Kann KI 200 $ pro Tag mit Wettervorhersagen verdienen?

Original-Artikeltitel: „KI nutzen, um Wettervorhersagen zu treffen und passiv 200 $ pro Tag zu verdienen“

Autoren des Originalartikels: Changan, Biteye

Das Wetter ist anders als Wahlen, es hat keine Haltung; anders als die NBA hat es keine Heimmannschaft. Doch gerade dieser Markt hat inländische Nutzer angezogen. Der Grund ist einfach – jeder hat eine Vorstellung, jeder glaubt, das Wetter in Shanghai zu verstehen.

Aber „wissen“ und „Geld verdienen“ sind zwei verschiedene Dinge.

Biteye teilt heute drei Dinge:

1. Verstehen Sie die Abrechnungsregeln

2. Legen Sie eine Methode zur Wettervorhersage fest

3. Verwenden Sie ein System, um Handelsmöglichkeiten zu finden, die andere nicht sehen können

I. Zuerst verstehen: Wie wird dieser Wettermarkt abgerechnet?

1. Die Abrechnungsstemperatur ist nicht das, was Sie denken, dass sie ist

Viele Menschen haben bei ihrer ersten Teilnahme ein Missverständnis: Sie vergleichen die höchste Temperatur in der Wetter-App auf ihrem Telefon, aber die App zeigt die Temperatur für das Stadtgebiet von Shanghai an, während Polymarket bei der Abrechnung die tatsächlichen Daten vom Flughafen Shanghai Pudong (Wetterstation ZSPD) verwendet. Diese Daten sind über die amerikanische Wetterplattform Wunderground öffentlich zugänglich, und PM liest die Aufzeichnungen auf WU direkt als Abrechnungsbasis.

Zwei verschiedene Orte, zwei verschiedene Zahlen. Der Flughafen Pudong befindet sich auf der Ostseite der Stadt, in der Nähe der Mündung des Yangtse, der vom Meer beeinflusst wird, und die Temperaturen sind in der Regel niedriger als im Stadtgebiet. Dieser Unterschied ist normalerweise nicht spürbar, aber an der Grenze eines Vorhersagezeitraums könnte er der Unterschied zwischen richtig und falsch sein.

In dem Kommentarbereich des Wettermarktes können Sie daher diese Art von Verwirrung sehen: „Obwohl es heute wärmer als gestern ist, warum ist die angezeigte Höchsttemperatur niedriger?“

2. Die Zahl ist korrekt, aber die Einheit ist nicht das, was Sie denken.

Die Daten von WU stammen direkt aus der stündlich gemeldeten METAR-Meldung des Flughafens (ein weltweit verwendetes Format für Flugwetterberichte).

Hier steckt ein Detail drin: METAR zeichnet ganze Zahlen in Fahrenheit auf, und WU zeigt diese Zahl direkt ohne Umrechnung oder Korrektur an.

Die meisten Wettervorhersage-Systeme und Ausgänge von meteorologischen Modellen haben Temperaturen mit Dezimalstellen. Je präziser Ihre Modellberechnung ist, desto leichter ist es, diesen grobsten Aspekt zu übersehen.

3. Temperaturmuster in Shanghai

Nach der Auswertung von fast 1900 Tagen an Daten von der ZSPD-Station zeigt sich, dass die Spitzenzeiten für die höchsten Temperaturen in Shanghai stärker konzentriert sind als angenommen:

· Die Spitzenstunden für alle vier Jahreszeiten sind stark auf 11:00-13:00 Uhr konzentriert,

· Die Konzentration im Sommer ist um 12:00 Uhr am höchsten und macht 27,6 % der gesamten Saison in einer einzigen Stunde aus.

· Die Spitzenzeit im Herbst ist etwas früher, wobei 10:00 Uhr ebenfalls eine der Hochfrequenzzeiten ist.

Das Muster zu verstehen ist der erste Schritt, aber das Muster überwacht sich nicht selbst. Zu wissen, wann die höchste Temperatur jeden Tag auftritt, ob sie aktualisiert wird und wie weit sie von der Schwelle entfernt ist.

Daher hat der Autor dieses System eingerichtet: Vor der täglichen Abrechnung so genau wie möglich vorhersagen, in welchen Celsius-Bereich die höchste Temperatur des Tages fallen wird.

II. Fünf Methoden, drei validiert

Nachdem die Marktrichtlinien verstanden wurden, stellt sich die nächste Frage: Wie kann man die höchste Temperatur des Tages vorhersagen?

