Autor: Changan I Biteye Content Team
Das Wetter ist nicht wie eine Wahl, es hat keine Position; nicht wie die NBA, es gibt kein Heimteam. Doch genau dieser Markt zieht inländische Nutzer an. Der Grund ist einfach: Jeder hat seine Gefühle, jeder denkt, er versteht das Wetter in Shanghai.
Aber „Gefühl verstehen“ und „Geld verdienen können“ sind zwei verschiedene Dinge.
Biteye teilt heute drei Dinge:
- Das Verständnis der Abrechnungsregeln
- Die Entwicklung einer Wettervorhersagemethode
- Mit Systemen Chancen finden, die andere nicht sehen
1. Zuerst klären: Wie wird dieser Wettermarkt überhaupt abgerechnet?
1. Die Abrechnungstemperatur ist nicht die, die du denkst
Viele Anfänger machen den Fehler, bei der Teilnahme die höchste Temperatur auf ihrem Handy-Wetter-App zu vergleichen. Doch die App zeigt die Temperatur im Stadtzentrum Shanghai an, während die Abrechnung von Polymarket die tatsächlichen Messwerte am Flughafen Pudong (ZSPD) nutzt. Diese Daten sind öffentlich zugänglich über die amerikanische Wetterplattform Wunderground, und PM liest die Aufzeichnungen direkt von WU als Abrechnungsgrundlage.
Zwei Orte, zwei Zahlen. Der Flughafen Pudong liegt im Osten der Stadt, nahe dem Mündungsgebiet des Yangtze, beeinflusst vom Meereswind, weshalb die Temperatur dort meist niedriger ist als im Stadtzentrum. Dieser Unterschied ist im Alltag kaum spürbar, aber bei Grenzfällen kann er den Unterschied zwischen richtig und falsch beim Wetten ausmachen.
Deshalb sieht man in den Kommentaren im Wettermarkt manchmal solche Verwirrung: „Obwohl es sich heute wärmer anfühlt als gestern, zeigt die Höchsttemperatur sogar niedriger an?“
2. Die Zahlen stimmen, aber die Einheiten sind nicht die, die du erwartest
WU-Daten stammen direkt von den stündlichen METAR-Berichten (dem globalen Standard für Luftfahrwetterberichte).
Ein Detail: METAR gibt die Temperatur in Fahrenheit an, WU zeigt diese Zahl direkt an, ohne Umrechnung oder Korrektur.
Die meisten Wettervorhersagesysteme und Modelle geben die Temperatur mit Dezimalstellen an. Je präziser dein Modell, desto eher übersiehst du, dass hier die einfachste, grobste Messung vorliegt.
3. Das Temperaturmuster in Shanghai
Aus fast 1900 Tagen Daten des ZSPD-Standorts analysiert, zeigt sich, dass die Höchsttemperatur in Shanghai relativ konzentriert auf bestimmte Tageszeiten fällt:
- In allen vier Jahreszeiten hauptsächlich zwischen 11:00 und 13:00 Uhr
- Im Sommer ist 12:00 Uhr die Spitzenzeit, mit 27,6 % aller Höchstwerte in diesem Zeitraum
- Im Herbst verschiebt sich die Spitze etwas nach vorne, 10:00 Uhr ist ebenfalls eine Hochfrequenzzeit
Das Erkennen dieses Musters ist der erste Schritt, aber Muster allein helfen nicht beim täglichen Trading. Es geht darum, wann die Höchsttemperatur auftritt, ob sie noch steigt, ob sie einen Grenzwert erreicht, und wie weit man vom Grenzwert entfernt ist.
Deshalb habe ich dieses System entwickelt: Vor der täglichen Abrechnung soll möglichst genau vorhergesagt werden, in welcher Temperaturzone die Höchsttemperatur des Tages liegen wird.
2. Fünf Methoden, drei funktionieren
Nachdem die Marktregeln klar sind, stellt sich die Frage: Wie prognostiziert man die Höchsttemperatur des Tages?
Als Wetter-Neuling habe ich zunächst ChatGPT gefragt: Wie berechnet die Wetterbranche die Tageshöchsttemperatur? Welche bewährten Methoden gibt es? ChatGPT bot eine theoretische Rahmenstruktur, die Claude in Code umgesetzt hat. Zwei KI-Modelle zusammen haben an einem Wochenende das System aufgebaut.
Es wurden fünf Methoden getestet, aber nur drei liefen erfolgreich.
Erfolgreiche:
1️⃣ WC + ECMWF integrierte Vorhersage
Zur Prognose der Höchsttemperatur braucht man Daten. Dafür wurden zwei Quellen genutzt:
- Weather Company (WC): Ein kommerzieller Wetter-API-Dienst, der stündliche Vorhersagedaten mit hoher Genauigkeit liefert
- ECMWF: Das europäische Zentrum für mittelfristige Wettervorhersage, das auf großräumige Wettersysteme besonders empfindlich reagiert
Beide Quellen haben Vor- und Nachteile. Daher werden sie gewichtet abgegeben: Bei sonnigem Wetter mehr Vertrauen in WC, bei bewölktem Himmel und starkem Wind mehr in ECMWF.
