ผู้เขียน: ทีมเนื้อหา Changan I Biteye
อากาศไม่เหมือนการเลือกตั้ง ไม่มีฝ่าย ไม่มีทีมเจ้าบ้านเหมือน NBA แต่กลับเป็นตลาดนี้ที่ทำให้ผู้ใช้ในประเทศหลั่งไหลเข้ามา เหตุผลก็ง่ายมาก ทุกคนมีความรู้สึก และทุกคนคิดว่าตนเองเข้าใจสภาพอากาศในเซี่ยงไฮ้
แต่「ความรู้สึกว่าเข้าใจ」กับ「สามารถทำเงินได้」เป็นคนละเรื่องกัน
วันนี้ Biteye จะแบ่งปันสามเรื่อง:
- เข้าใจวิธีการชำระเงิน
- สร้างวิธีการทำนายสภาพอากาศ
- ใช้ระบบค้นหาโอกาสในการเทรดที่คนอื่นมองไม่เห็น
1. ต้องเข้าใจก่อน: ตลาดอากาศนี้จริงๆ แล้วชำระเงินอย่างไร?
1. อุณหภูมิที่ใช้ในการชำระเงิน ไม่ใช่อย่างที่คุณคิด
หลายคนเมื่อเข้าร่วมเป็นครั้งแรกจะมีความเข้าใจผิด: ใช้แอปพยากรณ์อากาศบนมือถือเปรียบเทียบกับการเดิมพันอุณหภูมิสูงสุด แต่แอปแสดงอุณหภูมิในเขตตัวเมืองเซี่ยงไฮ้ ในขณะที่ Polymarket ใช้ข้อมูลวัดจริงจากสนามบินฝูงตง (ZSPD) ซึ่งข้อมูลนี้เปิดเผยต่อสาธารณะผ่านแพลตฟอร์มอุตุนิยมวิทยา Wunderground ของอเมริกา PM จะอ่านข้อมูลจาก WU โดยตรงเป็นฐานในการชำระเงิน
สองแห่ง สองตัวเลข สนามบินฝูงตงตั้งอยู่ทางด้านตะวันออกของเมือง ใกล้ปากแม่น้ำแยงซีที่ไหลลงทะเล ได้รับผลกระทบจากลมทะเล อุณหภูมิมักจะต่ำกว่าตัวเมือง ความแตกต่างนี้ปกติไม่รู้สึกได้ แต่ในช่วงขอบเขตของช่วงอัตราเดิมพัน อาจเป็นความแตกต่างระหว่างการชนะและแพ้
ดังนั้น คุณอาจเห็นความสับสนในคอมเมนต์ในตลาดอากาศ เช่น “วันนี้รู้สึกอุ่นกว่าวาน แต่ทำไมอุณหภูมิสูงสุดที่แสดงกลับต่ำกว่ากัน?”
2. ตัวเลขตรงกันแล้ว แต่หน่วยไม่ใช่อย่างที่คิด
ข้อมูลจาก WU มาจากรายงาน METAR ที่สนามบินรายงานเป็นรายชั่วโมง (รูปแบบอุตุนิยมวิทยาสำหรับการบินทั่วโลก)
มีรายละเอียดซ่อนอยู่ตรงนี้: METAR รายงานอุณหภูมิเป็นตัวเลขในองศาฟาเรนไฮต์โดยตรง WU จะแสดงตัวเลขนี้โดยไม่แปลงหน่วย ไม่ปรับแก้
ในขณะที่ระบบพยากรณ์อากาศส่วนใหญ่และโมเดลอุตุนิยมวิทยาที่ออกมักแสดงอุณหภูมิเป็นทศนิยม ยิ่งโมเดลของคุณละเอียดเท่าไร ก็ยิ่งมองข้ามจุดนี้ง่ายขึ้นเท่านั้น
3. รูปแบบอุณหภูมิในเซี่ยงไฮ้
จากการวิเคราะห์ข้อมูลเกือบ 1900 วันของสถานี ZSPD พบว่า ช่วงเวลาที่อุณหภูมิสูงสุดในเซี่ยงไฮ้มีความเข้มข้นมากกว่าที่คิดไว้:
- กระจายตัวในสี่ฤดู อยู่ในช่วงเวลา 11:00-13:00 เป็นหลัก
- ในฤดูร้อน ช่วงเวลา 12:00 มีความเข้มข้นสูงสุด โดยแต่ละชั่วโมงครอบคลุม 27.6% ของฤดูร้อนทั้งหมด
- ในฤดูใบไม้ร่วง ช่วงเวลาที่พีคจะเล็กน้อยไปทางเช้ากว่า คือประมาณ 10:00 ซึ่งเป็นช่วงเวลาที่ความถี่สูงเช่นกัน
รู้กฎนี้เป็นก้าวแรก แต่กฎก็ไม่ได้ดูแลตัวเองตลอดเวลา ต้องรู้ว่าเมื่อไหร่ที่อุณหภูมิสูงสุดจะปรากฏขึ้น มีการทำลายสถิติไหม ห่างจากช่วงอัตราเดิมพันเท่าไร
ดังนั้น ทีมงานจึงสร้างระบบนี้ขึ้นมา: ก่อนปิดการชำระเงินในแต่ละวัน พยายามทำนายว่าอุณหภูมิสูงสุดของวันนั้นจะอยู่ในช่วงอุณหภูมิเท่าไร
2. ห้าวิธีการ, สามวิธีที่ใช้งานได้จริง
หลังจากเข้าใจกติกาในตลาดแล้ว คำถามต่อไปคือ: จะทำนายอุณหภูมิสูงสุดของวันนั้นอย่างไร?
