分 | 完整样本 | 固定试跑样本 |
|---|---|---|
| Train | 212,393 | 200 |
| Validation | 13,831 | 200 |
| Test | 137,094 | 1,000 |
10 天 × 11 个量价特征
盘口问题与结果方向，加上价格、日成交额与笔数、7/30 日成交规模、相对与异常量、三类成交份额和真实价格年龄。缺失值在 prompt 中写作 MISSING。
七个未来价格
同一盘口未来七个完整 UTC 日的价格，范围 0–1。标签单独保存，只用于训练 loss 或预测后的评分。主要展示 RMSE、补充 MAE；保留 MSE skill，训练 loss 仍用 masked MSE。
每条完整 prompt 已落盘
每个划分分别保存结构化输入、未来标签和完整 full prompt。prompt 提供编码版与要求 JSON 回答的 training-free 版；同一个模板生成，逐条核对一致。完整文件已落盘，并随加密训练交接包提供。
PROGRESS
T-M 指标与 loss、T1 全量导出已完成。T2 已完成固定清单和四类数值分层，主题覆盖待补。T3 已完成 Luna / Terra / Sol full 200 条 validation 与两组 Ridge 数值训练；冻结 LLM 预测头与 Luna 输入消融尚未运行。T0 自然语言定位及 T4–T7 检索、Agent、增量验证仍待推进。
剔除 1,697 条跨时间边界窗口后，共 363,318 条；三个划分的 parent event ID 无交集，但并不保证语义事件族独立。固定样本未按未来涨跌筛选。历史回测仍可能受模型预训练记忆影响。全量文件尚未上传 Hugging Face，现有活动特征下载入口保留原含义。
NEXT EXPERIMENT
三种 LLM full 已完成。后续可做同模型输入消融或冻结 LLM 数值头；选型数据为排除 pilot 事件后的 5,420 条 validation，test 不参与调参。
展开完整训练交接文档：数据、指标、命令与下一步
Polymarket 交接：三种 LLM 比较已完成，后续实验待开展
Luna、Terra、Sol 的英文 full training-free 预测均已完成，使用同一 200 条 validation、1,400 个未来价格点。逐日评分、四类预测前分层及两组 Ridge 数值训练也已完成。不再把这些工作列为待执行任务；当前没有新的模型调用需要补跑，test 未运行。
详细结果：三种 LLM 与数值对照比较。网页：训练交接、六组结果与中英文 prompt。
已有结果
| 方法 | RMSE（价格百分点） | MAE（价格百分点） | MSE skill | 覆盖率 |
|---|---|---|---|---|
| Persistence | 8.557 | 4.549 | +0.00% | 100% |
| Luna full | 8.823 | 4.782 | -6.30% | 100% |
| Terra full | 8.707 | 4.686 | -3.53% | 100% |
| Sol full | 8.752 | 4.601 | -4.60% | 100% |
| Ridge 价格 | 8.662 | 4.585 | -2.46% | 100% |
| Ridge 完整量价 | 8.633 | 4.562 | -1.78% | 100% |
三种 LLM 中，Terra 的 MSE/RMSE 最低，Sol 的 MAE 最低；全部六组中，persistence 的 MSE/RMSE、MAE 均最低。这是当前 validation 上的点估计排序，不代表模型之间差异已达到统计显著。也不能由一次没有增益的实验推断训练必然无用。
Terra 平均耗时 8.767 秒/条，Sol 为 11.310 秒/条，Luna 原运行约 11.316 秒/条。不同运行时间、服务负载和服务版本可能影响比较，不能据此宣布固定的模型速度差异。Terra 有一次恢复成功的 TLS 重连；两种新增模型均无终态失败，日志中无工具调用。未提供实际账单，不报告推测费用。
后续尚未完成的工作
| 工作 | 要回答的问题 | 使用的数据与边界 |
|---|---|---|
| 同模型输入消融 | 问题文本和活动特征分别有没有预测增益？ | 固定一个模型，比较 price-only、price-question 与已有 full；不要同时改变模型和输入；需要新增调用，尚未启动 |
| 冻结 LLM 的数值预测头 | 数值输出方式或可训练映射能否改善价格预测？ | 用 train 训练，独立 validation 子集选 checkpoint，同一 pilot 比较；尚未训练实际预训练 LLM 的预测头 |
| 主题覆盖与额外证据 | 哪些任务可能需要新闻或跨事件信息？ | 数值分层已完成；主题覆盖、历史可用证据与检索实验仍待做 |
| 最终 test | 选定方法是否能在未用于调参的数据上保持表现？ | 设置确定后再运行，当前不打开 test 做模型选型 |
优先固定对照和训练目标，再启动其中一项；不因为 Terra 或 Sol 的某个分数略低，就直接选作最终模型。当前不重复调用任何已完成的 full 组，不重新训练同一组 Ridge。
固定输入与评分方式