2️⃣ Echtzeit-Korrektur: Nutzung von Temperaturanstiegsdaten zur Schätzung des Höchstwerts
Die Vorhersage basiert auf den gestern berechneten Daten, aber das Wetter ändert sich ständig. Dieser Schritt nutzt die Messwerte des heutigen Morgens, um den Höchstwert zu schätzen.
Die Logik ist einfach: In Shanghai ist die Temperatur am schnellsten zwischen 8 und 9 Uhr morgens gestiegen. Nach Erhalt der Messwerte zu dieser Zeit wird in historischen Daten nachgeschlagen, wie viel die Temperatur in derselben Saison und zu derselben Zeit durchschnittlich noch steigen kann.
Dann werden zwei Korrekturen vorgenommen:
- Bei hoher Bewölkung wird ein Abschlag angewandt, da Wolken den Temperaturanstieg bremsen
- Bei starkem Wind wird ebenfalls ein Abschlag gerechnet, weil Wind die Wärme schneller verteilt
Das Ergebnis ist eine „extrapolierte Schätzung“.
Auch Luftdruck, Taupunkt und Luftfeuchtigkeit werden berücksichtigt, aber nach Rücktests zeigte sich, dass diese Faktoren nur wenig Einfluss haben, daher wurden sie entfernt.
Doch allein auf Extrapolation zu setzen, ist nicht stabil genug. Hier kommt ein Kalman-Filter-ähnlicher Ansatz zum Einsatz: Es wird eine gewichtete Mischung aus „Extrapolation“ und „Originalvorhersage“ gebildet, wobei das Gewicht mit der Zeit automatisch angepasst wird.
- Um 6 Uhr morgens: Extrapolation nur 20 %, der Großteil basiert auf der Vorhersage
- Um 12 Uhr: Extrapolation macht 72 % aus
- Nach 13 Uhr: fast ausschließlich die Messwerte, 85 %
Je später, desto wichtiger sind die aktuellen Messwerte; je früher, desto mehr vertraut man auf historische Vorhersagen.
Nach 14 Uhr wird meist angenommen, dass der Höchstwert bereits erreicht ist, und die Höchsttemperatur wird direkt aus den historischen Daten übernommen, ohne weitere Schätzungen.
3️⃣ Ist heute ein Tag mit Temperaturanstieg?
Das ist das zufriedenstellendste Modul im System: Jeden Morgen um 2-4 Uhr wird eine Entscheidung getroffen, ob die Höchsttemperatur heute höher sein wird als gestern.
Das System sammelt in dieser Zeit meteorologische Daten:
- Druckänderungen in den letzten 3 und 12 Stunden
- Windrichtung und -geschwindigkeit, Wolkenbedeckung
- Temperaturänderung gestern, Trends der letzten drei Tage, ob gestern eher hoch oder niedrig war
- Monat, Saison, Wochentag, Regen am Vortag
Das Modell gibt fünf Kategorien aus: Tag mit Temperaturanstieg, leicht ansteigend, gleichbleibend, leicht fallend, fallend, inklusive Vertrauensniveau.
Die Genauigkeit variiert stark mit den Jahreszeiten:
- Im Winter am besten: Kaltfront, Druck steigt schnell, Nordwind verstärkt, Signale sind klar
- Im Herbst am schlechtesten: Wechselseitige Einflüsse von warmen und kalten Luftmassen, kurzfristige Schwankungen, historische Muster versagen hier am schnellsten
Methoden, die verworfen wurden:
- Fourier-Analyse für Temperaturzyklen
Früher wurde versucht, mit Fourier-Analyse die saisonalen Zyklen zu modellieren, um die Tageshöchsttemperatur vorherzusagen.
Das Ergebnis: Es sagt nur den Durchschnitt für diese Saison voraus, da das Wetter in Shanghai sehr zufällig ist. Die Fourier-Kurve ist eine glatte Durchschnittskurve, die tägliche Schwankungen nicht abbildet. Der Fehler lag bei 3,6°C, systematisch wurde zu niedrig geschätzt – also wurde diese Methode verworfen.
- ERA5 Peak-Zeit-Vorhersage
ERA5 ist ein globales Reanalyse-Datenset des europäischen Klimazentrums, das genutzt wird, um den Zeitpunkt des Höchstwerts vorherzusagen.
Backtests ergaben:
- Genauigkeit innerhalb 1 Stunde: 59,6 %
- Innerhalb 2 Stunden: 81,3 %
Das klingt gut, aber Polymarket ist deutlich präziser. Die Zeitfenster für Trader sind kurz, und wenn man den Höchstwert nicht innerhalb von 30 Minuten vorhersagen kann, ist es besser, nur die Marktdaten zu beobachten. Daher wurde diese Methode verworfen.
3. Systempraxis: Zwei Fallbeispiele und Reflexionen
Polymarkets Wettermarkt öffnet 4 Tage im Voraus, die populären Temperaturkategorien sind meist frühzeitig gut eingepreist. Direkt auf die wahrscheinlichsten Kategorien zu setzen, ist riskant.