ในฐานะมือใหม่ด้านอุตุนิยมวิทยา ขั้นตอนแรกคือถาม ChatGPT: อุตุนิยมวิทยาคำนวณอุณหภูมิสูงสุดของวันอย่างไร มีวิธีที่เป็นที่ยอมรับไหม ChatGPT ให้กรอบแนวคิดทางทฤษฎีหนึ่ง แล้ว Claude ก็ลงมือเขียนเป็นโค้ด ใช้ AI สองตัวร่วมกัน สร้างระบบขึ้นมาในสุดสัปดาห์เดียว
ลองใช้วิธีทั้งสิ้นห้าชนิด สุดท้ายใช้งานได้จริงสามวิธี
วิธีที่ใช้งานได้จริง:
1️⃣ การพยากรณ์แบบผสมผสาน WC + ECMWF
เพื่อทำนายอุณหภูมิสูงสุด ต้องมีข้อมูลก่อน ซึ่งใช้แหล่งข้อมูลสองแห่ง:
- Weather Company (WC) เป็น API พยากรณ์อากาศเชิงพาณิชย์ ให้ข้อมูลรายชั่วโมง ความแม่นยำสูง
- ECMWF เป็นโมเดลอุตุนิยมวิทยาระดับโลกของศูนย์พยากรณ์อากาศกลางยุโรป ซึ่งจะไวต่อระบบอากาศขนาดใหญ่
ทั้งสองแหล่งมีข้อดีข้อเสียต่างกัน จึงให้พวกมันโหวตกันโดยมีน้ำหนักตามสภาพอากาศของวันนั้น: ถ้าแดดแจ่มใส ก็เชื่อ WC มากกว่า ถ้ามีเมฆมาก ลมแรง ก็เชื่อ ECMWF มากกว่า
2️⃣ การปรับปรุงแบบเรียลไทม์: ใช้ข้อมูลการขึ้นอุณหภูมิเพื่อประมาณค่าสูงสุด
พยากรณ์เป็นข้อมูลที่คำนวณเมื่อคืน แต่สภาพอากาศวันนี้เปลี่ยนแปลงตลอด ดังนั้น โมดูลนี้ทำหน้าที่: ใช้ข้อมูลวัดจริงเช้าวันนี้ที่เกิดขึ้นแล้ว คำนวณว่าอุณหภูมิสูงสุดของวันนี้น่าจะเป็นเท่าไร
หลักการไม่ซับซ้อน: พบว่าเช้าวันนี้ในเซี่ยงไฮ้ อุณหภูมิขึ้นเร็วที่สุดในช่วง 8-9 โมงเช้า ระบบจะดึงข้อมูลวัดจริงในช่วงนี้ แล้วเปรียบเทียบกับข้อมูลในอดีต: ในฤดูกาลเดียวกัน เวลาเดียวกัน เฉลี่ยแล้วอุณหภูมิสามารถขึ้นได้อีกเท่าไร
จากนั้นปรับแก้ด้วยสองปัจจัย:
- ถ้ามีเมฆมาก ก็ลดน้ำหนักลง เพราะเมฆหนาจะขัดขวางการขึ้นอุณหภูมิ
- ถ้ามีลมแรง ก็ลดน้ำหนักลง เพราะลมแรงจะเร่งการสูญเสียความร้อน คำนวณเป็นการประมาณค่าขึ้นอุณหภูมิแบบคาดการณ์
นอกจากนี้ยังคำนวณความกดอากาศ จุดน้ำค้าง ความชื้น แต่หลังจากทดสอบแล้วพบว่าปัจจัยเหล่านี้มีผลน้อย จึงตัดออก
แต่การคาดการณ์แบบเดียวไม่เพียงพอ ระบบนี้จึงใช้แนวคิดของ “คัลแมน กรีน” (Kalman Gain) ซึ่งก็คือการถ่วงน้ำหนักค่า “ประมาณการจากการคาดการณ์” กับ “ข้อมูลจริง” โดยน้ำหนักนี้จะปรับเปลี่ยนไปตามเวลา
- ตอนเช้า 6 โมง น้ำหนักประมาณ 20% สำหรับการประมาณการจากภายนอก
