天气不像选举，没有立场；不像 NBA，没有主队。但偏偏是这个市场，让国内用户涌进来。原因很简单，每个人都有感受，每个人都觉得自己懂上海的天气。
但「感觉懂」和「能赚钱」，是两回事。
Biteye 今天分享三件事：
1. 读懂结算规则
2. 建立天气的预测方法
3. 用系统找到别人看不到的交易机会
一、先搞清楚：这个天气市场到底怎么结算的？1. 结算的温度，不是你以为的那个
很多人第一次参与会有个误区：拿手机天气 App 对照着押最高气温，但 App 显示的是上海市区的温度，而 Polymarket 结算用的是上海浦东机场（ZSPD 气象站）的实测数据，这个数据通过 Wunderground 这个美国气象平台对外公开，PM 直接读取 WU 上的记录作为结算依据。
两个地方，两个数字。浦东机场位于城市东侧，紧邻长江入海口，受海风影响，气温通常比市区偏低。这个差距平时感觉不出来，但在档位边界的时候，可能就是押对和押错的区别。
所以你在天气市场评论区能看到这种困惑：「明明今天感觉比昨天暖，为什么显示的最高温反而更低？」
2. 数字对了，但单位不是你想的那个
WU 的数据直接来自机场每小时上报的 METAR 报文 (全球民航通用的气象电报格式)。
有一个细节藏在这里：METAR 记录的是华氏整数，WU 直接展示这个数字，不换算，不修正。
而大多数天气预报系统、气象模型输出的温度都带小数点。你的模型算得越精细，越容易忽略这个最粗糙的地方。
3. 上海气温规律
扒了 ZSPD 站近 1900 天的数据，上海最高气温的出现时段比想象中集中：
· 四个季节都高度集中在 11:00-13:00，
· 夏季 12:00 的集中度最高，单个小时占全季的 27.6%。
· 秋季的峰值时段略偏早，10:00 也是高频时段之一。
知道规律是第一步，但规律不会自己盯盘。每天最高温什么时候出现、有没有刷新、离档位还差多少。
所以小编搭了这套系统：在每天结算前，尽可能准确地预测出当天的最高温度落在哪个摄氏度档位。
市场规则搞清楚之后，下一个问题是：怎么预测当天的最高温度？
作为一个气象小白，第一步是去问 ChatGPT：气象行业到底是怎么计算当天最高温的，有哪些成熟方法。ChatGPT 给出了一套理论框架，Claude 把框架落地成代码。两个 AI 配合着用，一个周末把系统搭起来了。
一共试了五种方法，最终只跑通三个。
跑通的：
1. WC + ECMWF 集成预报
预测最高温，首先需要数据。采用了两个来源：
· Weather Company（WC）是一个商业气象 API，提供逐小时预报数据，精度高；
· ECMWF 是欧洲中期天气预报中心的全球气象模型，对大范围天气系统更敏感。
两个来源各有优劣，所以让它们加权投票。权重根据当天天气类型动态调整：晴天更信 WC，云量大、风速高的天气更信 ECMWF。
2. 实时订正：用升温数据推算峰值
预报是昨晚算出来的，但今天的天气一直在变。所以这个模块做的事是：用今天早上已经发生的实测数据，推算今天最高能到多少。
逻辑不复杂，小编发现上海早上 8-9 点是升温最快的时间段。系统拿到这个时刻的实测温度之后，查历史数据：同一季节、同一时刻，过去平均还能再升多少度。
然后加两个修正：
· 云多就乘以一个折扣，云量越厚升温越受阻。
· 风大也乘一个折扣，强风会加速热量散失。算出来一个「外推估算」。
气压、露点、湿度也在计算之内，但由于回测后发现这些因子影响较小，相关性较低，所以删除了。
但光靠外推还不够稳，这里用了一个卡尔曼增益的概念，说白了就是在「外推结果」和「原始预报」之间取一个加权平均，而且这个权重会随着时间推移自动变化。
· 早上 6 点，外推才占 20%，大部分还是信预报
· 到中午 12 点，外推占 72%
· 下午 1 点之后，几乎完全信实测，占 85%
越晚，眼前发生的事越重要；越早，历史预报的参考价值越大。
下午 2 点之后，系统判断峰值大概率已过，直接从历史记录里取今日最高温锁定结果，不再推算。
3. 今天是升温日吗？
这是整套系统里最让人满意的模块，每天凌晨做一个判断：今天的最高温会比昨天高吗？
每天凌晨 2-4 点，系统会收集一批气象数据，喂给这个模型：
