Можно ли зарабатывать 200 долларов в день, используя ИИ для прогнозирования погоды?

Заголовок: «Играя в погодные прогнозы с помощью ИИ, за один день можно заработать 200 долларов»

Автор: Чанган

Источник:

Перепечатка: Mars Finance

Погода не как выборы — у нее нет позиции; не как НБА — у нее нет своей команды. Но именно этот рынок привлекает внутрироссийских пользователей. Причина проста: у каждого есть свои ощущения, каждый считает, что разбирается в погоде в Шанхае.

Но «чувствовать себя разбирающимся» и «зарабатывать деньги» — это две разные вещи.

Сегодня Biteye расскажет о трех вещах:

1. Понять правила расчетов

2. Построить метод прогнозирования погоды

3. Использовать систему для поиска торговых возможностей, которые другие не видят

Первое, что нужно понять: как именно считается результат на этом рынке погоды?

1. Температура для расчетов — не та, что вы думаете

Многие впервые участвуют в этом рынке и совершают ошибку: сравнивают максимальную температуру по мобильному приложению погоды и делают ставки. Но приложение показывает температуру в центре Шанхая, а расчет Polymarket ведется по фактическим данным метеостанции в аэропорту Пудун (ZSPD). Эти данные доступны через американскую платформу погоды Wunderground, и PM напрямую считывает записи WU как основание для расчетов.

Два места, два числа. Аэропорт Пудун расположен на востоке города, рядом с устьем реки Янцзы, подвержен морскому влиянию, поэтому температура там обычно ниже, чем в центре города. Обычно это незаметно, но при переходе через границы температурных диапазонов разница может стать решающей.

Поэтому в комментариях к погодным рынкам часто можно увидеть такие вопросы: «Сегодня кажется теплее, чем вчера, а почему максимальная температура отображается ниже?»

2. Число правильное, но единицы измерения — не те, что вы думаете

Данные WU поступают прямо из METAR — международного формата метеосводок, используемого в гражданской авиации. В нем температура указана в градусах Фаренгейта, и WU показывает эти числа без преобразования.

Большинство систем прогноза погоды и метеорологических моделей выводят температуру с десятичными дробями. Чем более точна ваша модель, тем больше вы можете упустить из виду этот самый грубый уровень измерения.

3. Законы температуры в Шанхае

Проанализировав почти 1900 дней данных с метеостанции ZSPD, я обнаружил, что пики максимальной температуры в Шанхае сосредоточены в определенное время:

· В течение всех четырех сезонов — примерно с 11:00 до 13:00

· В летние месяцы пик достигается в 12:00, и этот час занимает 27,6% всего сезона

· В осенние пики немного раньше, около 10:00, тоже часто встречаются

Знание закономерностей — первый шаг, но закономерности сами по себе не следят за рынком. Нужно знать, когда именно появляется максимум температуры, было ли оно уже, и насколько оно близко к следующему диапазону.

Поэтому я создал систему: перед расчетом каждый день максимально точно предсказывать, в каком диапазоне по Цельсию окажется максимальная температура этого дня.

Второе: пять методов, из которых три оказались рабочими

После того как я разобрался с правилами рынка, возник вопрос: как предсказать максимальную температуру этого дня?

Будучи новичком в метеорологии, я первым делом спросил ChatGPT: как вообще считается максимальная температура? Какие есть проверенные методы? ChatGPT предложил теоретическую основу, а Claude реализовал ее в коде. Два ИИ вместе за один уикенд создали систему.

Всего я попробовал пять методов, из них три оказались рабочими.

Рабочие:

1. Интегрированный прогноз WC + ECMWF

Для предсказания максимальной температуры нужны данные. Использовал два источника:

· Weather Company (WC) — коммерческий API погоды, предоставляет почасовые прогнозы с высокой точностью

· ECMWF — европейский центр среднесрочного прогнозирования, чувствителен к крупномасштабным системам погоды

Эти источники имеют свои плюсы и минусы, поэтому я взвешивал их голосованием. Весовые коэффициенты динамически менялись в зависимости от типа погоды в конкретный день: при ясной погоде больше доверял WC, при облачности и сильных ветрах — ECMWF.

2. Реальное исправление: использование данных о повышении температуры для оценки пика

Прогноз делался накануне вечером, но погода меняется постоянно. Поэтому этот модуль использует уже произошедшие утром данные для оценки максимума.

Логика проста: я заметил, что в Шанхае температура быстрее всего повышается с 8 до 9 утра. Получив реальные данные за этот промежуток, я сравнил их с историческими данными: в аналогичных условиях в прошлом, сколько еще можно повысить температуру.

Затем добавляю два поправочных коэффициента:

· Чем больше облаков — тем сильнее понижается нагрев, поэтому умножаю на коэффициент, уменьшающий повышение при плотных облаках

· При сильном ветре теплообмен ускоряется, и я тоже применяю коэффициент, уменьшающий прогноз

В результате получаю «экстраполяцию» — оценку максимума.

Также учитываются давление, точка росы, влажность, но после тестирования оказалось, что эти факторы оказывают минимальное влияние, и я их исключил.

Однако только экстраполяция недостаточно стабильна, поэтому я использовал концепцию Калмана — взвешенное среднее между «экстраполяцией» и исходным прогнозом, причем веса автоматически меняются со временем:

· В 6 утра экстраполяция занимает всего 20%, большинство доверия — исходному прогнозу

· В 12 часов дня — 72%

· После 13:00 — почти полностью доверяю измеренным данным, 85%

Чем позже, тем важнее текущие наблюдения; чем раньше, тем больше значение исторических данных.

После 14:00 система предполагает, что пик уже прошел, и просто берет максимум из исторических данных на сегодня, без дополнительных расчетов.

