Грати у прогноз погоди за допомогою ШІ і заробити 200 доларів за день, просто лежачи?

Заголовок: 《Граючи у прогноз погоди за допомогою AI, заробляй 200 доларів на день》

Автор: Changan

Джерело:

Перепублікація: Mars Finance

Погода не має політичних позицій; на відміну від NBA, тут немає домашньої команди. Але саме цей ринок привертає до себе внутрішніх користувачів. Причина проста — кожен має свої відчуття, кожен вважає, що розуміє погоду в Шанхаї.

Але «відчувати» і «заробляти» — це дві різні речі.

Biteye сьогодні ділиться трьома речами:

1. Розуміння правил розрахунку

2. Створення методів прогнозування погоди

3. Використання системи для знаходження торгових можливостей, яких інші не бачать

4. Спершу з’ясуй: як саме підраховується цей ринок погоди?

5. Температура для розрахунку — не те, що ти думаєш

Багато новачків при першій участі роблять помилку: порівнюють максимальну температуру з мобільним додатком погоди. Але додаток показує температуру в центрі Шанхаю, тоді як розрахунок на Polymarket базується на фактичних даних з метеостанції в Шанхаї — Пудонг (ZSPD). Ці дані відкриті через американську платформу Wunderground, і PM безпосередньо читає записи з WU для розрахунку.

Дві різні локації — два різні числа. Метеостанція в Пудонгу розташована на сході міста, біля входу в дельту Янцзи, під впливом морського бризу, тому температура там зазвичай нижча за міську. Це різниця зазвичай непомітна, але при межах діапазонів вона може бути вирішальною.

Тому у коментарях до ринку погоди можна побачити таке: «Мабуть сьогодні тепліше, ніж вчора, чому ж показує нижчу максимальну температуру?»

2. Числа правильні, але одиниці вимірювання — не ті, що ти очікуєш

Дані WU беруться безпосередньо з METAR — щогодинних повідомлень з аеропорту (міжнародний формат метеорологічних повідомлень).

Тут є нюанс: METAR фіксує температуру у Фаренгейтах, і WU показує ці числа без конвертації або корекції.

Більшість систем прогнозування погоди та моделей дають температуру з десятковими дробами. Чим точніше модель, тим більше вона може ігнорувати цей найгрубший рівень — цілі градуси.

3. Закон температурних закономірностей у Шанхаї

Проаналізувавши дані майже 1900 днів з ZSPD, можна помітити, що піки максимальної температури зосереджені в певний час:

· У всі чотири сезони — переважно між 11:00 і 13:00,

· Влітку — найвищий пік о 12:00, що становить 27.6% від усіх літніх днів,

· Восени — пік трохи раніше, о 10:00, що теж є високочастотним часом.

Знання закономірностей — перший крок, але вони самі по собі не слідкують за ринком. Важливо знати, коли саме з’являється максимум, чи оновлюється він, і скільки ще потрібно, щоб перейти до іншого діапазону.

Тому я створив цю систему: перед кожним розрахунком максимально точно прогнозувати, у який градусний діапазон потрапить максимальна температура цього дня.

2. П’ять методів, три з яких працюють

Після розуміння правил ринку, наступне питання — як прогнозувати максимальну температуру цього дня?

Як новачок у метеорології, перше, що я зробив — запитав ChatGPT: як саме метеорологічна галузь обчислює максимальну температуру? Які існують перевірені методи? ChatGPT запропонував теоретичну основу, а Claude реалізував її у коді. Два AI разом зібрали систему за один уікенд.

Всього було випробувано п’ять методів, з яких успішно працювали три.

Успішні:

1. Інтеграція прогнозів WC + ECMWF

Для прогнозу максимальної температури потрібно дані. Використовували два джерела:

· Weather Company (WC) — комерційний API погоди, що надає щогодинні прогнози з високою точністю;

· ECMWF — європейський центр середньострокового прогнозу, більш чутливий до великих систем.

Обидва джерела мають свої плюси і мінуси, тому їх об’єднали за допомогою вагового голосування. Ваги коригувалися залежно від типу погоди: у сонячну погоду більше довіри до WC, у хмарну і з високою швидкістю вітру — до ECMWF.

2. Реальне коригування: використання даних про підвищення температури для прогнозу піку

Прогноз робився вчора ввечері, але погода сьогодні змінюється. Тому цей модуль використовує вже отримані вранці дані для оцінки максимальної температури.

Логіка проста: я помітив, що в Шанхаї з 8 до 9 ранку температура зростає найшвидше. Отримавши дані цього часу, система порівнює з історичними даними: у тому ж сезоні і в той самий час, скільки ще може піднятися температура.

Додаються два коригування:

· Якщо багато хмар — зменшуємо прогноз, оскільки хмари гальмують нагрів;

· Якщо сильний вітер — зменшуємо ще більше, оскільки вітер сприяє швидкому охолодженню.

Отримуємо «екстраполяційний» прогноз.

Додатково враховуються тиск, точка роси, вологість, але після тестування з’ясувалося, що їхній вплив мінімальний, тому їх видалили.

Однак лише екстраполяція недостатня — тут використовується концепція Калмана, тобто вагове середнє між «екстраполяційним» результатом і початковим прогнозом, причому вага автоматично змінюється з часом:

· У 6 ранку — зовнішня оцінка становить 20%;

· У 12:00 — 72%;

· Після 13:00 — майже 85%, переважно орієнтуючись на реальні дані.

