A IA pode ganhar $200 por dia com previsões do tempo?

Título do Artigo Original: "Usando IA para Prever o Tempo e Ganhar $200 Passivamente em um Dia"

Autores do Artigo Original: Changan, Biteye

O clima é diferente de eleições, não tem posição; diferente da NBA, não tem time da casa. Ainda assim, é esse mercado que atraiu usuários domésticos. A razão é simples—todo mundo tem uma percepção, todo mundo acha que entende o clima de Xangai.

Mas "sentir-se informado" e "ganhar dinheiro" são duas coisas diferentes.

A Biteye compartilha três coisas hoje:

1. Entenda as regras de liquidação

2. Estabeleça um método de previsão do tempo

3. Use um sistema para encontrar oportunidades de negociação que outros não conseguem ver

I. Primeiro, Entenda: Como este mercado de clima se liquida?

1. A temperatura de liquidação não é o que você pensa que é

Muitas pessoas, ao participar pela primeira vez, têm uma concepção errada: elas comparam a temperatura mais alta no aplicativo de clima do celular, mas o aplicativo mostra a temperatura para a área urbana de Xangai, enquanto a liquidação da Polymarket usa os dados reais do Aeroporto de Pudong de Xangai (estação meteorológica ZSPD). Esses dados estão disponíveis publicamente através da plataforma americana de clima Wunderground, e a PM lê diretamente os registros do WU como base para a liquidação.

Dois locais diferentes, dois números diferentes. O Aeroporto de Pudong está localizado no lado leste da cidade, perto da foz do rio Yangtze, influenciado por brisas marítimas, e as temperaturas geralmente são mais baixas do que na área urbana. Essa diferença geralmente não é perceptível, mas na fronteira de um intervalo de previsão, pode ser a diferença entre estar correto e incorreto.

Então, na seção de comentários do mercado de clima, você pode ver esse tipo de confusão: "Mesmo que hoje pareça mais quente do que ontem, por que a temperatura máxima exibida é mais baixa?"

2. O número está correto, mas a unidade não é o que você pensa

Os dados do WU vêm diretamente da mensagem METAR reportada a cada hora pelo aeroporto (um formato de relatório meteorológico de aviação usado globalmente).

Há um detalhe escondido aqui: Os registros METAR apresentam números inteiros em Fahrenheit, e o WU exibe diretamente esse número sem conversão ou correção.

A maioria dos sistemas de previsão do tempo e saídas de modelos meteorológicos têm temperaturas com casas decimais. Quanto mais precisa for a sua modelagem, mais fácil é ignorar esse aspecto mais grosseiro.

3. Padrões de Temperatura de Xangai

Após coletar quase 1900 dias de dados da estação ZSPD, descobriu-se que os horários de pico das temperaturas mais altas de Xangai estão mais concentrados do que se imaginava:

· Os horários de pico para as quatro estações estão altamente concentrados em torno de 11:00-13:00,

· A concentração no verão é mais alta às 12:00, representando 27,6% de toda a estação em uma única hora.

· O período de pico no outono é um pouco mais cedo, com 10:00 também sendo um dos períodos de alta frequência.

Entender o padrão é o primeiro passo, mas o padrão não vai se monitorar sozinho. Saber quando a temperatura mais alta ocorre a cada dia, se está sendo atualizada e quão longe está do limite.

Então, o autor montou este sistema: antes do fechamento diário, prever com precisão o máximo possível em que nível Celsius a temperatura mais alta do dia vai cair.

II. Cinco Métodos, Três Validados

Depois de entender as regras do mercado, a próxima pergunta é: como prever a temperatura mais alta do dia?

Como um novato em meteorologia, o primeiro passo é perguntar ao ChatGPT: como a indústria meteorológica realmente calcula a temperatura mais alta do dia e quais são os métodos maduros disponíveis. O ChatGPT forneceu uma estrutura teórica, que Claude traduziu em código. Com duas IAs trabalhando juntas, o sistema foi montado durante um fim de semana.

Um total de cinco métodos foram testados, e no final apenas três foram bem-sucedidos.

Validados:

1. WC + Previsão Integrada do ECMWF

Para prever a temperatura mais alta, são necessários dados. Duas fontes foram utilizadas:

· A Weather Company (WC) é uma API comercial de clima que fornece dados de previsão horária com alta precisão;

· O ECMWF é o modelo global de previsão do tempo do Centro Europeu de Previsões Meteorológicas de Médio Prazo, mais sensível a sistemas meteorológicos em grande escala.

Cada fonte tem seus prós e contras, então elas são ponderadas por votação. Os pesos são ajustados dinamicamente com base no tipo de clima do dia: O WC é mais confiável em dias ensolarados, enquanto o ECMWF é mais confiável em dias nublados e ventosos.