输入：runs/polymarket_forecast_v1/pilot/validation/inputs.jsonl。标签：同目录 labels.scorer_only.jsonl，只供训练监督或预测完成后的独立评分，不能放进 prompt。
模型读取盘口问题、outcome，以及过去 10 个完整 UTC 日的 11 个量价特征和缺失标记；输出未来 7 日同一 outcome 的价格，范围 0–1。特征为价格、日成交额与笔数、7/30 日成交额、相对与异常成交量、三类成交份额和价格年龄。数值变换与 MISSING 约定保持不变。
三种 LLM 使用同一英文 prompt(record, 'full', True)、low reasoning 和 fast service tier；调用记录标注 CLI 0.153.4。无法确认后端服务版本完全相同，不将跨时间比较解释成严格控制的架构实验。中文 prompt 仅是阅读翻译，没有测试中文效果。历史文本可能唤起模型预训练记忆，因此仍属历史回测。
主要展示 pooled RMSE，补充 MAE；二者乘 100 转成价格百分点，不是相对涨跌百分比。保留 MSE 和 skill = 1 - MSE_model / MSE_persistence。所有比较对齐样本、horizon 和 mask，另外报告逐日、market / parent event 宏平均与分层结果；不能用逐窗口 RMSE 的平均值替代 pooled RMSE。
数据、代码与结果位置
- 完整数据：
runs/polymarket_forecast_v1/{train,validation,test}/，分别为 212,393 / 13,831 / 137,094 条。每份均有inputs.parquet、独立labels.parquet和完整prompts.parquet。 - 预测头选型数据：
runs/polymarket_head_ready_v1/validation_tuning/，5,420 条，排除固定 pilot 的全部 parent events。 - 三种 LLM 原始运行：
runs/polymarket_{luna,terra,sol}_validation_200/，保留预测、指标、prompt 和耗时日志。 - 最新六组比较：
reports/polymarket_training_free_model_comparison_v1/，包括report.json、overall.csv、by_horizon.csv、strata.csv、point_errors.parquet、comparison_zh.md。 - 独立评分：
scripts/score_polymarket_forecast.py；现有预测足以重算 RMSE/MAE，不需要调用模型。 - 后续预测头入口：
scripts/run_polymarket_head_next.sh。需先指定FORECAST_MODEL；结构为冻结 decoder LLM → 最后有效 token hidden state → Linear(d,128) → GELU → Linear(128,7) → Sigmoid，loss 为 masked MSE。脚本只比较 validation pilot，不评分 test。
完整数据和训练代码已通过加密包交接；此前包是历史快照，不包含之后新增的 Terra/Sol 结果及本文修订。后续对话以当前工作区和最新比较报告为准。
SIX-METHOD VALIDATION · 2026-09-09
Luna、Terra、Sol：是否超过保持原价？
同一 200 条 validation、1,400 个未来价格点；三种 LLM 使用相同英文 full prompt。test 未运行。
| 方法 | RMSE（价格百分点） | MAE（价格百分点） | MSE skill | 覆盖率 |
|---|---|---|---|---|
| Persistence | 8.557 | 4.549 | +0.00% | 100% |
| Luna full | 8.823 | 4.782 | -6.30% | 100% |
| Terra full | 8.707 | 4.686 | -3.53% | 100% |
| Sol full | 8.752 | 4.601 | -4.60% | 100% |
| Ridge 价格 | 8.662 | 4.585 | -2.46% | 100% |
| Ridge 完整量价 | 8.633 | 4.562 | -1.78% | 100% |
READ THE RANKING
三种 LLM 中，Terra 的 RMSE 最低，Sol 的 MAE 最低；六组整体比较，persistence 的两项指标均最低。当前未观察到超过保持原价的整体增益，点估计排序不代表差异已达到统计显著，也不能证明训练必然无效。
模型设置：英文 full、low reasoning、fast service tier。Terra / Sol 平均耗时分别为 8.767 / 11.310 秒每条；Luna 原运行约 11.316 秒。运行时间与服务负载不同，不将耗时视为固定速度排名。所有组均完成 200/200；Terra 与 Sol 日志无工具调用、无终态失败。
三种 LLM 与两组 Ridge
