Usar IA para prever o tempo e ganhar 200 dólares por dia sem fazer esforço?

Título original: 《Usar IA para jogar previsão do tempo, ganhar 200 dólares por dia》

Autor original: Changan

Fonte original:

Reprodução: Mars Finance

O tempo não tem posição, ao contrário das eleições; não tem time, ao contrário da NBA. Mas é justamente esse mercado que atrai usuários domésticos. A razão é simples: todos têm sensações, todos acham que entendem o clima de Xangai.

Mas “sentir que entende” e “conseguir ganhar dinheiro” são coisas diferentes.

Biteye hoje compartilha três pontos:

1. Compreender as regras de liquidação

2. Estabelecer métodos de previsão do tempo

3. Usar sistemas para encontrar oportunidades de negociação que outros não veem

一、Primeiro, entenda: como funciona a liquidação neste mercado de clima?

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

Muita gente entra pela primeira vez com um equívoco: compara a previsão do tempo do app do celular com o valor mais alto, mas o app mostra a temperatura do centro de Xangai, enquanto a liquidação do Polymarket usa dados reais do aeroporto de Pudong (estação meteorológica ZSPD), que são divulgados publicamente na plataforma americana Wunderground, e o PM lê esses registros diretamente como base de liquidação.

Dois locais, dois números. O aeroporto de Pudong fica na parte leste da cidade, próximo à foz do rio Yangtze, influenciado pelo vento marítimo, e a temperatura costuma ser mais baixa que na cidade. Essa diferença geralmente não é perceptível, mas na fronteira de faixas de temperatura, pode fazer a diferença entre apostar certo ou errado.

Por isso, nos comentários do mercado de clima, você pode ver dúvidas como: “Hoje parece mais quente que ontem, por que a temperatura máxima exibida é mais baixa?”

2. Os números estão corretos, mas a unidade não é a que você pensa

Os dados do WU vêm diretamente do relatório METAR, enviado a cada hora pelo aeroporto (formato padrão de meteorologia civil internacional).

Um detalhe escondido aqui: o METAR registra a temperatura em Fahrenheit, e o WU exibe esse número diretamente, sem conversão ou ajuste.

A maioria dos sistemas de previsão do tempo e modelos meteorológicos usam temperaturas com casas decimais. Quanto mais refinado o modelo, mais fácil é ignorar esse detalhe grosseiro.

3. Padrões de temperatura em Xangai

Após analisar quase 1900 dias de dados do ZSPD, os períodos de máxima temperatura em Xangai são mais concentrados do que se imagina:

· Concentrados em 11:00-13:00 em todas as estações,

· No verão, o pico às 12:00 é o mais frequente, representando 27,6% do total da estação,

· No outono, o pico ocorre um pouco mais cedo, às 10:00, também um horário de alta frequência.

Conhecer o padrão é o primeiro passo, mas o padrão não monitora o mercado sozinho. É preciso saber quando a máxima ocorre, se foi batida, quanto falta para mudar de faixa de temperatura.

Por isso, o sistema criado por nós tenta prever com precisão a faixa de temperatura máxima do dia, antes da liquidação diária.

二、Cinco métodos, três funcionaram

Depois de entender as regras do mercado, a próxima questão é: como prever a temperatura máxima do dia?

Como iniciante em meteorologia, minha primeira ação foi perguntar ao ChatGPT: como a indústria meteorológica calcula a temperatura máxima do dia? Quais métodos maduros existem? O ChatGPT forneceu uma estrutura teórica, e Claude transformou essa estrutura em código. Dois IA trabalharam juntos, e um final de semana foi suficiente para montar o sistema.

Testamos cinco métodos, e apenas três funcionaram.

Métodos que funcionaram:

1. Previsão integrada WC + ECMWF

Para prever a temperatura máxima, primeiro é preciso de dados. Usamos duas fontes:

· Weather Company (WC), uma API comercial de meteorologia, fornece previsões horárias com alta precisão;

· ECMWF, centro europeu de previsão do tempo de médio prazo, sensível a sistemas meteorológicos de grande escala.