Чим пізніше, тим важливіше те, що відбувається зараз; чим раніше — тим більше значення має історичний прогноз.

Після 14:00 система вважає, що максимум вже пройшов, і просто бере з історії найвищу температуру цього дня.

3. Чи є день підвищення температури?

Це найзадовільніший модуль системи: щоранку о 2-4 годині вона робить висновок — чи буде сьогодні температура вищою, ніж вчора.

Збирає дані:

· Зміни тиску за останні 3 і 12 годин;

· Вітер і хмари вранці;

· Зміни температури вчора і за останні три дні, а також тенденції;

· Місяць, сезон, день у році, чи був дощ вчора.

Модель видає п’ять варіантів: підвищення, слабке підвищення, стабільність, слабке зниження, зниження, з рівнем довіри.

Однак точність цього методу залежить від сезону.

Найкраще працює взимку: коли приходить холодний фронт, тиск швидко зростає, вітер посилюється — сигнал дуже чіткий.

Найгірше — восени: цикли холодних і теплих мас повертаються, і прогноз стає менш точним.

Методи, що відбракували:

1. Аналіз Фур’є

Спершу намагалися підганяти історичні дані за допомогою аналізу Фур’є, щоб передбачити максимум.

Але він показує лише середню температуру за сезон, а не реальні коливання. В результаті помилка становила 3.6°C, і система систематично недооцінювала температуру — тому цей метод відмовили.

2. Прогноз пікових моментів за ERA5

ERA5 — глобальний історичний набір даних Європейського центру клімату, що дозволяє прогнозувати час максимуму.

Результати тестування:

· Точність у межах 1 години — 59.6%

· У межах 2 годин — 81.3%

Але оскільки Polymarket має вищу точність і короткий час для прийняття рішень, цей метод виявився непотрібним і був відкинутий.

3. Практичне застосування системи: два кейси і рефлексія

Ринок погоди Polymarket відкривається за 4 дні до події, і популярні діапазони температур зазвичай вже добре закладені на початку торгів. Тому купувати у високоприбуткових діапазонах — неефективно.

Моя стратегія — чекати сигналів і входити у ринок у момент підвищення температури.

Ось два приклади:

Кейс 1:

16 числа вночі у Telegram-каналі з’явився звіт: завтра буде день з похолоданням. Причина — хмари, що були вночі, і сезонні, і внутрішньорічні характеристики вказували на зниження.

Я не став одразу купувати. Це був перший рівень сигналу.

Вранці о 11:00 система дала реальний прогноз: максимальна температура вже досягла 12°C, і ймовірність підвищення ще на 1°C — 42%. Тобто малоймовірно, що температура зросте.

З урахуванням сигналу про можливе зниження з ранкових даних, я вирішив поставити на те, що максимум не перевищить 13°C.

Розрахунок завершився — 12°C. Вчора, 15 числа, було 15°C, тобто температура знизилася на 3 градуси.

Кейс 2:

Ще один приклад — погода 17 числа. Система попереджала, що пік буде о 22:00.

Зазвичай максимум у сонячний день — між 13:00 і 15:00, але сьогодні пік у 22:00, що свідчить про нічний тепловий потік — вологий і теплий. Весь день йшов дощ, хмари 97-100%, сонячного світла майже не було.

Перевіряючи Polymarket, бачу, що ціна на 12°C залишається на рівні 53%. У чаті хтось запитує: «Зараз вже вечір, температура — 11°C, а ціна на 12°C ще висока. Чому?»

Це — наслідок того, що люди все ще оцінюють погоду за ясною моделлю, ігноруючи реальні обставини.

Моя система не заплутується. Вона вже зранку визначила тип погоди, і при аномальному піку — різниці між реальною температурою і ринковими очікуваннями — виникає інформаційна можливість для торгівлі.

Це і є сенс створення такої системи: виявляти можливості швидше і точніше, ніж інші.

Недоліки системи:

За один уікенд роботи — без помилок не обійшлося:

· Восени точність — 63.7%, майже випадковий результат;

· Через цикли холодних і теплих мас, що повертаються, — швидко втрачає актуальність;

· Тиск — дані з реального часу недоступні, хоча при тренуванні використовували його як ознаку;

· Сигнали холодного фронту — чіткі, але в реальності їх важко отримати через API;

· Модуль корекції біля узбережжя — ще в розробці, дані з Пудонга потрібні для активізації.

За тиждень роботи система вже показала проблеми, і це — цінний досвід. Наступний крок — вдосконалення.

4. Висновки

Метеорологія — наука з кількастолітньою історією, з використанням супутників, суперкомп’ютерів і глобальних моделей. Але навіть зараз прогноз погоди не може гарантувати 100% точності завтра. Не через недбалість учених, а через хаотичну природу атмосфери: навіть малі зміни початкових умов можуть призвести до кардинально різних результатів.

Ця система, що працює у тестовому режимі один уікенд, теж помилятиметься. Восени точність близька до випадкової, і система може не врахувати ранній прихід холодного фронту або морського бризу.

Але це не так важливо. У ринках прогнозів не потрібно бути ідеальним — достатньо мати перевагу у коефіцієнті й додаткову інформацію для прийняття рішень.