Luna、Terra、Sol 的 full 预测已完成；价格与完整量价 Ridge 已训练。已有价格位置、历史波动、成交额与价格年龄四类分层及事件成组配对区间。
结果属于 validation 回测
历史文本可能激活模型预训练记忆；不同事件仍可能相关。分层结果不作多重比较校正，不能用少数正 skill 分组宣布稳定有效。中文 prompt 尚未测试。
固定模型，再检查输入与训练
后续工作：同模型输入消融、冻结 LLM 数值头、主题覆盖和额外证据。不要重复已完成的 full 调用；test 留到设置确定之后。
查看中文完整 prompt（阅读翻译，尚未测试中文效果）
说明：以下为阅读用中文翻译；已报告 Luna 成绩使用英文 prompt，尚未测试中文版本。
【任务】
根据提供的历史信息，预测同一盘口结果未来 7 个完整 UTC 日的收盘成交价格。
只能使用给出的历史；不得浏览、调用工具、读取文件或检索其他数据。
价格范围为 0–1。预测的是市场价格，不是最终事件结果。
MISSING 表示不可用，不代表零。
【盘口】
问题（保留原文）：Will India win the 2025 Asia Cup?
价格对应的结果：Yes
频率：一个完整 UTC 日。
Day 0 是最近一个已经结束的完整日；预测范围为 Day +1 到 Day +7。
【历史数据】
从 Day -9 到 Day 0 按时间排列。
成交额字段为自然对数 ln(1 + 成交额/1美元)。
成交笔数、相对成交量为 ln(1 + 原值)。
异常成交量保留原有带符号的历史活动分数。
成交份额为 0–1 比例；价格年龄为 ln(1 + 年龄小时数)。
每行的滚动特征只使用截至该日结束已经可用的信息。
字段：day,价格,log日成交额,log成交笔数,log7日成交额,log30日成交额,log相对成交量,异常log成交量,事件内成交份额,盘口平台份额,事件平台份额,log价格年龄小时
-9,0.73,3.49953328,1.79175947,5.18587629,6.14942937,0.637233897,0.286739608,0.661582852,1.85125572e-06,2.79822204e-06,2.49691756
-8,0.53,4.39605281,1.60943791,5.41552246,6.30733312,1.42454511,1.35152549,0.690299793,4.04439627e-06,5.85889828e-06,1.87094711
-7,0.73,4.36767413,2.56494936,5.68639892,6.440053,1.23388239,1.20300532,0.341671055,4.02812651e-06,1.17894872e-05,1.83502293
-6,0.89,5.56582224,2.89037176,6.28977123,6.78759692,1.97438066,2.08949302,0.554800213,1.36873636e-05,2.46707973e-05,2.06189262
-5,0.76,3.55134004,1.94591015,6.25492437,6.81610041,0.365013223,-0.314190226,1,1.66738415e-06,1.66738415e-06,2.29295554
-4,0.75,4.15810153,2.19722458,6.36023109,6.88281689,0.614160878,0.35328147,0.215574809,3.01706633e-06,1.39954494e-05,2.00709484
-3,0.92,7.10067052,3.13549422,7.47308045,7.6902723,2.75310611,2.96109664,0.813073264,4.33902118e-05,5.33656851e-05,2.07659026
-2,0.9,1.763017,1.60943791,7.45746502,7.69144676,0.0190385412,-2.89972508,0.135941458,2.92893779e-07,2.15455817e-06,2.48017324
-1,0.84,2.47317139,1.38629436,7.41666707,7.69210878,0.0429615836,-1.94149693,0.116025641,3.67916077e-07,3.17098939e-06,1.99386852
0,0.78,6.5479182,3.25809654,7.73298718,7.96785194,1.36962823,2.40794722,0.819261384,1.75708259e-05,2.1447155e-05,0.313187363
【预测要求】
按时间顺序输出未来七天的价格。这是同一结果的七个连续日，不是七种不同结果，数值不需要加总为 1。
只返回一个 JSON 对象：{"predicted_price":[p1,p2,p3,p4,p5,p6,p7]}。
将占位符替换为 0–1 之间的数值。
查看英文完整 prompt（当前 Luna 实际使用的模板与真实示例）
TASK
Predict the next 7 complete UTC days' closing traded prices for the same outcome.