- เที่ยง 12 โมง น้ำหนักประมาณ 72%
- หลังบ่าย 1 โมงเป็นต้นไป จะเชื่อข้อมูลวัดจริงมากขึ้นถึง 85%
ยิ่งใกล้เวลาสูงสุด ยิ่งให้ความสำคัญกับข้อมูลจริงมากขึ้น ยิ่งเช้าก็ยิ่งอิงกับข้อมูลในอดีต
หลังบ่าย 2 โมง ระบบจะตัดสินใจว่าอุณหภูมิสูงสุดน่าจะผ่านไปแล้ว จึงดึงข้อมูลจากบันทึกในอดีตของวันนี้มาเป็นผลลัพธ์สุดท้าย ไม่ทำการคำนวณต่อ
3️⃣ วันนี้เป็นวันที่อุณหภูมิขึ้นไหม?
นี่คือโมดูลที่น่าพอใจที่สุดในระบบ ทุกเช้าตรู่จะทำการตัดสินใจ: อุณหภูมิสูงสุดของวันนี้จะสูงกว่าวานไหม?
ในช่วงเวลา 2-4 โมงเช้า ระบบจะเก็บข้อมูลอุตุนิยมวิทยา แล้วป้อนให้โมเดล:
- การเปลี่ยนแปลงของความกดอากาศใน 3 ชั่วโมงและ 12 ชั่วโมงที่ผ่านมา
- ทิศทางลมและความเร็วในเช้าตรู่ สภาพเมฆ
- การเปลี่ยนแปลงอุณหภูมิเมื่อวานนี้ แนวโน้มอุณหภูมิ 3 วันที่ผ่านมา อุณหภูมิเมื่อวานนี้สูงหรือต่ำกว่าปกติ
- ข้อมูลเดือน ฤดูกาล วันในปี เมื่อวานมีฝนไหม
ผลลัพธ์ของโมเดลจะแบ่งเป็น 5 ระดับ: วันที่อุณหภูมิขึ้น, ค่อนข้างขึ้น, เท่ากัน, ค่อนข้างลด, วันที่อุณหภูมิลด พร้อมระดับความเชื่อมั่น
แต่วิธีนี้ความแม่นยำในแต่ละฤดูแตกต่างกันมาก
- ฤดูหนาว แม่นยำที่สุด: เมื่ออากาศเย็นมา ความกดอากาศพุ่งสูง ลมเหนือแรง สัญญาณชัดเจน โมเดลจะมองออกง่าย
- ฤดูใบไม้ร่วง แย่ที่สุด: กลุ่มอากาศร้อนเย็นลากกันไปมา วันนี้ขึ้น พรุ่งนี้ลง กลางฤดูนี้กฎเกณฑ์ในอดีตใช้ไม่ได้ผลเร็วที่สุด
วิธีที่ถูกคัดออก:
- การพยากรณ์ด้วย Fourier
ลองใช้ Fourier วิเคราะห์ข้อมูลอุณหภูมิในอดีตเพื่อหาแบบแผนรอบเวลา แต่ผลคือ มันบอกได้แค่ “อุณหภูมิเฉลี่ยในฤดูนี้ในประวัติศาสตร์เป็นเท่าไร” เท่านั้น เพราะความไม่แน่นอนของอากาศในเซี่ยงไฮ้สูงมาก Fourier จึงได้เส้นโค้งเรียบๆ ที่ไม่สะท้อนความผันผวนรายวัน ความผิดพลาดเฉลี่ย 3.6°C และยังประเมินต่ำกว่าความเป็นจริง 100% จึงตัดออกทันที
- การพยากรณ์เวลาที่อุณหภูสูงสุดด้วย ERA5
ERA5 เป็นชุดข้อมูลวิเคราะห์ประวัติศาสตร์อากาศของศูนย์อุตุนิยมวิทยายุโรป ใช้ทำนายว่าอุณหภูมิสูงสุดจะเกิดขึ้นเมื่อไร
ผลทดสอบย้อนหลัง:
- ความแม่นยำในช่วง 1 ชั่วโมง อยู่ที่ 59.6%