Mein Ansatz: Warten auf Signale, auf den Zeitpunkt des Temperaturanstiegs, um dann einzusteigen.
Dazu habe ich das selbst entwickelte Wettersystem genutzt, um zwei Fälle zu analysieren:
Fall 1:
In der Nacht zum 16. wurde im Telegram-Kanal ein Bericht im Nachtmodus gepostet: „Morgen ist ein Tag mit Temperaturabkühlung.“ Begründung: Am Abend war die Wolkenbedeckung hoch, und saisonale sowie tagesbezogene Merkmale deuten auf Abkühlung hin.
Ich habe nicht sofort gewettet. Das Signal in der Nacht ist nur eine erste Orientierung. 
Am Vormittag um 11 Uhr wurde eine Echtzeitmeldung zum Temperaturanstieg veröffentlicht. Die Höchsttemperatur lag bereits bei 12°C. Die Wahrscheinlichkeit, dass sie noch um 1°C steigt, wurde auf 42 % geschätzt, also eher nicht.
In Kombination mit der Abkühlungssignale vom Morgen war die Richtung klar: Es ist unwahrscheinlich, dass die Höchsttemperatur 13°C übersteigt. Ich habe auf maximal 13°C gesetzt.
Am Tag wurde 12°C abgerechnet. Am Vortag, dem 15., lag die Höchsttemperatur bei 15°C – ein Rückgang um 3°C. 
Fall 2:
Heute, am 17., zeigt das System eine ungewöhnliche Entwicklung: Die Push-Benachrichtigung um 7 Uhr morgens zeigt, dass der Höchstzeitpunkt ungewöhnlich spät um 22:00 Uhr liegt.
Normalerweise erreicht die Höchsttemperatur bei Sonnenschein zwischen 13 und 15 Uhr. Heute aber liegt der Peak um 22 Uhr, was auf eine nächtliche Wärme- und Feuchtigkeitszufuhr hindeutet. Der Tag ist durchgehend bewölkt (97-100 % Wolkenbedeckung), kaum Sonnenstrahlung.
Im Polymarket-Chart liegt die Preis für 12°C noch bei 53 %. Manche Community-Mitglieder sind verwirrt: Es ist schon Nachmittag, die Temperatur ist erst bei 11°C, der Peak ist längst vorbei, warum wird noch auf 12°C gewettet?
Das hinter diesem Phänomen stehende Missverständnis ist, dass viele noch die Sonne als Maßstab für den Markt verwenden, obwohl es bewölkt ist.
Mein System erkennt frühzeitig, dass die Wetterart heute anders ist, der Peak ungewöhnlich ist, und es besteht eine klare Diskrepanz zwischen aktueller Temperatur und Markterwartung. Das ist eine Informationslücke – eine Chance für Trader.
Hier zeigt sich der Wert des Systems: Es erleichtert die Erkennung von Chancen und warnt vor Risiken.
Weitere Schwächen des Systems
Nach einem Wochenende im Einsatz sind folgende Probleme sichtbar:
- Im Herbst liegt die Genauigkeit nur bei 63,7 %, fast wie Münzwurf. Die saisonalen Schwankungen und das Hin und Her zwischen warmen und kalten Luftmassen machen Vorhersagen schwierig.
- Der Luftdruck ist im Live-Betrieb nicht verfügbar. Das Modell nutzt Druckänderungen als Feature, was in Backtests gut funktionierte. Bei realen Daten ist die Schnittstelle jedoch noch nicht ausreichend integriert.
- Die Meeresbrise am Flughafen Pudong ist real, aber die Korrekturen dafür sind noch nicht voll implementiert, da die Datenbasis noch nicht groß genug ist.
Ein System, das nur ein Wochenende getestet wurde, zeigt diese Schwächen – das ist normal. Es wird weiter verbessert.
Fazit
Die Meteorologie ist eine Wissenschaft, die sich über Jahrhunderte entwickelt hat. Satelliten, Supercomputer, globale Modelle – trotzdem kann keine Vorhersage für morgen zu 100 % sicher sein. Das liegt an der chaotischen Natur der Atmosphäre: Ein Grad Unterschied im Anfangszustand kann das Ergebnis komplett verändern.
Dieses System, das nur ein Wochenende lief, ist noch fehleranfällig. Im Herbst ist die Genauigkeit ähnlich wie Münzwurf; bei zu frühem Eintreffen kalter Luft reagiert es manchmal zu spät; die Meeresbrise ist noch nicht vollständig erfasst.
Doch das ist unwichtig. Beim Prognosemarkt geht es nicht um perfekte Treffer, sondern darum, bei günstigen Quoten mehr Informationen zu haben als der Markt.
Der Wettermarkt in Shanghai steckt noch in der Frühphase. Ich werde das System weiter beobachten, verbessern und anpassen. Wenn du auch im Polymarket-Wettermarkt aktiv bist, diskutiere gern in den Kommentaren: Welche Methoden nutzt du, um den Einstieg zu timen? Welche unerwarteten Abrechnungen hast du erlebt?
