Données Polymarket : carnets d'ordres en direct, API et les quatre couches de données

La couche métadonnées définit la question échangée : les identifiants de condition et de jeton, les étiquettes d’issue, la fenêtre de marché, la source de résolution et la règle de règlement. L’API Gamma de Polymarket est la source de vérité ici et elle est gratuite. Cette couche est facile à obtenir et facile à sous-estimer — la plupart des bugs de réconciliation en aval sont des bugs d’identifiants, car un marché Polymarket a plusieurs identifiants (ID de condition, IDs de jetons par issue, slug) et ils ne sont pas interchangeables. Liez votre recherche à l’ID de jeton pour une issue spécifique, et gardez le slug uniquement pour l’affichage.

La couche de prix est une série temporelle des endroits où le marché a été négocié ou coté. Elle répond aux questions sur la direction, la précision des prévisions et la calibration, et pour celles-ci c’est l’entrée correcte. Sa limite est la résolution et la signification : une série de dernier prix vous dit qu’une transaction a eu lieu à ce prix, pas que votre ordre aurait pu. Sur les marchés à court terme, une série grossière peut ne contenir que quelques points sur toute la durée de vie d’un marché, et aucun d’eux n’est aligné aux moments où une stratégie aurait agi.

Parce que Polymarket règle sur Polygon, les trades exécutés et l'activité des portefeuilles sont publiquement observables, ce qui explique pourquoi les indexeurs on-chain couvrent bien cette couche. C'est la bonne source pour le volume, le flux, la recherche sur portefeuilles et l'analyse des classements. Ce qu'elle ne peut pas récupérer est le carnet : deux carnets d'ordres très différents — l'un avec une taille profonde derrière le touché, l'autre avec presque aucune — peuvent produire un même tape de transactions, donc le slippage n'est pas dérivable des transactions seules.

Le carnet est constitué des offres et demandes en attente à un instant donné : les prix, les tailles et jusqu’où la ladder s’étend de chaque côté. C’est la seule couche qui répond à la question de savoir si un ordre aurait été rempli, à quel prix moyen, et quelle taille aurait coûté. C’est aussi la seule couche qui ne peut pas être reconstituée : une fois le moment passé, l’état du carnet à ce moment est perdu à moins que quelque chose n’ait été connecté et l’ait enregistré. Polymarket diffuse le carnet en direct via son websocket CLOB mais ne fournit pas d’archive, donc la profondeur historique n’est disponible que par une partie qui l’a capturée en continu.

DepthFeed sert les couches enregistrées via une surface REST unique. La découverte retourne les marchés avec leurs identifiants et métadonnées ; la route snapshot retourne les observations enregistrées pour un marché, avec include_orderbook exposant la ladder stockée et interval sélectionnant une ligne enregistrée par bucket. Le downsampling choisit une observation réelle enregistrée plutôt que d’en interpoler une, ainsi un trou reste visible comme un trou au lieu d’être lissé en un nombre non mesuré.

Utilisez CSV pour l'inspection et les petits extraits plats, Parquet pour la recherche colonnaire volumineuse, et REST pour des requêtes bornées ou incrémentales. Le format doit changer la manière dont les octets sont livrés, jamais la signification de l'enregistrement : conservez les identifiants de marché, les timestamps d'échange et de réception, les tableaux complets de prix et tailles bid et ask, les champs de règlement, et les marqueurs explicites là où les données sont absentes. Un ensemble de données qui aplati un carnet à un seul prix est une série de prix portant le nom d'un ensemble de données.

La couverture a un plancher et une forme, et les deux importent plus qu'un simple nombre de lignes. L'archive commence là où la capture a débuté, pas là où Polymarket a commencé, et les séries les plus anciennes remontent le plus loin tandis que les cohortes plus récentes commencent plus tard. Les chiffres de latence décrivent des échantillons mesurés, pas une garantie de service. Lorsqu'un marché n'a pas été capturé, la réponse est une lacune explicite plutôt qu'une valeur interpolée — ce qui est moins flatteur et beaucoup plus utile lorsqu'un backtest en dépend.