- ในช่วง 2 ชั่วโมง อยู่ที่ 81.3%
ฟังดูดี แต่ปัญหาคือ Polymarket มีความแม่นยำสูงกว่า และเวลาที่ให้เทรดเดอร์ตัดสินใจมีจำกัด หากไม่สามารถทำนายจุดสูงสุดภายในครึ่งชั่วโมง ก็ไม่ต่างจากดูข้อมูลจาก Polymarket แล้ว ระบบนี้จึงถูกคัดออก
3. การใช้งานจริงของระบบ: สองกรณีศึกษาและการสะท้อนข้อบกพร่อง
ตลาดอากาศของ Polymarket จะเปิดให้เทรดล่วงหน้า 4 วัน โอกาสที่อัตราเดิมพันสูงจะถูกกำหนดราคาไว้ล่วงหน้าในช่วงเปิดตลาด ยิ่งเดิมพันในอัตราที่มีความน่าจะเป็นสูง โอกาสชนะ-แพ้ก็แย่ลง
ดังนั้น กลยุทธ์ของทีมคือ รอให้สัญญาณชัดเจน รอช่วงเวลาที่อุณหภูมิขึ้นแล้วค่อยเข้าเทรด
โดยอ้างอิงระบบอุตุนิยมวิทยาที่สร้างขึ้นเอง ทำสองอย่างนี้:
ตัวอย่างที่ 1:
เช้ามืดวันที่ 16 มีนาคม ช่อง Telegram ส่งรายงานโหมดกลางคืน: พรุ่งนี้เป็นวันที่อุณหภูิลดลง เหตุผลคือในคืนนั้นเมฆครึ้ม สองลักษณะคือฤดูกาลและลำดับวันในปีบ่งชี้แนวโน้มลดลง
ตอนนั้นทีมไม่ได้วางเดิมพันทันที สัญญาณในเช้าก็เป็นเพียงข้อมูลเบื้องต้น
จนถึงเวลา 11 โมงเช้า ระบบส่งรายงานสดของช่วงอุณหภูมิที่กำลังขึ้น อุณหภูมิสูงสุดวัดได้ 12°C ค่าความน่าจะเป็น +1°C ให้ผลลัพธ์: โอกาสที่อุณหภูมิจะเพิ่มขึ้นอีก 1°C คือ 42% ซึ่งแสดงแนวโน้มว่าจะไม่ขึ้นต่อ
เมื่อรวมกับสัญญาณลดลงของโมเดลโลจิสติกในช่วงเช้า สองโมดูลนี้สอดคล้องกัน สัญญาณจึงชัดเจนขึ้น จึงเดิมพันว่าอุณหภูมิสูงสุดของวันที่ 16 จะไม่เกิน 13°C
ผลการชำระเงินในวันนั้น: 12°C อุณหภูมิเมื่อวานคือ 15°C ลดลง 3°C
ตัวอย่างที่ 2:
อีกตัวอย่างคืออากาศในเซี่ยงไฮ้วันที่ 17 มีนาคม ระบบยังสามารถเตือนล่วงหน้าได้: ตอนเช้า 7 โมง มีการแจ้งเตือนว่าช่วงเวลาสูงสุดผิดปกติคือเวลา 22:00
ปกติอากาศแจ่มใส อุณหภูมิสูงสุดจะอยู่ช่วงบ่าย 1-3 โมง แต่วันนี้สูงสุดดันเป็นตอนกลางคืน 22:00 ซึ่งบ่งชี้ว่านี่ไม่ใช่การขึ้นจากแสงแดด แต่เป็นการส่งผ่านของลมชื้นอุ่นในเวลากลางคืน ฝนตกทั้งวัน เมฆครึ้ม 97-100% แทบไม่มีแสงแดดเลย
ตอนนั้นเปิด Polymarket ดูราคา 12°C ยังอยู่ที่ 53% ชนชั้นในชุมชนก็สงสัย: ตอนบ่ายแล้ว อุณหภูมิแค่ 11°C แล้วทำไมยังซื้อขายที่ 12°C อยู่?