Use only the supplied history. Do not browse, call tools, inspect files, or retrieve other data.
Prices are in [0,1]. Predict market prices, not the final event winner.
MISSING means unavailable, not zero.
TARGET
Question: Will India win the 2025 Asia Cup?
Priced outcome: Yes
Frequency: one complete UTC day.
Day 0 is the latest completed day; the forecast covers Day +1 through Day +7.
HISTORY
Rows run from Day -9 to Day 0 in chronological order.
Volume fields = natural log(1 + USD volume / 1 USD).
Trade count and relative volume = natural log(1 + value).
Abnormal log volume is a signed historical activity score, kept as supplied.
Shares are fractions in [0,1]. Price age = natural log(1 + age in hours).
Each rolling feature uses information available by that row's day end.
Columns: day,price,log_volume_day,log_trade_count,log_volume_7d,log_volume_30d,log_relative_volume_7d,abnormal_log_volume_7d,within_event_share,market_platform_share,event_platform_share,log_price_age_hours
-9,0.73,3.49953328,1.79175947,5.18587629,6.14942937,0.637233897,0.286739608,0.661582852,1.85125572e-06,2.79822204e-06,2.49691756
-8,0.53,4.39605281,1.60943791,5.41552246,6.30733312,1.42454511,1.35152549,0.690299793,4.04439627e-06,5.85889828e-06,1.87094711
-7,0.73,4.36767413,2.56494936,5.68639892,6.440053,1.23388239,1.20300532,0.341671055,4.02812651e-06,1.17894872e-05,1.83502293
-6,0.89,5.56582224,2.89037176,6.28977123,6.78759692,1.97438066,2.08949302,0.554800213,1.36873636e-05,2.46707973e-05,2.06189262
-5,0.76,3.55134004,1.94591015,6.25492437,6.81610041,0.365013223,-0.314190226,1,1.66738415e-06,1.66738415e-06,2.29295554
-4,0.75,4.15810153,2.19722458,6.36023109,6.88281689,0.614160878,0.35328147,0.215574809,3.01706633e-06,1.39954494e-05,2.00709484
-3,0.92,7.10067052,3.13549422,7.47308045,7.6902723,2.75310611,2.96109664,0.813073264,4.33902118e-05,5.33656851e-05,2.07659026
-2,0.9,1.763017,1.60943791,7.45746502,7.69144676,0.0190385412,-2.89972508,0.135941458,2.92893779e-07,2.15455817e-06,2.48017324
-1,0.84,2.47317139,1.38629436,7.41666707,7.69210878,0.0429615836,-1.94149693,0.116025641,3.67916077e-07,3.17098939e-06,1.99386852
0,0.78,6.5479182,3.25809654,7.73298718,7.96785194,1.36962823,2.40794722,0.819261384,1.75708259e-05,2.1447155e-05,0.313187363
PREDICTION TARGET
Return seven prices in chronological order. These are consecutive days, not different outcomes;
the seven values do not need to sum to one.
Forecast:
Return one JSON object only: {"predicted_price": [p1,p2,p3,p4,p5,p6,p7]}. Replace each placeholder with a number in [0,1].
