Auteur : Changan I Biteye Équipe de contenu
Le temps n’a pas de position comme une élection ; il n’a pas d’équipe comme la NBA. Mais c’est précisément ce marché qui attire les utilisateurs locaux. La raison est simple : chacun a ses ressentis, chacun pense connaître le temps à Shanghai.
Mais « se sentir connaître » et « pouvoir gagner de l’argent » sont deux choses différentes.
Biteye partage aujourd’hui trois points :
- Comprendre les règles de règlement
- Établir une méthode de prévision du temps
- Utiliser un système pour repérer des opportunités de trading invisibles aux autres
1. D’abord, comprendre : comment ce marché du temps est-il réellement réglé ?
1. La température de règlement n’est pas celle que vous pensez
Beaucoup de débutants ont une erreur courante : ils comparent la température maximale affichée par leur application météo sur leur téléphone, mais cette température correspond à celle du centre-ville de Shanghai, alors que le règlement de Polymarket utilise les données mesurées à l’aéroport de Pudong (ZSPD). Ces données, accessibles publiquement via la plateforme météorologique américaine Wunderground, servent de référence pour le règlement.
Deux endroits, deux chiffres. L’aéroport de Pudong, situé à l’est de la ville, près de l’embouchure du Yangtsé, est influencé par la brise marine, ce qui fait que la température y est généralement plus basse que dans le centre-ville. La différence est imperceptible en temps normal, mais lors des seuils de prix, cela peut faire la différence entre miser juste ou non.
Donc, dans la section commentaires du marché météo, on peut voir cette confusion : « Je sens qu’il fait plus chaud qu’hier, pourquoi la température maximale affichée est-elle plus basse ? »
2. Les chiffres sont corrects, mais les unités ne sont pas celles que vous pensez
Les données de Wunderground proviennent directement des messages METAR envoyés chaque heure par l’aéroport (format standard mondial pour la météorologie civile).
Un détail important : METAR enregistre la température en Fahrenheit, et Wunderground affiche directement ce chiffre, sans conversion ni correction.
La plupart des autres systèmes météo ou modèles de prévision donnent la température avec des décimales. Plus votre modèle est précis, plus il peut négliger cette approximation grossière.
3. La régularité de la température à Shanghai
Après avoir analysé près de 1900 jours de données du station ZSPD, la période de survenue des températures maximales à Shanghai est plus concentrée que prévu :
- Elle se situe principalement entre 11h00 et 13h00, dans toutes les saisons ;
- En été, le pic à 12h00 est le plus fréquent, représentant 27,6 % de la saison ;
- En automne, le pic est légèrement plus tôt, vers 10h00.
Connaître cette régularité est la première étape, mais elle ne se surveille pas toute seule. Il faut aussi connaître l’heure à laquelle la température maximale apparaît, si elle est dépassée ou non, et combien il reste pour atteindre le seuil de prix.
C’est pourquoi j’ai construit ce système : avant chaque règlement, il s’agit de prévoir avec précision la température maximale de la journée, en la classant dans une fourchette de degrés Celsius.
2. Cinq méthodes, trois qui fonctionnent
Une fois que les règles du marché sont comprises, la question suivante est : comment prévoir la température maximale du jour ?
En tant que novice en météorologie, j’ai d’abord demandé à ChatGPT : comment le secteur calcule-t-il la température maximale quotidienne, quelles méthodes sont matures ? ChatGPT m’a fourni un cadre théorique, que Claude a transformé en code. Deux IA ont collaboré, et en un week-end, le système était en place.
J’ai testé cinq méthodes, dont finalement trois ont été efficaces.
Méthodes qui ont fonctionné :
1️⃣ Prévision intégrée WC + ECMWF
Pour prévoir la température maximale, il faut des données. J’ai utilisé deux sources :
- Weather Company (WC), une API météo commerciale, fournissant des prévisions horaires précises ;
- ECMWF, le centre européen de prévisions météorologiques, sensible aux grands systèmes météorologiques.