· 气压在过去 3 小时、12 小时的变化
· 凌晨的风向和风速，云况
· 昨天的升降温幅度，近三天的温度趋势，昨天的温度是偏高还是偏低
· 加上月份、季节、当天是一年中第几天，昨天有没有下雨
模型输出分成五档：升温日、偏升温、持平、偏降温、降温日，同时给出置信度。
不过该方法在不同季节准确率差异很大。
冬季最准：冷空气来了，气压急升、北风加强，信号极其清晰，模型一眼就能看出来。
秋季最差：冷暖气团反复拉锯，今天刚升温明天就回落，历史规律在这个季节失效最快。
淘汰的方法：
1. 傅里叶数值预测
最早试过用傅里叶分析拟合历史气温的周期规律，看能不能直接预测当天最高温。
结果发现它能告诉你的只是「历史上这个季节平均是多少度」。上海天气的随机性太高，傅里叶拟合出来的是一条平滑的平均曲线，不是真实的每日波动。误差 3.6°C，而且 100% 系统性低估，所以直接删掉。
2. ERA5 峰值时刻预测
ERA5 是欧洲气候中心的全球历史重分析数据集，用来预测当天最高温出现在几点。
回测下来
· ≤1 小时准确率 59.6%
· ≤2 小时准确率 81.3%
听起来还行，但问题是 PM 的精度更高，留给交易员判断的时间窗口很短，如果做不到半小时以内的峰值判断，还不如看 Polymarket 的数据，所以该方法被淘汰了。
三、系统实战：两个案例和不足反思Polymarket 的天气市场会提前 4 天开放交易，热门温度档位通常在开市早期就被充分定价。直接在高概率档位上买，盈亏比比较差。
所以小编采用的策略是：等信号，等升温后的时间窗口再入场。
于是根据自建的天气系统做了以下两个操作：
案例 1：
16 号凌晨，Telegram 频道推送了夜间模式的报告：明天是降温日。理由是当晚云况偏厚、季节和年内日序两个特征都指向降温方向。
这时候小编没有立刻下注。凌晨的信号只是第一层参考。
到了上午 11 点，系统推送了升温期的实时报告。当时实测最高温已经到了 12°C，+1°C 概率评分给出结果：今天再涨 1°C 的概率是 42%，偏向不会再升温。
结合凌晨逻辑回归的偏降温信号，两个模块方向一致，这时候信号比凌晨清晰多了。于是押了 16 号最高温不超过 13°C。
当天结算：12°C。前一天 15 号是 15°C，降了整整 3 度。
案例 2：
再比如今天 17 号的上海天气，天气系统还能起到预警作用：早上 7 点钟受到的推送显示，峰值时刻异常：22:00
正常晴天最高温出现在下午 1-3 点，但今天峰值在晚上 22 点，说明这不是日照升温，而是暖湿气流夜间输送。全天都在下雨，云量 97-100%，日照几乎为零。
这时候打开 Polymarket，看到 12°C 的定价还在 53%。社区里有人困惑：现在已经下午了，温度才 11°C，正常峰值时段早就过了，为什么大家还在买 12°C？
这个困惑的背后，是大家还在用晴天的逻辑判断雨天的市场。
系统不会困惑。它早上就把今天的天气类型识别清楚了，峰值时刻异常，当前温度和市场预期之间存在明显偏差。这是一个信息差，而信息差就是交易机会。
这正是搭这套系统的意义：在机会面前，更容易识别；在风险面前，更快预警。
系统还有哪些不足？
做了一个周末的系统，不可能没有漏洞：
· 秋季准确率只有 63.7%，接近抛硬币。
· 冷暖气团在这个季节反复拉锯，今天升温明天回落，历史规律在秋季失效最快。
· 气压特征在实盘里拿不到。训练模型的时候用了气压变化作为特征，回测效果不错。
· 冷空气过境的信号很清晰。但实盘运行时，当前接口拿不到实时气压数据。
· 沿海修正还在等数据激活。浦东机场的海风效应是真实存在的，系统也建了对应的修正模块，但回测样本还不够多。
一套刚跑了一个周末的系统，能发现这些问题已经算有收获。接下来边跑边修。
四、结语气象学发展了几百年，用上了卫星、超算、全球模型，天气预报依然不敢保证明天 100% 准确。不是科学家不够努力，是大气系统本身就是混沌的，差一度初始条件，结果可能完全不同。
这套跑了一个周末的系统，当然也会出错。秋季准确率接近抛硬币，冷空气来早了系统可能没反应过来，海风效应到现在还没完全捕捉到。
但这不重要。做预测市场不需要每次都对，只需要在赔率有优势的时候，比市场多看一层信息。