ความสงสัยนี้เกิดจากการใช้ตรรกะของวันที่แจ่มใส มาวิเคราะห์ตลาดฝนฟ้า
ระบบนี้ไม่สับสน มันรู้ตั้งแต่เช้าว่าอากาศวันนี้เป็นแบบไหน ช่วงเวลาสูงสุดผิดปกติ อุณหภูปัจจุบันกับความคาดหวังของตลาดมีความแตกต่างชัดเจน นี่คือช่องว่างข้อมูล ซึ่งเป็นโอกาสในการเทรด
นั่นคือความหมายของการสร้างระบบนี้: ในโอกาส จะง่ายต่อการมองเห็น; ในความเสี่ยง จะเตือนล่วงหน้าได้เร็วขึ้น
ข้อบกพร่องของระบบ
ระบบที่สร้างขึ้นในสุดสัปดาห์นี้ ย่อมมีข้อผิดพลาด:
- ความแม่นยำในฤดูใบไม้ร่วงเพียง 63.7% ใกล้เคียงกับการทอยเหรียญ กลุ่มอากาศร้อนเย็นลากกันไปมาในฤดูนี้ วันนี้ขึ้น พรุ่งนี้ลง กฎเกณฑ์ในอดีตใช้ไม่ได้ผลเร็วที่สุด
- ไม่สามารถเข้าถึงข้อมูลความกดอากาศแบบเรียลไทม์ในระบบจริงได้ ตอนฝึกโมเดลใช้การเปลี่ยนแปลงของความกดอากาศเป็นปัจจัย แต่ในระบบจริง API ไม่ให้ข้อมูลนี้
- การปรับแก้ตามแนวชายฝั่งยังรอข้อมูลสมบูรณ์ สนามบินฝูงตงมีผลกระทบจากลมทะเลจริง ระบบก็สร้างโมดูลปรับแก้แล้ว แต่ตัวอย่างข้อมูลยังไม่เพียงพอ
ระบบที่เพิ่งสร้างเสร็จในสุดสัปดาห์นี้ การพบข้อผิดพลาดเหล่านี้ก็ถือเป็นความสำเร็จระดับหนึ่ง ต่อไปก็ปรับปรุงไปเรื่อยๆ
สรุป
วิทยาศาสตร์อุตุนิยมวิทยาพัฒนามาหลายร้อยปี ใช้ดาวเทียม คอมพิวเตอร์ระดับสูง โมเดลทั่วโลก แต่การพยากรณ์อากาศก็ยังไม่สามารถรับประกันได้ 100% ว่าเดี๋ยวพรุ่งนี้จะถูกต้องเป๊ะ ไม่ใช่เพราะนักวิทยาศาสตร์ไม่พยายาม แต่เพราะระบบบรรยากาศเป็นระบบที่มีความซับซ้อนมาก ถ้าสภาพเริ่มต้นต่างกันแค่หนึ่งองศา ผลลัพธ์อาจแตกต่างกันอย่างสิ้นเชิง
ระบบที่สร้างขึ้นในสุดสัปดาห์นี้ แน่นอนก็มีข้อผิดพลาด แต่ก็ถือเป็นความก้าวหน้า การแม่นยำในฤดูใบไม้ร่วงใกล้เคียงกับการทอยเหรียญ ลมทะเลยังไม่ถูกจับภาพได้ดีเท่าที่ควร
แต่สิ่งนี้ไม่ใช่เรื่องสำคัญ การทำตลาดทำนายไม่จำเป็นต้องถูกต้องทุกครั้ง เพียงแค่เมื่ออัตราต่อรองมีความได้เปรียบ ก็สามารถมองข้อมูลในมุมที่ตลาดไม่เห็นได้มากขึ้น
ตลาดอากาศในเซี่ยงไฮ้ยังอยู่ในช่วงเริ่มต้น ทีมงานจะติดตามระบบนี้ต่อไป ปรับปรุงไปพร้อมๆ กัน ถ้าคุณทำตลาดอากาศใน Polymarket อยู่ ก็ยินดีให้คอมเมนต์พูดคุยกัน: คุณใช้วิธีไหนในการตัดสินใจเข้าเทรด? เคยเจอผลชำระเงินที่ทำให้แปลกใจไหม?