2. Correção em tempo real: Usando dados de aumento de temperatura para estimar picos

A previsão foi calculada na noite passada, mas o clima de hoje tem mudado. Então, o que este módulo faz é: usando dados medidos reais desta manhã, ele calcula quão alta a temperatura de hoje pode chegar.

A lógica não é complicada. O editor descobriu que a temperatura sobe mais rápido em Xangai entre 8-9 da manhã. O sistema, após receber a temperatura medida neste momento, analisa dados históricos: para a mesma estação, na mesma hora, quanto mais a temperatura poderia subir em média.

Então, dois ajustes são feitos:

· Se houver muitas nuvens, aplica-se um desconto porque nuvens mais densas impedem o aquecimento.

· Se estiver ventando, também se aplica um desconto porque ventos fortes aceleram a perda de calor. Isso calcula uma "estimativa de extrapolação."

Pressão, ponto de orvalho e umidade também são considerados no cálculo, mas devido a testes retrospectivos revelando seu impacto mínimo e baixa relevância, foram removidos.

Mas confiar apenas na extrapolação não é estável o suficiente. Aqui, um conceito chamado ganho de Kalman é usado, que essencialmente toma uma média ponderada entre o "resultado extrapolado" e a "previsão original," com esse peso mudando automaticamente ao longo do tempo.

· Às 6 da manhã, a extrapolação representa apenas 20%, com a maior parte da confiança na previsão

· Ao meio-dia, às 12 p.m., a extrapolação constitui 72%

· Após a 1 p.m., quase toda a confiança está na medição real, representando 85%

Quanto mais tarde, mais importantes são os eventos atuais; quanto mais cedo, maior é o valor de referência das previsões históricas.

Após as 14h, o sistema julga que a temperatura máxima provavelmente já foi alcançada e registra a maior temperatura de hoje diretamente dos registros históricos, sem mais cálculos.

3. Hoje é um dia de aquecimento?

Este é o módulo mais satisfatório de todo o sistema, fazendo uma avaliação diária antes do amanhecer: A temperatura máxima de hoje será maior do que a de ontem?

Entre 2h e 4h da manhã todos os dias, o sistema coleta um lote de dados meteorológicos para alimentar este modelo:

· Mudanças de pressão nas últimas 3 horas e 12 horas

· Direção do vento antes do amanhecer, velocidade do vento, condições de nuvens

· Flutuações de temperatura de ontem, tendências de temperatura nos últimos três dias, se a temperatura de ontem foi maior ou menor

· Além do mês, estação, dia do ano, se choveu ontem

A saída do modelo é dividida em cinco níveis: Dia de Aquecimento, Leve Aquecimento, Estável, Leve Resfriamento, Dia de Resfriamento, enquanto também fornece um nível de confiança.

No entanto, esse método tem uma variação significativa na precisão entre as diferentes estações.

Mais preciso no inverno: Quando o ar frio chega, a pressão do ar sobe rapidamente, o vento do norte se intensifica e o sinal é muito claro, então o modelo pode identificá-lo facilmente à primeira vista.

Menos preciso no outono: Quando massas de ar quente e frio se enfrentam, com temperaturas subindo um dia e caindo no outro, os padrões históricos se tornam inválidos mais rapidamente nesta estação.

Métodos eliminados:

1. Previsão Numérica de Fourier

Inicialmente, tentou-se usar a análise de Fourier para ajustar os padrões cíclicos dos dados históricos de temperatura para ver se poderia prever diretamente a maior temperatura do dia.

O resultado foi que ele só poderia dizer "qual tem sido a temperatura média nesta estação historicamente." A aleatoriedade do clima de Xangai é muito alta, e o ajuste de Fourier produz uma curva média suave, não as flutuações diárias reais. Com um erro de 3,6°C e uma subestimação sistemática de 100%, esse método foi diretamente descartado.

2. Previsão do Momento de Pico ERA5

ERA5 é o conjunto de dados de reanálise histórica global do Centro Europeu de Previsão do Tempo a Médio Prazo, usado para prever o horário do dia em que a temperatura mais alta ocorre.

Após a retroanálise,

· A precisão dentro de ≤1 hora é de 59,6%

· A precisão dentro de ≤2 horas é de 81,3%

Embora isso pareça bom, a precisão do PM é maior, e a janela de tempo deixada para os traders tomarem decisões é muito curta. Se a previsão do valor de pico dentro de meia hora não puder ser alcançada, é melhor olhar os dados do Polymarket. Portanto, esse método foi eliminado.

III. Combate Real do Sistema: Duas Casos e Reflexão sobre Deficiências

O mercado de clima do Polymarket abre para negociação quatro dias antes, com faixas de temperatura populares geralmente sendo totalmente precificadas cedo no mercado. Comprar diretamente em níveis de alta probabilidade resulta em uma relação risco-recompensa ruim.