Als meteorologischer Neuling besteht der erste Schritt darin, ChatGPT zu fragen: Wie berechnet die meteorologische Industrie eigentlich die höchste Temperatur des Tages und welche ausgereiften Methoden stehen zur Verfügung. ChatGPT lieferte einen theoretischen Rahmen, den Claude in Code umsetzte. Mit zwei KI-Systemen, die zusammenarbeiten, wurde das System an einem Wochenende eingerichtet.

Insgesamt wurden fünf Methoden ausprobiert, und letztendlich waren nur drei erfolgreich.

Validiert:

1. WC + ECMWF-Integrierter Vorhersage-Dienst

Um die höchste Temperatur vorherzusagen, werden Daten benötigt. Es wurden zwei Quellen verwendet:

· The Weather Company (WC) ist eine kommerzielle Wetter-API, die stündliche Vorhersagedaten mit hoher Genauigkeit bereitstellt;

· Das ECMWF ist das globale Wettermodell des Europäischen Zentrums für mittelfristige Wettervorhersagen und empfindlicher gegenüber großräumigen Wettersystemen.

Jede Quelle hat ihre Vor- und Nachteile, daher werden sie durch Abstimmung gewichtet. Die Gewichte werden dynamisch basierend auf dem Wettertyp des Tages angepasst: WC wird an sonnigen Tagen als vertrauenswürdiger angesehen, während ECMWF an bewölkten und windigen Tagen als vertrauenswürdiger angesehen wird.

2. Echtzeitkorrektur: Verwendung von Temperaturanstiegsdaten zur Schätzung von Spitzenwerten

Die Vorhersage wurde gestern Abend berechnet, aber das heutige Wetter hat sich geändert. Was dieses Modul also tut: Es verwendet die tatsächlichen Messdaten von heute Morgen, um zu berechnen, wie hoch die Temperatur heute steigen kann.

Die Logik ist nicht kompliziert. Der Herausgeber stellte fest, dass die Temperatur in Shanghai zwischen 8 und 9 Uhr am schnellsten ansteigt. Das System betrachtet nach Erhalt der zu diesem Zeitpunkt gemessenen Temperatur die historischen Daten: Wie stark könnte die Temperatur im Durchschnitt zur gleichen Jahreszeit und zur gleichen Zeit ansteigen?

Anschließend werden zwei Anpassungen vorgenommen:

· Wenn viele Wolken vorhanden sind, wird ein Rabatt angewendet, da dickere Wolken die Erwärmung behindern.

· Wenn es windig ist, wird ebenfalls ein Rabatt angewendet, da starke Winde den Wärmeverlust beschleunigen. Dies berechnet eine „Extrapolationsabschätzung“.

Druck, Taupunkt und Luftfeuchtigkeit werden ebenfalls in die Berechnung einbezogen, aber da Rücktests ergeben haben, dass sie nur einen minimalen Einfluss und eine geringe Relevanz haben, wurden sie entfernt.

Aber sich ausschließlich auf Extrapolation zu verlassen, ist nicht stabil genug. Hier wird ein Konzept namens Kalman-Gewinn verwendet, das im Wesentlichen einen gewichteten Durchschnitt zwischen dem „extrapolierten Ergebnis“ und der „ursprünglichen Prognose“ berechnet, wobei dieses Gewicht sich automatisch im Laufe der Zeit ändert.

· Um 6 Uhr morgens macht die Extrapolation nur 20 % aus, wobei den meisten Vertrauen in die Prognose gesetzt wird.

· Mittags um 12 Uhr macht die Extrapolation 72 % aus.

· Nach 13:00 Uhr wird nahezu vollständig auf die tatsächliche Messung vertraut, die 85 % ausmacht.

Je später es wird, desto wichtiger werden aktuelle Ereignisse; je früher es ist, desto größer ist der Referenzwert historischer Prognosen.

Nach 14:00 Uhr schätzt das System, dass die Spitzentemperatur höchstwahrscheinlich bereits erreicht ist, und es speichert die höchste Temperatur des Tages direkt aus historischen Aufzeichnungen, ohne weitere Berechnungen.

3. Ist heute ein wärmerer Tag?

Dies ist das zufriedenstellendste Modul im gesamten System, das eine tägliche Bewertung vor der Morgendämmerung vornimmt: Wird die heutige Höchsttemperatur höher sein als die von gestern?

