外汇多模态数据集

摘要：外汇多模态数据集是一个面向外汇价格预测、宏观经济分析、事件驱动交易研究与金融机器学习的综合市场数据集。

数据集概述

外汇多模态数据集是一个面向外汇价格预测、宏观经济分析、事件驱动交易研究与金融机器学习的综合市场数据集。数据以时间戳、货币对和交易周期为基础，将外汇市场的开盘价、最高价、最低价、收盘价和成交量等价格行为，与技术指标、美国宏观经济数据以及实时经济事件信号进行时间对齐，从而形成“市场行情 + 技术特征 + 宏观经济 + 新闻事件”的多源数据结构，可用于研究不同信息源对汇率波动和市场方向的影响。

数据结构与关键特征

数据集首先包含货币对、UTC时间戳、时间框架和OHLCV行情数据，并构建约 16项市场技术背景特征，包括1/5/20根K线收益率、对数收益率、振幅、K线实体与影线、价格相对20日和50日均线的位置以及伦敦、纽约、东京和重叠交易时段等信息；同时整合约 71项FRED宏观经济特征，涵盖2年、5年、10年和30年期美国国债收益率及其变化、期限利差、盈亏平衡通胀率、美联储政策利率、美元指数、VIX、金融压力指数、失业率、CPI、核心CPI和PCE等指标。此外还包含约 9项实时经济事件特征，描述高影响事件发生前后的时间距离、事件影响程度、实际值与预测值之间的标准化意外幅度，以及过去和未来不同时间窗口内的重要事件数量与累计冲击。

应用价值与研究方向

该数据集适用于外汇涨跌预测、收益率预测、波动率建模、宏观事件冲击分析、市场状态识别和量化交易研究。结构化特征可采用 XGBoost、LightGBM、CatBoost 等模型进行基准分析，时间序列部分可采用 LSTM、GRU、TCN、Temporal Fusion Transformer、PatchTST 和 TimesNet 等模型，并可进一步利用多模态 Transformer 融合价格、技术指标、宏观变量和经济事件信息。研究方向还可扩展至央行政策与汇率联动、收益率曲线对外汇市场的影响、重大经济数据公布前后的异常波动、不同交易时段的市场行为、事件驱动型波束式预测、多货币对迁移学习以及风险调整后的智能交易信号生成。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-516
文件大小：350M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。