01 / DATA PIPELINE
现在的数据与图是怎样形成的？
从逐笔成交到训练窗口，再分成“复现公开代码行为”和“保留真实 UTC 时间证据”两条支路。
DIRECT ANSWER
当前节点不是唯一事件，而是一个 market × as_of_time 的 17 日训练 record；当前边不是关系真值，而是两个 records 在相对位置上的形状相似或 DTW 接近。
763,126,566 笔（约 7.63 亿）
1m / 15m / 1h observed bars
过去 10 日 → 未来 7 日
365,015 条 dense+cold 窗口
相对位置静态检索图
用全轨迹相关合并 records，以任一 7 点窗口的 |r|≥0.70 建共波动边，对未连接 pair 用 DTW 补边。复现公开实现，但不要求两条轨迹发生在同一日期。
带真实日期的候选证据
按共同 UTC 日计算相关，保存峰值窗口起止、有效成交日、lag 和高相关窗口比例；1,225 个优先候选在训练截止点冻结。
Parquet 分区的日频动态图
每日 active 与 inactive observations 按 snapshot_date 分区保存；DuckDB 可直接查询 G(t)。第一版保留完整观测，尚未转换为 delta。
02 / EVENT-LEVEL SUBSET
当前有事件之间的高相关子集吗？
有，但准确名称是“高阈值、待人工审核的 event-pair 候选子集”，不是已经确认的关系数据集。
DIRECT ANSWER
high_confidence_event_pairs 包含 1,225 个去除反向重复的 event pairs，涉及 1,132 个 events、286 个连通分量。它们同时通过语义、真实 UTC 轨迹和成交覆盖门槛，但当前 1,225 对仍全部是 unreviewed。
加密资产共同风险因子
BTC、ETH、SOL、XRP 与 DOGE 的同期限命题形成子图。它适合作为检索信号，但不能仅凭相关图判断哪个资产影响另一个。
同一选举结果的机械约束
德国各党得票区间共享同一选举结果，正负边很密集。这里多数是联合约束，不是独立事件传导。
货币政策命题重叠
加息、降息、降息次数与特定会议存在包含、互斥或期限关系，需要先统一命题和 deadline。
可能的跨事件机制
“美国对伊朗行动”与“以色列对伊朗行动”具有共同信息环境和潜在方向，是值得进入审核及 P3 的候选，而非已证实传导。
| 候选 pair | 共同日 | 全期 r | 高相关窗口 | 峰值 lag | 审核解释 |
|---|---|---|---|---|---|
| TikTok 2025 禁令 ↔ 5 月前美国禁令 | 21 | +0.993 | 14 / 15 | 0 日 | 相邻 deadline / 命题嵌套 |
| Q2 GDP 增长 >2% ↔ Q2 GDP 负增长 | 92 | −0.913 | 23 / 86 | 3 日 | 同一结果变量的阈值约束 |
| BTC 3 月前创新高 ↔ ETH 3 月前创新高 | 71 | +0.923 | 21 / 65 | ETH 领先 3 日 | 共同 crypto 风险因子 |
| 以色列对伊朗行动 ↔ 美国对伊朗行动 | 31 | +0.847 | 11 / 25 | 美国领先 1 日 | 潜在机制，优先进入 P3 |
为什么还不能叫“已建立关系”？ 当前门槛是启发式筛选，不是校准后的关系概率；还没有完成逐对人工审核、多重检验、公共因子控制、反向边和 rolling out-of-sample 增量验证。
03 / STATIC GRAPH
为什么原来的邻接矩阵看不出事件关系？
直接绘制 6.32 万条边会成为不可读的毛线球；邻接矩阵和度分布更能揭示结构。
核心观察
460 个 canonical records 上有 62,272 条共波动边，图密度达到 59.0%，节点中位度为 277.5。这不是稀疏的“事件关系网络”，而是一个非常稠密的训练窗口检索图。
训练窗口 record
一个节点对应一条 17 点轨迹，而不是一个唯一 event_id。同一 market 随不同 as_of_time 可产生多个节点。
局部形状相关
只要某个相对 7 点窗口达到阈值就建边；边的 weight 是峰值，不表示整个共同生命周期都相关。
时间伸缩后的相似
对尚未连接的 pair 计算 Dynamic Time Warping 距离。它补充形状检索，不产生方向或因果含义。
04 / CALENDAR AUDIT
时间问题在图中有多严重？
这里区分“数组位置对齐”与“真实日期对齐”。两者都可用于算法实验，但支持的研究结论不同。
德国选举得票区间 ↔ Kevin Durant 得分王
两条轨迹日期完全一致，但语义无关。这个例子说明：即使通过严格日历对齐，短窗口高相关仍可能来自共同趋势、幅度尺度或偶然共振。
Musk 月末首富 ↔ 俄罗斯袭击波兰
同日期的一升一降产生强负相关，却没有明确机制。负相关不能直接翻译成“反向影响”。
日历审计证明当前静态图大量连接并非同期关系；它没有证明剩下的 109 条边是真实关系。后者仍需语义审核、公共因子控制和 P3 时间外预测增量验证。
05 / TEMPORAL SNAPSHOT
怎样把图变成可按时间查询的结构？
Snapshot 是某个时点可合法使用的逻辑子图。当前规模直接保存完整日切片，更易查询和审计。
一条永久边掩盖有效时间
AB
(A, B, corr=0.91)
→
边带证据时间，查询时生成 G(t)
t₁
AB
activet₂
AB
activet₃
AB
inactive
CURRENT STORAGE
Hive 分区 Parquet + DuckDB
物理层按 edge_snapshots/snapshot_date=YYYY-MM-DD/ 保存 active 与 inactive observations。模型查询时同时检查 available_from ≤ 查询时点；无需先导入专门数据库。
