Cuaca tidak seperti pemilu, tidak ada posisi; tidak seperti NBA, tidak ada tim favorit. Tapi justru pasar inilah yang membuat pengguna domestik berbondong-bondong masuk. Alasannya sederhana, setiap orang merasakannya, setiap orang merasa mengerti cuaca Shanghai.

Tapi 'merasa mengerti' dan 'bisa menghasilkan uang' adalah dua hal yang berbeda.

Biteye hari ini berbagi tiga hal:

1. Memahami aturan penyelesaian

2. Membangun metode prediksi cuaca

3. Menggunakan sistem untuk menemukan peluang transaksi yang tidak terlihat orang lain

1. Pertama, pahami: Bagaimana sebenarnya pasar cuaca ini diselesaikan?

1. Suhu yang diselesaikan, bukan yang Anda kira

Banyak orang yang pertama kali berpartisipasi memiliki kesalahpahaman: membandingkan aplikasi cuaca di ponsel dengan menebak suhu tertinggi, tetapi aplikasi menampilkan suhu di pusat kota Shanghai, sedangkan Polymarket menyelesaikan menggunakan data aktual dari Bandara Pudong Shanghai (stasiun meteorologi ZSPD). Data ini dipublikasikan melalui platform cuaca Amerika Wunderground, dan PM langsung membaca catatan dari WU sebagai dasar penyelesaian.

Dua tempat, dua angka. Bandara Pudong terletak di sisi timur kota, berdekatan dengan muara Sungai Yangtze, dipengaruhi angin laut, suhu biasanya lebih rendah daripada pusat kota. Perbedaan ini biasanya tidak terasa, tetapi di batas ambang, bisa menjadi pembeda antara tebakan benar dan salah.

Jadi Anda bisa melihat kebingungan ini di kolom komentar pasar cuaca: 'Hari ini jelas terasa lebih hangat daripada kemarin, mengapa suhu maksimum yang ditampilkan justru lebih rendah?'

2. Angkanya benar, tetapi satuannya bukan yang Anda kira

Data WU berasal langsung dari laporan METAR bandara setiap jam (format telegram cuaca yang digunakan secara global oleh penerbangan sipil).

Ada detail yang tersembunyi di sini: METAR mencatat angka integer Fahrenheit, WU langsung menampilkan angka ini, tidak dikonversi, tidak dikoreksi.

Sedangkan sebagian besar sistem prakiraan cuaca, model meteorologi mengeluarkan suhu dengan desimal. Model Anda semakin halus, semakin mudah mengabaikan tempat yang paling kasar ini.

3. Pola suhu Shanghai

Menggali data hampir 1900 hari dari stasiun ZSPD, waktu kemunculan suhu tertinggi Shanghai lebih terkonsentrasi daripada yang dibayangkan:

· Empat musim sangat terkonsentrasi pada pukul 11:00-13:00,

· Musim panas konsentrasi tertinggi pada pukul 12:00, satu jam tunggal mencakup 27,6% dari seluruh musim.

· Periode puncak musim gugur sedikit lebih awal, pukul 10:00 juga merupakan salah satu periode frekuensi tinggi.

Mengetahui pola adalah langkah pertama, tetapi pola tidak akan memantau pasar sendiri. Kapan suhu tertinggi harian muncul, apakah sudah diperbarui, berapa jaraknya dari ambang batas.

Jadi kami menyusun sistem ini: Sebelum penyelesaian harian, prediksi seakurat mungkin suhu maksimum hari itu jatuh di ambang Celsius mana.

2. Lima metode, tiga yang berhasil

Setelah aturan pasar jelas, pertanyaan selanjutnya adalah: Bagaimana memprediksi suhu maksimum hari itu?

Sebagai pemula meteorologi, langkah pertama adalah bertanya kepada ChatGPT: Bagaimana sebenarnya industri meteorologi menghitung suhu maksimum hari itu, metode matang apa saja yang ada. ChatGPT memberikan satu set kerangka teori, Claude menerapkan kerangka itu menjadi kode. Dua AI digunakan bersama, sistem selesai dibangun dalam satu akhir pekan.

Total mencoba lima metode, akhirnya hanya tiga yang berhasil.

Yang berhasil:

1. WC + ECMWF integrated forecast

Memprediksi suhu maksimum, pertama-tama butuh data. Menggunakan dua sumber:

· Weather Company (WC) adalah API cuaca komersial, menyediakan data prakiraan per jam, akurasi tinggi;

· ECMWF adalah model cuaca global dari Pusat Prakiraan Cuaca Menengah Eropa, lebih sensitif terhadap sistem cuaca skala besar.

Kedua sumber memiliki kelebihan dan kekurangan masing-masing, jadi membuat mereka memberikan suara tertimbang. Bobot disesuaikan secara dinamis berdasarkan jenis cuaca hari itu: cerah lebih percaya WC, tutupan awan besar, angin kencang lebih percaya ECMWF.