Zwischen 2 und 4 Uhr morgens sammelt das System täglich eine Reihe von meteorologischen Daten, um sie in dieses Modell einzuspeisen:

· Druckänderungen in den letzten 3 Stunden und 12 Stunden

· Windrichtung, Windgeschwindigkeit und Bewölkerungsverhältnisse vor dem Morgengrauen

· Temperaturschwankungen von gestern, Temperaturschwung in den letzten drei Tagen, ob die Temperatur von gestern höher oder niedriger war

· Plus der Monat, die Jahreszeit, der Tag im Jahr, ob es gestern geregnet hat

Die Ausgabe des Modells ist in fünf Stufen unterteilt: Wärmender Tag, leichte Erwärmung, stabil, leichte Abkühlung, Abkühlender Tag, wobei auch ein Vertrauensniveau angegeben wird.

Diese Methode weist jedoch eine erhebliche Abweichung in der Genauigkeit über die verschiedenen Jahreszeiten hinweg auf.

Am genauesten im Winter: Wenn die kalte Luft eintrifft, steigt der Luftdruck stark an, der Nordwind verstärkt sich und das Signal ist sehr deutlich, sodass das Modell es auf einen Blick leicht identifizieren kann.

Am wenigsten genau im Herbst: Wenn warme und kalte Luftmassen ein Tauziehen austragen, wobei die Temperaturen an einem Tag steigen und am nächsten wieder fallen, werden die historischen Muster in dieser Jahreszeit am schnellsten ungültig.

Eliminierte Methoden:

1. Fourier-Numerische Vorhersage

Anfänglich wurde versucht, die Fourier-Analyse zu verwenden, um die zyklischen Muster der historischen Temperaturdaten anzupassen, um zu sehen, ob sie die höchste Temperatur des Tages direkt vorhersagen könnte.

Das Ergebnis war, dass sie nur sagen konnte, „was die durchschnittliche Temperatur in dieser Saison historisch war.“ Die Zufälligkeit des Wetters in Shanghai ist zu hoch, und die Fourier-Anpassung erzeugt eine glatte Durchschnittskurve, nicht die tatsächlichen täglichen Schwankungen. Mit einem Fehler von 3,6 °C und einer systematischen Unterschätzung von 100 % wurde diese Methode direkt verworfen.

2. ERA5-Spitzenmoment-Vorhersage

ERA5 ist der globale historische Reanalyse-Datensatz des Europäischen Zentrums für mittelfristige Wettervorhersagen, der verwendet wird, um den Zeitpunkt des Tages vorherzusagen, zu dem die höchste Temperatur auftritt.

Nach dem Backtesting:

· Die Genauigkeit innerhalb von ≤1 Stunde beträgt 59,6 %

· Die Genauigkeit innerhalb von ≤2 Stunden beträgt 81,3 %

Obwohl dies gut klingt, ist die Präzision des PM höher, und das für Händler verbleibende Zeitfenster für Entscheidungen ist sehr kurz. Wenn die Vorhersage des Spitzenwerts innerhalb einer halben Stunde nicht erreicht werden kann, ist es besser, sich die Daten von Polymarket anzusehen. Daher wurde diese Methode ausgeschlossen.

III. System Actual Combat: Zwei Fälle und Reflexion der Mängel

Der Wettermarkt von Polymarket öffnet vier Tage im Voraus für den Handel, wobei beliebte Temperaturbereiche in der Regel früh im Markt vollständig gehandelt werden. Der direkte Kauf auf Hochwahrscheinlichkeitsniveaus führt zu einem schlechten Risiko-Rendite-Verhältnis.

Daher ist die Strategie, die der Autor anwendet: auf das Signal warten, auf das Erwärmungszeitfenster warten, bevor man in den Markt eintritt.

Anschließend wurden basierend auf dem selbst entwickelten Wettersystem die folgenden zwei Operationen durchgeführt:

Fall 1:

Am Morgen des 16. veröffentlichte der Telegram-Kanal einen Bericht über den Nachtmodus: Morgen ist ein Abkühlungstag. Der Grund dafür ist, dass die Nacht dicke Wolken hatte und sowohl die Jahreszeit als auch die Tageszahl des Jahres auf einen Abkühlungstrend hindeuteten.

Zu diesem Zeitpunkt platzierte der Herausgeber keine sofortige Wette. Das frühe Morgensignal war nur der erste Referenzpunkt.

Um 11 Uhr morgens sendete das System einen Echtzeitbericht über eine Erwärmungsphase. Zu diesem Zeitpunkt lag die höchste gemessene Temperatur bereits bei 12°C, mit einem Wahrscheinlichkeitswert von +1°C: eine 42%ige Chance auf eine weitere Erhöhung um 1°C heute, die eher auf keine weitere Erwärmung hindeutet.

Das logistische Regressionssignal vom frühen Morgen, das auf eine Abkühlung hinwies, stimmte mit beiden Modulen überein. Das Signal war viel deutlicher als am frühen Morgen. Daher wurde eine Wette darauf abgeschlossen, dass die maximale Temperatur am 16. nicht 13°C überschreiten würde.