{
"snapshot_time": "2025-08-01T00:00:00Z",
"source_market_id": "A",
"target_market_id": "B",
"evidence_start": "2025-07-15T00:00:00Z",
"evidence_end": "2025-07-31T00:00:00Z",
"available_from": "2025-08-01T00:00:00Z",
"signed_correlation": 0.91,
"abs_correlation": 0.91,
"lag": 1,
"actual_trade_days": 5,
"support_window_count": 4,
"relation_method": "calendar_17d_peak7d_pearson_lag3_v1",
"active": true
}
evidence_start/end相关统计实际使用的 17 个完整 UTC 日。
available_from完整日终证据首次可被模型合法使用的时间。
snapshot_time该 edge 所属的图切片；v1 与 available_from 相等。
QUERY DIRECTLY
不导入数据库，直接查询 Parquet
所有 277 个日期都有分区；过滤 active=true 即得到当日逻辑子图。
SELECT * FROM read_parquet( 'edge_snapshots/snapshot_date=*/part.parquet', hive_partitioning=true ) WHERE snapshot_date = DATE '2025-08-01' AND available_from <= TIMESTAMPTZ '2025-08-01 00:00:00+00' AND active;
时间边界：1,225 对候选在 2025-07-31 23:59:59 UTC 才冻结，所以 v1 不把它们回填到训练期；否则会产生候选选择泄漏。277 表示日期切片全部生成，不表示每个日期都含 1,225 条稠密边；每条 observation 对应 event pair 的代表 market pair。存储边界：当前 payload 仅约 3.1 MB，delta 编码留待规模扩大后再做。在 Hugging Face 查看数据。
06 / CURRENT SCHEMA
当前轨迹和边具体存什么？
四层对象分开保存，避免把训练 record、静态检索边、研究候选和时态边观测混成一种“事件关系”。
EventConnector-compatible JSONL
{
"sample_id": "A_D-…",
"market_id": "…",
"event_id": "…",
"question": "…",
"as_of_time": "…",
"prices": [
{"t": "day 1", "p": 0.42},
… 17 continuous UTC days …
]
}
前 10 点是历史，后 7 点是目标；p 表示 p_answer1，不必然是 Yes。
graph_edges.parquet
{
"source_sample_id": "…",
"target_sample_id": "…",
"source_as_of_time": "…",
"target_as_of_time": "…",
"calendar_overlap_days": 0,
"peak_local_signed_corr": 1.0,
"lag": -2,
"edge_type": "cofluctuation"
}
已保留两端时间与日期重合诊断，但没有 edge 的 valid_from/valid_to。
candidates_scored.parquet
{
"source_event_id": "…",
"target_event_id": "…",
"shared_day_count": 21,
"peak_window_start_utc": "…",
"peak_window_end_utc": "…",
"high_corr_window_fraction": 0.93,
"peak_lag_days": 0,
"research_candidate": true
}
43,971 条 P2 seed 中有 1,225 个优先 event pairs；仍是待审核候选，不是训练标签。
snapshot_date=*/part.parquet
{
"snapshot_time": "2025-08-01T00:00:00Z",
"source_market_id": "…",
"target_market_id": "…",
"evidence_start": "2025-07-15T00:00:00Z",
"evidence_end": "2025-07-31T00:00:00Z",
"available_from": "2025-08-01T00:00:00Z",
"signed_correlation": 0.91,
"abs_correlation": 0.91,
"lag": 1,
"actual_trade_days": 5,
"support_window_count": 4,
"relation_method": "…",
"active": true
}
5,162 条时态观测保留三种时间语义；3,463 条 active 行构成 277 个日期中的逻辑子图。
当前对象支持的用途不支持的结论
静态 STG
复现代码、检索实验、失败模式分析
事件在所有时期持续相关
日历对齐边
同期候选、短窗口人工审核
方向稳定、存在预测增量或因果
时态 edge observations
按预测时点查询相关候选子图、开展检索实验
单边具有稳定预测增量或因果关系