Ces deux sources ont chacune leurs avantages et inconvénients. Je leur ai donc donné un poids de vote, ajusté dynamiquement selon le type de météo du jour : ensoleillé, je fais davantage confiance à WC ; nuageux ou vent fort, je privilégie ECMWF.
2️⃣ Correction en temps réel : utiliser la montée en température pour estimer le pic
Les prévisions sont faites la veille, mais la météo évolue constamment. Ce module utilise donc les données mesurées le matin pour estimer la température maximale possible.
Le principe est simple : à 8-9h du matin, la montée en température est la plus rapide à Shanghai. Après avoir obtenu cette température, le système consulte des données historiques : dans la même saison, à la même heure, quelle est la hausse moyenne restante ?
Il applique deux ajustements :
- Si beaucoup de nuages, il réduit la prévision, car la couverture nuageuse limite la montée en température ;
- Si le vent est fort, il réduit aussi, car le vent accélère la dissipation de chaleur. Cela donne une estimation extrapolée.
La pression, le point de rosée, l’humidité sont aussi pris en compte, mais après tests, leur influence est faible, donc ils ont été supprimés.
Mais l’extrapolation seule n’est pas fiable. J’ai utilisé un concept de gain de Kalman : en gros, on fait une moyenne pondérée entre l’extrapolation et la prévision initiale, avec un poids qui évolue au fil du temps.
- À 6h du matin, l’extrapolation ne représente que 20 %, la majorité étant la prévision ;
- À midi, l’extrapolation atteint 72 % ;
- Après 13h, on fait presque entièrement confiance aux mesures, à 85 %.
Plus on se rapproche du moment, plus les données réelles comptent. Plus tôt dans la journée, la prévision historique est plus fiable.
Après 14h, le système considère que le pic est probablement passé, et il fixe la température maximale en se basant sur les données historiques du jour, sans extrapolation.
3️⃣ Est-ce une journée de montée en température ?
C’est la partie la plus satisfaisante du système : chaque matin, il décide si la journée sera plus chaude que la veille.
Entre 2h et 4h du matin, le système collecte des données météorologiques :
- Variations de la pression sur 3h et 12h ;
- Vent, nuages, température de la veille, tendance sur trois jours, pluie la veille ;
- Mois, saison, jour de l’année, pluie récente.
Il sort une classification en cinq catégories : journée montante, légèrement montante, stable, légèrement descendante, journée de refroidissement, avec un niveau de confiance.
Mais cette méthode est moins précise selon la saison :
- En hiver, elle est très fiable : l’arrivée d’un air froid provoque une hausse claire de la pression et un vent du nord, le signal est net ;
- En automne, c’est la moins fiable : les masses d’air chaud et froid se succèdent, la montée d’un jour peut être suivie d’une baisse le lendemain, la régularité historique est moins valable.
Méthodes éliminées :
1️⃣ Prédiction par Fourier
J’avais essayé d’utiliser l’analyse de Fourier pour modéliser les cycles historiques, pour prévoir la température maximale.
Mais cela ne donne que la moyenne saisonnière : la météo à Shanghai est trop aléatoire. La courbe lisse ne reflète pas les fluctuations quotidiennes. L’erreur était de 3,6°C, avec une sous-estimation systématique, donc j’ai abandonné.
2️⃣ Prédiction du moment du pic avec ERA5
ERA5, la reanalyse globale du centre européen, permet de prévoir quand la température maximale se produit.
Les résultats de backtest montrent :
- Précision à ±1h : 59,6 %
- Précision à ±2h : 81,3 %
Mais le problème, c’est que Polymarket a une précision encore plus fine, et le délai pour trader est court. Si on ne peut pas prévoir le pic dans la demi-heure, cela ne sert à rien de regarder ces données. La méthode a donc été abandonnée.
3. Cas pratiques et réflexions
Le marché météo de Polymarket ouvre 4 jours à l’avance, et les seuils populaires sont souvent bien évalués dès l’ouverture. Acheter dans les niveaux à forte probabilité offre un mauvais ratio gain/perte.