3. Сегодня — день повышения температуры?

Это самый удовлетворительный модуль всей системы: каждое утро в 2–4 часа ночи система делает вывод: будет ли сегодня максимум выше, чем вчера?

Она собирает ряд метеоданных:

· Изменения давления за последние 3 и 12 часов

· Ветер и облачность в ранние часы

· Температурные колебания вчера, тренды за последние три дня, было ли вчера тепло или холодно

· А также месяц, сезон, день в году, дождь ли шел вчера

На основе этих данных модель выдает один из пяти вариантов: день повышения, чуть повышение, без изменений, чуть понижение, день понижения, с уровнем доверия.

Но точность этого метода сильно зависит от сезона:

· Зимой — лучше всего: при приходе холодного фронта давление резко растет, северный ветер усиливается, сигнал очень четкий

· Осенью — хуже всего: постоянные качели между теплыми и холодными массами, сегодня тепло, завтра — холод, закономерности быстро теряют силу

Методы, которые я исключил:

1. Анализ Фурье

Пробовал использовать анализ Фурье для выявления циклов температуры и предсказания максимума. Но он показывает только средние значения за сезон, а реальная погода очень случайна. Полученная кривая — гладкая, без учета ежедневных колебаний, с ошибкой около 3.6°C и систематической недооценкой. Поэтому этот метод я убрал.

2. Предсказание пиков ERA5

ERA5 — глобальный исторический реанализ данных Европейского центра, используется для определения времени пика температуры.

Тестирование показало:

· Точность в пределах 1 часа — 59.6%

· В пределах 2 часов — 81.3%

Но у Polymarket точность выше, и у трейдеров очень короткое окно для оценки пика. Если не удается определить максимум за полчаса, проще смотреть на текущие данные, чем полагаться на ERA5. Поэтому этот метод тоже исключен.

Третье — практическое применение системы: два кейса и анализ ошибок

Polymarket открывает торговлю за 4 дня до события, и популярные диапазоны цен уже хорошо оценены в начале. Покупка по вероятностным диапазонам — невыгодна, риск и доходность не очень хороши.

Моя стратегия — ждать сигнала и входить в рынок в момент, когда температура начинает повышаться, в подходящий временной интервал.

На основе собственной системы я предпринял два шага:

Кейс 1:

16-го ночью в Telegram-канале вышел отчет: завтра будет день понижения температуры. Причина — облачность вечером, а также сезонные и дневные характеристики указывали на снижение.

Я не стал сразу ставить. Ночной сигнал — лишь первый уровень оценки.

К 11 утра система прислала актуальный прогноз: температура уже достигла 12°C, вероятность повышения на 1°C — 42%, то есть скорее всего, температура не будет расти дальше.

Объединив этот вывод с логистической регрессией, которая дала сигнал о возможном понижении, оба показателя совпали. Тогда я поставил ставку, что максимум сегодня не превысит 13°C.

Результат: расчет по окончании дня — 12°C. Вчера, 15-го, было 15°C, то есть снижение на 3 градуса.

Кейс 2:

Сегодня, 17-го, погода в Шанхае показывает, что система может сработать как ранний предупреждающий сигнал: в 7 утра пришло сообщение, что пик ожидается в 22:00.

Обычно максимум в ясную погоду — с 13 до 15 часов, но сегодня пик в 22:00, что говорит о том, что это не солнечное нагревание, а ночной перенос теплых влажных масс. Весь день идет дождь, облачность 97–100%, солнечного света почти нет.

Проверяю Polymarket — цена на 12°C все еще держится на уровне 53%. В сообществе есть вопросы: «Сейчас уже после обеда, температура всего 11°C, а пик уже прошел, почему все еще покупают 12°C?»

Ответ — люди продолжают использовать солнечную логику для оценки рынка дождя.

Но система не запутывается. Она уже утром четко определила тип погоды, пик — необычный, и есть явное расхождение между текущей температурой и ожиданиями рынка. Это информационный разрыв, а он — возможность для торговли.

Именно так работает эта система: в моменты возможностей легче заметить их, а при рисках — быстрее предупредить.

Какие еще есть недостатки?

За выходные я протестировал систему и обнаружил слабые места:

· Осенью точность — всего 63.7%, почти как бросить монету

· В этом сезоне постоянные качели между холодными и теплыми массами, сегодня тепло — завтра холод, закономерности быстро теряют силу

· В реальной торговле я не могу получать данные о давлении в реальном времени. В тренировочной модели использовал изменение давления как фактор, и результаты были хорошие

· Сигналы о прохождении холодного фронта — очень четкие, но в реальной торговле текущий API не дает доступа к актуальным данным давления

· Корректировки для прибрежных условий — в процессе активизации данных. В Пудунском аэропорту эффект морского ветра реальный, есть отдельный модуль, но выборка для тестирования пока недостаточна

Создать систему за один уикенд — уже успех, потому что я обнаружил эти слабости. В дальнейшем буду дорабатывать по мере работы.

Итог

Метеосистема развивается сотни лет, используют спутники, суперкомпьютеры, глобальные модели, а точность прогнозов все равно не гарантирует 100% на завтра. Не потому, что ученые ленивы, а потому что атмосфера — хаотическая система, и малейшая погрешность в начальных условиях может привести к совершенно разным результатам.

Эта система, протестированная за выходные, тоже ошибается. Осенью точность — около броска монеты, ранний приход холодных масс — система может не среагировать, морской эффект — еще не полностью учтен.

Но это не важно. В рынке прогнозов не нужно угадывать каждое событие, достаточно иметь преимущество в коэффициентах и видеть чуть больше информации, чем рынок.