Portanto, a estratégia que o autor adota é: esperar pelo sinal, esperar pela janela de tempo de aquecimento antes de entrar no mercado.

Subsequentemente, com base no sistema de clima desenvolvido pelo autor, as seguintes duas operações foram realizadas:

Caso 1:

Na manhã do dia 16, o canal do Telegram divulgou um relatório sobre o modo noturno: Amanhã será um dia de resfriamento. A razão é que a noite tinha nuvens densas, e tanto a estação quanto a contagem do dia do ano apontavam para uma tendência de resfriamento.

Naquela época, o editor não fez uma aposta imediata. O sinal da manhã cedo foi apenas o primeiro ponto de referência.

Às 11 da manhã, o sistema enviou um relatório em tempo real sobre um período de aquecimento. Naquela época, a temperatura mais alta medida já era de 12°C, com um resultado de pontuação de probabilidade de +1°C: uma chance de 42% de outro aumento de 1°C hoje, inclinando-se para não haver mais aquecimento.

Combinando o sinal de regressão logística da manhã cedo indicando resfriamento, ambos os módulos se alinharam na mesma direção. O sinal estava muito mais claro do que na manhã cedo. Portanto, foi feita uma aposta de que a temperatura máxima no dia 16 não excederia 13°C.

Liquidação naquele dia: 12°C. A temperatura no dia anterior, dia 15, foi de 15°C, uma queda total de 3 graus.

Caso 2:

Por exemplo, olhando para o clima de hoje em Xangai no dia 17, o sistema meteorológico ainda pode fornecer uma função de alerta: um empurrão recebido às 7 da manhã mostrou um tempo de pico incomum: 22:00.

Em um dia ensolarado normal, a temperatura mais alta ocorre à tarde entre 13h e 15h. No entanto, o pico de hoje é às 22h, indicando que isso não é um aquecimento induzido pela luz solar, mas o transporte noturno de correntes de ar quente e úmido. Choveu o dia todo, com cobertura de nuvens de 97-100% e quase zero de sol.

Abrindo o Polymarket neste ponto, vendo o preço de 12°C ainda em 53%. Alguns na comunidade estão confusos: Já é tarde, e a temperatura é apenas 11°C. O horário de pico habitual já passou, então por que as pessoas ainda estão comprando a 12°C?

Por trás dessa confusão está o fato de que as pessoas ainda estão usando a lógica de dias ensolarados para avaliar um mercado de dias chuvosos.

O sistema não está confuso. Ele identificou corretamente o tipo de clima de hoje pela manhã, com um horário de pico incomum, mostrando uma clara divergência entre a temperatura atual e a expectativa do mercado. Essa diferença de informação é uma oportunidade de negociação.

Essa é a importância de ter esse sistema: Facilita a identificação de oportunidades diante da oportunidade e avisa mais rápido diante do risco.

Quais são algumas limitações do sistema?

Implementou um sistema durante o fim de semana, impossível de estar sem falhas:

· A precisão no outono é de apenas 63,7%, perto de uma moeda ao ar.

· Massas de ar frio e quente se puxam repetidamente durante esta estação, com a elevação da temperatura de hoje seguida por uma queda amanhã, os padrões históricos são os menos confiáveis no outono.

· As características de pressão não estão disponíveis na negociação ao vivo. Mudanças de pressão foram usadas como uma característica ao treinar o modelo, e os resultados do backtesting foram bons.

· O sinal de passagem de ar frio é muito claro. No entanto, durante a negociação ao vivo, a interface atual não fornece dados de pressão em tempo real.

· A correção costeira ainda aguarda a ativação dos dados. O efeito da brisa do mar no Aeroporto de Pudong é de fato real, e o sistema construiu um módulo de correção correspondente, mas as amostras de backtest não são suficientes.

Um sistema que acabou de rodar por um fim de semana já pode identificar esses problemas, o que é considerado um ganho. Os próximos passos envolvem depuração durante a execução.

IV. Conclusão

A meteorologia se desenvolveu por centenas de anos, incorporando satélites, supercomputadores, modelos globais, ainda assim as previsões do tempo não se atrevem a garantir 100% de precisão para amanhã. Não é que os cientistas não estejam trabalhando duro o suficiente, mas a atmosfera em si é caótica. Uma leve diferença nas condições iniciais pode levar a resultados completamente diferentes.

Esse sistema que funcionou durante um fim de semana, claro, cometerá erros. A taxa de precisão no outono é próxima ao lançamento de uma moeda; se o ar frio chegar cedo, o sistema pode não responder a tempo, e o efeito da brisa do mar ainda não foi totalmente capturado até agora.

Mas isso não é importante. Prever o mercado não requer estar certo toda vez, apenas precisa ter uma vantagem nas probabilidades, vendo uma camada a mais de informação do que o mercado.

Link do Artigo Original