Wetterlage an diesem Tag: 12°C. Am Vortag, dem 15., waren es noch 15°C, also ein Temperaturrückgang von 3 Grad.

Fall 2:

Wenn man sich zum Beispiel das heutige Wetter in Shanghai am 17. anschaut, kann das Wettersystem immer noch eine Warnfunktion bieten: Ein um 7 Uhr morgens erhaltener Push zeigte eine ungewöhnliche Spitzenzeit: 22:00.

An einem normalen sonnigen Tag erreicht die höchste Temperatur am Nachmittag zwischen 13 und 15 Uhr ihren Höhepunkt. Heute jedoch liegt der Höhepunkt um 22 Uhr, was darauf hindeutet, dass es sich nicht um eine durch Sonnenlicht verursachte Erwärmung handelt, sondern um den nächtlichen Transport warmer und feuchter Luftströmungen. Es hat den ganzen Tag geregnet, mit einer Bewölkung von 97-100 % und fast keinem Sonnenschein.

Als ich Polymarket zu diesem Zeitpunkt öffnete, lag der Preis bei 12°C immer noch bei 53 %. Einige in der Gemeinschaft sind verwirrt: Es ist bereits nachmittag, und die Temperatur beträgt nur 11°C. Die übliche Hauptzeit ist vorbei, warum kaufen die Leute also bei 12°C noch immer ein?

Hinter dieser Verwirrung steckt, dass die Leute immer noch die Logik eines sonnigen Tages verwenden, um einen Markt an einem regnerischen Tag zu bewerten.

Das System ist nicht verwirrt. Es hat den heutigen Wettertyp am Morgen korrekt identifiziert, mit einer ungewöhnlichen Spitzenzeit, die eine deutliche Abweichung zwischen der aktuellen Temperatur und der Markterwartung zeigt. Dieser Informationsunterschied ist eine Handelschance.

Das ist die Bedeutung dieses Systems: Es erleichtert die Identifizierung von Chancen und warnt schneller bei Risiken.

Was sind einige Einschränkungen des Systems?

Am Wochenende wurde ein System implementiert, das unmöglich fehlerfrei sein kann:

· Die Genauigkeit im Herbst beträgt nur 63,7 %, was einer Münzwürfung nahekommt.

· Kalt- und Warmluftmassen spielen in dieser Jahreszeit immer wieder Katz-und-Maus, wobei der heutige Temperaturanstieg von einem Abfall morgen gefolgt wird, die historischen Muster sind im Herbst am wenigsten zuverlässig.

· Die Druckmerkmale sind im Live-Handel nicht verfügbar. Druckänderungen wurden als Merkmal beim Training des Modells verwendet, und die Backtesting-Ergebnisse waren gut.

· Das Signal des Kaltluftdurchgangs ist sehr deutlich. Während des Live-Handels liefert die aktuelle Schnittstelle jedoch keine Echtzeit-Druckdaten.

· Die Küstenkorrektur wartet noch auf die Datenaktivierung. Der Seeeffekt am Flughafen Pudong ist tatsächlich real, und das System hat ein entsprechendes Korrekturmodul erstellt, aber die Backtest-Beispiele sind nicht ausreichend.

Ein System, das gerade ein Wochenende lang gelaufen ist, kann diese Probleme bereits identifizieren, was als Gewinn angesehen wird. Die nächsten Schritte beinhalten das Debuggen während des Betriebs.

IV. Fazit

Die Meteorologie hat sich über Hunderte von Jahren entwickelt und umfasst Satelliten, Supercomputer, globale Modelle, dennoch wagen Wettervorhersagen immer noch nicht, eine 100%ige Genauigkeit für morgen zu garantieren. Es liegt nicht daran, dass Wissenschaftler nicht hart genug arbeiten, sondern die Atmosphäre selbst ist chaotisch. Eine geringfügige Differenz in den Anfangsbedingungen kann zu völlig unterschiedlichen Ergebnissen führen.

Dieses System, das über ein Wochenende läuft, wird natürlich Fehler machen. Die Genauigkeitsrate im Herbst liegt nahe bei einer Münzwürfel-Entscheidung, wenn kalte Luft früh eintrifft, reagiert das System möglicherweise nicht rechtzeitig, und der Seebriseffekt wurde selbst jetzt noch nicht vollständig erfasst.

Aber das ist nicht wichtig. Die Vorhersage des Marktes erfordert nicht, dass man jedes Mal recht hat, sondern nur, einen Vorteil in den Quoten zu haben, eine weitere Informationslage zu sehen als der Markt.

Original-Artikel-Link