Ma stratégie est donc d’attendre le signal, d’attendre la fenêtre de montée en température, puis d’entrer.
Voici deux exemples :
Cas 1 :
Nuit du 16, le canal Telegram a publié un rapport nocturne : demain sera une journée de refroidissement. La raison : la couverture nuageuse est épaisse, et la saison ainsi que le jour dans l’année indiquent une tendance à la baisse.
Je n’ai pas misé immédiatement. Le signal nocturne n’est qu’un premier indicateur. 
Vers 11h, le système a publié un rapport en temps réel sur la montée en température. La température maximale mesurée était déjà de 12°C, avec une probabilité de +1°C de 42 %, donc peu probable qu’elle augmente encore.
En combinant cette logique de baisse anticipée, la prévision indique que la température maximale ne dépassera pas 13°C. La clôture du marché ce jour-là : 12°C. La veille, le 15, la température était de 15°C, donc une baisse de 3°C. 
Cas 2 :
Aujourd’hui, le 17, la météo à Shanghai montre un phénomène particulier : le pic de température prévu à 22h.
Normalement, la température maximale en journée apparaît entre 13h et 15h, mais ici, elle est à 22h, ce qui indique que ce n’est pas le soleil qui chauffe, mais un flux humide chaud nocturne. Toute la journée, il pleut, avec un taux de nuages de 97-100 %, presque pas de soleil.
En vérifiant Polymarket, le prix pour 12°C est encore à 53 %. La communauté s’interroge : il est déjà après-midi, la température n’est que de 11°C, le pic est passé, pourquoi acheter encore du 12°C ?
Ce doute vient du fait que beaucoup utilisent la logique du beau temps pour juger le marché de la pluie.
Mais le système ne se trompe pas. Il a identifié dès le matin le type de météo du jour, et le pic de température est anormal : la température actuelle et la prévision du marché sont en décalage. C’est une information manquante, une opportunité de trading.
C’est la force de cette méthode : mieux repérer les opportunités, et réagir plus vite face au risque.
Limites du système
Après un week-end de développement, il y a forcément des failles :
- La précision en automne n’est que de 63,7 %, proche du hasard. La lutte entre masses d’air chaud et froid est très variable, la régularité historique ne fonctionne pas en cette saison ;
- La donnée de pression en temps réel n’est pas accessible en pratique. Lors de l’entraînement, j’avais utilisé la variation de pression comme caractéristique, et cela fonctionnait bien. Mais en trading réel, je ne peux pas obtenir ces données instantanément ;
- La correction liée à la proximité de la mer est en attente de données. L’effet de la brise à Pudong est réel, un module de correction a été construit, mais le nombre d’échantillons est encore insuffisant.
Une version de ce système, même en développement, permet déjà d’identifier ces limites. La prochaine étape est de continuer à améliorer.
Conclusion
La météorologie a été développée depuis des centaines d’années, avec satellites, supercalculateurs, modèles globaux. Pourtant, la prévision à 100 % pour demain reste impossible. Ce n’est pas par manque d’efforts, mais parce que l’atmosphère est un système chaotique : une différence d’un degré dans les conditions initiales peut tout changer.
Ce système, même après un week-end, peut se tromper. En automne, sa précision est proche du hasard. La détection de signaux faibles, comme l’arrivée précoce d’un air froid ou la brise marine, reste difficile.
Mais ce n’est pas important. Sur un marché de prévision, il ne faut pas être parfait à chaque fois, il faut simplement avoir un avantage en voyant plus d’informations que le marché quand cela en vaut la peine.
Le marché météo de Shanghai est encore à ses débuts. Je continuerai à suivre et à ajuster ce système. Si vous faites aussi du trading météo sur Polymarket, partagez en commentaire : quelles méthodes utilisez-vous pour juger du bon moment d’entrée ? Quelles surprises avez-vous rencontrées lors des règlements ?