Cada fonte tem suas vantagens e desvantagens, então as combinamos com votação ponderada. Os pesos variam de acordo com o tipo de tempo do dia: em dias ensolarados, confiamos mais na WC; em dias nublados ou com vento forte, confiamos mais na ECMWF.

2. Correção em tempo real: usando dados de aquecimento para estimar o pico

A previsão é feita na noite anterior, mas o clima muda ao longo do dia. Assim, esse módulo usa os dados medidos pela manhã para estimar a máxima possível do dia.

A lógica é simples: descobrimos que entre 8h e 9h em Xangai, a temperatura sobe mais rápido. Após obter a temperatura real nesse horário, consultamos dados históricos: em mesma estação e horário, quanto a temperatura costuma subir ainda?

Depois, aplicamos dois ajustes:

· Se há muitas nuvens, aplicamos um desconto, pois a cobertura impede o aquecimento;

· Se há vento forte, aplicamos outro desconto, pois o vento acelera a perda de calor. Assim, obtemos uma estimativa de extrapolação.

Pressão, ponto de orvalho e umidade também entram no cálculo, mas, após testes, percebemos que esses fatores têm pouca influência, então foram removidos.

Contudo, apenas extrapolar não é suficiente para estabilidade, por isso usamos o conceito de ganho de Kalman, que faz uma média ponderada entre o resultado da extrapolação e a previsão original, ajustando o peso automaticamente ao longo do tempo:

· Às 6h, a extrapolação representa 20%, a maior parte ainda confia na previsão;

· Às 12h, a extrapolação sobe para 72%;

· Após às 13h, quase toda a previsão é baseada na medição real, com 85%.

Quanto mais tarde, mais importante o que acontece no momento; quanto mais cedo, maior a influência do histórico.

Depois das 14h, o sistema assume que o pico já passou e usa registros históricos para determinar a temperatura máxima do dia, sem mais extrapolações.

3. Hoje é dia de aquecimento?

Este é o módulo mais satisfatório do sistema: toda manhã, às 2-4h, uma avaliação automática decide se hoje será um dia de aumento de temperatura em relação a ontem.

O sistema coleta dados meteorológicos, como:

· Variações de pressão nas últimas 3h e 12h

· Direção e velocidade do vento na madrugada, condições de nuvens

· Variação de temperatura de ontem, tendência dos últimos três dias, se ontem foi mais quente ou mais frio

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

O modelo classifica o dia em cinco categorias: dia de aumento, levemente aquecendo, estável, levemente esfriando, dia de resfriamento, com uma confiança associada.

Porém, essa metodologia tem precisão variável ao longo do ano.

No inverno, é mais preciso: quando chega uma massa de ar frio, a pressão sobe rapidamente, o vento do norte aumenta, o sinal fica claro.

No outono, é mais difícil: massas de ar frio e quente se alternam, o aquecimento de hoje pode reverter amanhã, e as regras históricas perdem validade mais rápido.

Métodos descartados:

1. Previsão por Fourier

Tentamos usar análise de Fourier para ajustar os ciclos históricos de temperatura, tentando prever o pico do dia.

Percebemos que essa abordagem só revela a média histórica da estação, mas a variabilidade diária de Xangai é alta demais. Fourier gera uma curva suave, que não captura as oscilações reais. O erro médio foi de 3,6°C, sempre subestimando, então descartamos.

2. Previsão do pico pelo ERA5

ERA5 é um conjunto de dados de reanálise global do centro europeu de clima, usado para prever quando a temperatura máxima ocorre.

Após testes, a precisão foi:

· Dentro de 1 hora: 59,6%

· Dentro de 2 horas: 81,3%

Embora pareça razoável, o problema é que o Polymarket tem maior precisão, e o tempo para os traders agirem é curto. Se não for possível prever o pico em menos de meia hora, é melhor consultar os dados do próprio Polymarket. Assim, essa abordagem foi descartada.