2. Koreksi real-time: menggunakan data kenaikan suhu untuk memperkirakan puncak

Prakiraan dihitung tadi malam, tetapi cuaca hari ini terus berubah. Jadi modul ini melakukan: menggunakan data aktual yang sudah terjadi pagi ini, memperkirakan seberapa tinggi suhu bisa mencapai hari ini.

Logikanya tidak rumit, kami menemukan pukul 8-9 pagi di Shanghai adalah periode kenaikan suhu tercepat. Sistem mendapatkan suhu aktual pada saat ini, memeriksa data historis: musim yang sama, waktu yang sama, rata-rata berapa derajat lagi yang bisa naik di masa lalu.

Kemudian tambahkan dua koreksi:

· Awan banyak dikalikan diskon, tutupan awan semakin tebal kenaikan suhu semakin terhambat.

· Angin kencang juga dikalikan diskon, angin kuat akan mempercepat hilangnya panas. Dihasilkan sebuah 'estimasi ekstrapolasi'.

Tekanan udara, titik embun, kelembaban juga dalam perhitungan, tetapi setelah backtest ditemukan faktor-faktor ini pengaruhnya kecil, korelasi rendah, jadi dihapus.

Tapi hanya mengandalkan ekstrapolasi belum cukup stabil, di sini digunakan konsep Kalman gain, sederhananya adalah mengambil rata-rata tertimbang antara 'hasil ekstrapolasi' dan 'prakiraan awal', dan bobot ini akan berubah otomatis seiring waktu.

· Pagi pukul 6, ekstrapolasi hanya 20%, sebagian besar masih percaya prakiraan

· Sampai siang pukul 12, ekstrapolasi 72%

· Setelah sore pukul 1, hampir sepenuhnya percaya data aktual, 85%

Semakin sore, hal yang terjadi di depan mata semakin penting; semakin pagi, nilai referensi prakiraan historis semakin besar.

Setelah pukul 2 sore, sistem menilai puncak kemungkinan besar sudah lewat, langsung mengambil suhu tertinggi hari ini dari catatan historis untuk mengunci hasil, tidak memperkirakan lagi.

3. Hari ini hari pemanasan?

Ini adalah modul yang paling memuaskan dalam seluruh sistem, setiap pagi membuat penilaian: Apakah suhu maksimum hari ini akan lebih tinggi daripada kemarin?

Setiap pagi pukul 2-4, sistem akan mengumpulkan sejumlah data meteorologi, memberi makan model ini:

· Perubahan tekanan udara dalam 3 jam, 12 jam terakhir

· Arah dan kecepatan angin dini hari, kondisi awan

· Besarnya kenaikan/penurunan suhu kemarin, tren suhu tiga hari terakhir, apakah suhu kemarin偏高 atau偏低

· Ditambah bulan, musim, hari keberapa dalam setahun, apakah kemarin hujan

Keluaran model dibagi menjadi lima tingkat: hari pemanasan, cenderung pemanasan,持平, cenderung pendinginan, hari pendinginan, sekaligus memberikan tingkat kepercayaan.

Namun metode ini akurasinya sangat bervariasi di musim yang berbeda.

Musim dingin paling akurat: udara dingin datang, tekanan udara naik急, angin utara menguat, sinyal sangat jelas, model langsung bisa melihatnya.

Musim gugur paling buruk: massa udara dingin dan hangat berulang kali tarik ulur, hari ini baru naik besok sudah turun, hukum historis paling cepat gagal di musim ini.

Metode yang dieliminasi:

1. Prediksi numerik Fourier

Pernah mencoba menggunakan analisis Fourier untuk mencocokkan hukum periodik suhu historis, melihat apakah bisa langsung memprediksi suhu maksimum hari itu.

Hasilnya ditemukan yang bisa diberitahukan hanyalah 'rata-rata musim ini dalam sejarah adalah berapa derajat'. Keacakan cuaca Shanghai terlalu tinggi, kurva rata-rata yang dihasilkan dari pencocokan Fourier adalah kurva rata-rata yang halus, bukan fluktuasi harian yang sebenarnya. Kesalahan 3,6°C, dan 100% systematically低估, jadi langsung dihapus.

2. Prediksi momen puncak ERA5

ERA5 adalah dataset reanalisis historis global dari Pusat Iklim Eropa, digunakan untuk memprediksi pukul berapa suhu maksimum hari itu muncul.

Backtest hasilnya

· ≤1 jam akurasi 59,6%

· ≤2 jam akurasi 81,3%

Kedengarannya还行, tetapi masalahnya adalah akurasi PM lebih tinggi, waktu窗口 yang tersisa untuk trader penilaian sangat singkat, jika tidak bisa melakukan penilaian puncak dalam setengah jam, lebih baik melihat data Polymarket, jadi metode ini dieliminasi.

