京公网安备11010802038645号京ICP备20022436号-3京EDI证京B2-20220639区块链京网信备 1101082276223860002X号数据描述
2025 年至今加密货币与股票市场数据集：小时级高频数据，支撑金融时序分析与资产联动研究
一、引言与背景
在全球金融市场高度数字化与互联互通的今天，加密货币与传统股票作为两类核心资产，其价格波动与联动关系不仅是投资者决策的关键依据，也是金融监管与学术研究的重点方向。加密货币以其高波动性、24 小时交易的特性，与受地域和时间限制的股票市场形成鲜明对比，两者的相关性演变既反映了市场风险偏好的变化，也暗藏着跨资产套利的机会。
然而，金融数据的获取与标准化始终是研究与实践的痛点：传统股票数据多分散于券商终端，加密货币数据则散落于各类交易所平台，且两者在更新频率、指标定义上存在差异，难以直接进行跨资产对比分析。本次介绍的 “2025 年至今加密货币与股票市场数据集” 通过自动化数据管道整合了两类资产的高频数据，填补了跨资产数据标准化的缺口，为金融分析、建模与管道工程实践提供了高质量资源。
二、数据基本信息
1. 数据规模与格式
数据集包含两个核心 CSV 文件：
cryptocurrency.csv（6.88 MB）与stocks.csv，合计 17.17 MB，记录始于 2025 年 3 月 17 日，截至 2025 年 9 月 18 日，累计覆盖超 8.5 万条加密货币记录与对应股票数据。数据采用小时级更新频率，通过自动化管道确保每日同步最新市场动态，可用性评分达 10.00 分，适配 Python、SQL 等各类数据分析工具，支持实时监控与历史回溯双重场景。2. 核心字段与数据维度
以加密货币数据为例，数据集设计 9 个核心字段，全面覆盖资产的 “标识 - 价格 - 交易量 - 市值” 关键维度，具体如下：
- 基础标识与时间：精确到秒的时间戳（timestamp，如 2025-09-18 02:05:12）、加密货币名称（name，如 Bitcoin、Ethereum）、股票代码（symbol，如 BTC、ETH）；
- 价格与波动指标：美元价格（price_usd，BTC 达 116762.50 美元，USDC 接近 1 美元）、24 小时价格变化率（chg_24h）、7 天价格变化率（chg_7d）；
- 交易量与市值：24 小时交易量（vol_24h，Tether 达 1493 亿美元）、市场总成交量（total_vol）、市值（market_cap，BTC 达 2.32 万亿美元）。
股票数据虽未详细列示字段，但基于数据集定位可推断其包含类似维度（股票名称、代码、价格、涨跌幅、成交量等），与加密货币数据形成跨资产对比框架。
3. 内容特征与分布
从加密货币数据来看，资产覆盖度极高，除 BTC、ETH 等头部币种外，还包含 Stellar（XLM）、Hedera（HBAR）等中长尾币种，其中头部币种贡献主要交易量 ——Tether（USDT）24 小时交易量占比达 81.60%，BTC 占比 33.14%，呈现显著的 “头部集中” 特征。价格波动方面，多数币种 24 小时涨跌幅集中在 ±0.01% 区间（占比 94%），但部分币种如 Dogecoin（DOGE）7 天涨幅达 15.24%，反映出加密货币市场的结构性波动差异。时间分布上，各时间段记录量相对均衡（约 4400 条 / 周期），仅 9 月上旬增至 5238 条，可能与市场活跃度上升相关。
三、数据优势
- 高频且实时的更新机制：采用 “Google AppScript 抓取 - Python 脚本迁移 - Kaggle 定时发布” 的自动化 ETL 管道，实现小时级数据更新，突破传统金融数据集 “日度延迟” 的局限，可捕捉日内短期波动规律。
- 跨资产标准化对比框架：统一整合加密货币与股票两类资产数据，采用相同的时间粒度与指标定义（如涨跌幅、交易量计算规则一致），解决了跨市场数据不可比的核心痛点，支撑资产联动性研究。
- 指标体系全面且精准：同时包含即时价格、短期波动（24h）、中期趋势（7d）三类价格指标，搭配交易量与市值数据，构建起 “价格 - 量能 - 市值” 三维分析模型，完整反映资产的市场表现。
- 双重价值：分析与工程实践：不仅为金融分析提供数据素材，更通过公开数据管道架构（抓取 - 迁移 - 发布全流程），为数据工程师提供真实的 ETL 工程案例，兼具学术研究与技术实践价值。
四、应用场景
1. 金融市场分析与投资决策支持
数据集为投资者与分析师提供了剖析市场规律的精准工具，可开展多维度分析。在跨资产相关性研究中，通过计算 BTC 与标普 500 指数（股票数据）的价格相关性，可判断风险偏好变化 —— 当相关性为正时，说明两类资产同涨同跌，市场风险偏好一致；当相关性为负时，可能存在 “避险资金迁移” 现象。
在加密货币内部分析中，可挖掘 “价格 - 交易量 - 市值” 的联动规律：例如 BTC 市值与 24 小时交易量的相关性达 0.87，说明市值越高的币种流动性越强；而 USDC 等稳定币虽市值高（736.2 亿美元），但波动极小（7 天涨跌幅 0.03%），印证其 “价值锚定” 功能。此外，通过时间序列分析可识别异常波动点，如某币种 24 小时跌幅超 10% 时，结合同期股票市场动态，可判断波动是源于资产自身因素还是系统性风险。
2. 时序建模与数据工程实践
数据集的高频时序特征使其成为建模与工程实践的理想素材。在时间序列预测中，可基于小时级价格数据构建 ARIMA、LSTM 等模型，预测未来 24 小时价格走势 —— 例如利用 BTC 过去 30 天的 price_usd 与 vol_24h 数据训练模型，预测次日开盘价，为短线交易提供参考。
在数据工程领域，该数据集的管道架构可作为实践案例：学习者可复现 “AppScript 网页抓取 - BigQuery 云存储 - Kaggle 发布” 的全流程，掌握数据自动化采集、存储与共享的关键技术；同时可练习 SQL 查询优化，如筛选 “市值超 100 亿美元且 24 小时涨幅超 5%” 的币种，提升数据提取效率。此外，通过处理时间戳格式、缺失值填补等问题，可积累金融数据清洗的实战经验。
五、结尾
2025 年加密货币与股票市场数据集以 “高频更新、跨资产对比、指标全面、工程赋能” 为核心优势，不仅解决了金融数据分散、标准不一的痛点，更构建起 “分析 + 工程” 双重价值体系。其小时级高频数据既捕捉了金融市场的短期波动细节，跨资产框架又支撑了宏观联动规律的挖掘，适用人群覆盖投资者、分析师、数据工程师与研究者。
无论是构建资产价格预测模型、分析跨市场风险传导路径，还是复现自动化数据管道，该数据集都能提供坚实支撑。随着时间推移，其历史数据积累将进一步提升统计显著性，为金融市场的深度研究与实践应用提供持续价值，成为连接金融理论与市场动态的重要桥梁。
验证报告
以下为卖家选择提供的数据验证报告：
2025 年至今加密货币与股票市场数据集：支撑金融时序分析与资产联动研究
￥2.9
已售 0
2.59MB
申请报告