三、Prática do sistema: dois casos e reflexões sobre limitações

O mercado de clima do Polymarket abre com 4 dias de antecedência, e as faixas de temperatura mais populares já estão bem precificadas no início. Comprar na faixa de maior probabilidade tem uma relação risco-retorno ruim.

Por isso, minha estratégia é esperar por sinais e aguardar o momento de aquecimento para entrar na operação.

Baseando-se no sistema meteorológico que construí, fiz duas ações:

Caso 1:

Na madrugada do dia 16, o canal Telegram enviou um relatório noturno: amanhã será dia de resfriamento. O motivo foi a cobertura de nuvens mais espessa naquela noite, além de características sazonais e de dia do ano indicando tendência de queda.

Naquele momento, não apostei imediatamente. O sinal da madrugada era apenas uma primeira referência.

Às 11h, o sistema enviou um relatório em tempo real sobre o período de aquecimento. A temperatura máxima medida já tinha atingido 12°C, e a probabilidade de subir mais 1°C era de 42%, indicando que provavelmente não haveria mais aumento.

Com o sinal de queda de temperatura da regressão logística da madrugada, os dois sinais estavam alinhados, e decidi apostar que a máxima do dia não ultrapassaria 13°C.

Resultado: liquidação em 12°C. No dia anterior, 15, tinha sido 15°C, ou seja, uma queda de 3°C.

Caso 2:

Outro exemplo, o clima de Xangai no dia 17: o sistema meteorológico também fornece alertas: às 7h, uma notificação indicou pico anormal às 22h.

Normalmente, a temperatura máxima ocorre entre 13h e 15h, com sol, mas hoje o pico foi às 22h, indicando que não é aquecimento solar, mas transporte de ar úmido e quente à noite. Choveu o dia todo, com cobertura de nuvens entre 97-100%, quase sem luz solar.

Na hora de consultar o Polymarket, a cotação de 12°C ainda estava em 53%. Alguns na comunidade estavam confusos: já é tarde, a temperatura está em 11°C às 17h, o pico já passou, por que ainda há apostas em 12°C?

A confusão vem do fato de que as pessoas ainda usam lógica de clima ensolarado para avaliar o mercado de chuva.

Nosso sistema não se confunde. Ele já identifica o tipo de clima logo de manhã, e quando o pico é anormal, há uma discrepância clara entre a temperatura atual e a expectativa do mercado. Essa é uma oportunidade de informação, uma vantagem de negociação.

As limitações do sistema?

Ele foi criado para um fim de semana, e certamente tem falhas:

· Precisão no outono de apenas 63,7%, quase como uma moeda

· As massas de ar frio e quente se alternam frequentemente, e o padrão histórico perde validade mais rápido no outono

· Não consegue captar a variação de pressão em tempo real na operação ao vivo. Durante o treinamento, usou-se a variação de pressão como característica, com bons resultados na retrospectiva.

· O sinal de passagem de ar frio é claro, mas na operação ao vivo, não há acesso a dados de pressão em tempo real.

· Ainda aguardamos dados para ativar a correção costeira. O efeito do vento marítimo de Pudong é real, e há um módulo de correção correspondente, mas o volume de dados de teste ainda é pequeno.

Criar um sistema que rodou apenas um fim de semana já revelou esses problemas, e a próxima etapa é ajustar enquanto roda.

四、Conclusão

A meteorologia evoluiu por centenas de anos, usando satélites, supercomputadores e modelos globais, mas ainda assim não consegue garantir 100% de precisão na previsão do dia seguinte. Não é por falta de esforço dos cientistas, mas porque a atmosfera é um sistema caótico: uma pequena mudança nas condições iniciais pode gerar resultados completamente diferentes.

Este sistema, que rodou apenas um fim de semana, certamente cometerá erros. No outono, a precisão é próxima de uma moeda, e o sistema pode não reagir a uma chegada antecipada de ar frio, ou ainda não capturar totalmente o efeito do vento marítimo.

Mas isso não importa. Para quem faz mercado de previsão, o importante não é acertar toda vez, mas ter uma vantagem de informação quando as probabilidades forem favoráveis.