3. Sistem dalam praktik: Dua kasus dan refleksi kekurangan

Pasar cuaca Polymarket akan membuka perdagangan 4 hari sebelumnya, ambang suhu panas biasanya sudah ditentukan harga充分 pada awal pembukaan. Membeli langsung di ambang probabilitas tinggi, rasio untung rugi比较差.

Jadi strategi yang digunakan adalah: tunggu sinyal, tunggu窗口 waktu pemanasan baru masuk.

Kemudian berdasarkan sistem cuaca yang dibangun sendiri melakukan dua operasi berikut:

Kasus 1:

Tanggal 16 dini hari, saluran Telegram mendorong laporan mode malam: besok adalah hari pendinginan. Alasannya adalah kondisi awan malam itu偏厚, musim dan urutan hari dalam tahun kedua fitur menunjuk ke arah pendinginan.

Pada saat ini tidak langsung memasang taruhan. Sinyal dini hari hanya referensi lapisan pertama.

Sampai pukul 11 pagi, sistem mendorong laporan real-time periode pemanasan. Saat itu suhu maksimum aktual sudah mencapai 12°C, skor probabilitas +1°C memberikan hasil: probabilitas hari ini naik 1°C lagi adalah 42%, condong tidak akan naik lagi.

Menggabungkan sinyal regresi logistik偏 pendinginan dini hari, dua modul arah一致, saat ini sinyal比 dini hari jelas多了. Kemudian memasang taruhan suhu maksimum tanggal 16 tidak melebihi 13°C.

Penyelesaian hari itu: 12°C. Sehari sebelumnya tanggal 15 adalah 15°C, turun整整 3 derajat.

Kasus 2:

Misalnya cuaca Shanghai hari ini tanggal 17, sistem cuaca masih bisa berperan sebagai peringatan dini: pukul 7 pagi menerima dorongan显示, momen puncak异常: 22:00

Normalnya cerah suhu maksimum muncul sore pukul 1-3, tetapi hari ini puncak pada malam pukul 22, menunjukkan ini bukan pemanasan sinar matahari, tetapi transportasi udara lembab hangat malam hari. Sepanjang hari hujan, tutupan awan 97-100%, sinar matahari hampir nol.

Pada saat ini membuka Polymarket, melihat harga 12°C masih 53%. Di komunitas ada yang bingung: Sekarang sudah sore, suhu baru 11°C, periode puncak normal sudah lewat, mengapa orang masih membeli 12°C?

Di balik kebingungan ini, adalah orang masih menggunakan logika cerah untuk menilai pasar hujan.

Sistem tidak akan bingung. Pagi hari sudah mengidentifikasi jenis cuaca hari ini dengan jelas, momen puncak异常, perbedaan jelas antara suhu saat ini dan ekspektasi pasar. Ini adalah perbedaan informasi, dan perbedaan informasi adalah peluang transaksi.

Inilah arti membangun sistem ini: Di depan peluang, lebih mudah diidentifikasi; di depan risiko, lebih cepat peringatan.

Apa saja kekurangan sistem?

Membuat sistem dalam satu akhir pekan, tidak mungkin tidak ada celah:

· Akurasi musim gugur hanya 63,7%, mendekati lempar koin.

· Massa udara dingin dan hangat di musim ini berulang kali tarik ulur, hari ini naik besok turun, hukum historis paling cepat gagal di musim gugur.

· Fitur tekanan udara tidak bisa didapatkan dalam perdagangan实盘. Saat melatih model menggunakan perubahan tekanan udara sebagai fitur, efek backtest bagus.

· Sinyal udara dingin melintas sangat jelas. Tetapi saat dijalankan实盘, antarmuka saat ini tidak bisa mendapatkan data tekanan udara real-time.

· Koreksi pesisir masih menunggu data diaktifkan. Efek angin laut Bandara Pudong benar-benar ada, sistem juga membangun modul koreksi yang sesuai, tetapi sampel backtest belum cukup banyak.

Sistem yang baru dijalankan satu akhir pekan, bisa menemukan masalah ini sudah算是有收获. Selanjutnya sambil menjalankan sambil memperbaiki.

4. Kesimpulan

Meteorologi berkembang ratusan tahun, menggunakan satelit, superkomputer, model global, prakiraan cuaca masih tidak berani menjamin 100% besok akurat. Bukan ilmuwan tidak cukup berusaha, sistem atmosfer本身 adalah混沌, selisih satu derajat kondisi awal, hasil mungkin完全不同.

Sistem yang dijalankan satu akhir pekan ini, tentu juga akan salah. Akurasi musim gugur mendekati lempar koin, udara dingin datang lebih awal sistem mungkin tidak bereaksi, efek angin laut sampai sekarang belum sepenuhnya tertangkap.

Tapi ini tidak penting. Melakukan pasar prediksi tidak perlu每次 benar, hanya需要在 peluang memiliki keuntungan,比 pasar多看一层 informasi.