使用AI進行天氣預測，一天躺賺200美金

作者：長安 I Biteye內容團隊

天氣不像選舉，沒有立場；不像 NBA，沒有主隊。但偏偏是這個市場，讓國內用戶湧進來。原因很簡單，每個人都有感受，每個人都覺得自己懂上海的天氣。

但「感覺懂」和「能賺錢」，是兩回事。

Biteye 今天分享三件事：

1. 讀懂結算規則
2. 建立天氣的預測方法
3. 用系統找到別人看不到的交易機會

一、先搞清楚：這個天氣市場到底怎麼結算的？

1.結算的溫度，不是你以為的那個

很多人第一次參與會有個誤區：拿手機天氣 App對照著押最高氣溫，但 App 顯示的是上海市區的溫度，而 Polymarket 結算用的是上海浦東機場（ZSPD 氣象站）的實測數據，這個數據通過 Wunderground這個美國氣象平台對外公開，PM 直接讀取 WU 上的記錄作為結算依據。

兩個地方，兩個數字。浦東機場位於城市東側，緊鄰長江入海口，受海風影響，氣溫通常比市區偏低。這個差距平時感覺不出來，但在檔位邊界的時候，可能就是押對和押錯的區別。

所以你在天氣市場評論區能看到這種困惑：「明明今天感覺比昨天暖，為什麼顯示的最高溫反而更低？」

2.數字對了，但單位不是你想的那個

WU 的數據直接來自機場每小時上報的 METAR 報文（全球民航通用的氣象電報格式）。

有一個細節藏在這裡：METAR 記錄的是華氏整數，WU 直接展示這個數字，不換算，不修正。

而大多數天氣預報系統、氣象模型輸出的溫度都帶小數點。你的模型算得越細緻，越容易忽略這個最粗糙的地方。

3.上海氣溫規律

扒了 ZSPD 站近 1900 天的數據，上海最高氣溫的出現時段比想像中集中：

• 四個季節都高度集中在 11:00-13:00，
• 夏季 12:00 的集中度最高，單個小時佔全季的 27.6%。
• 秋季的峰值時段略偏早，10:00 也是高頻時段之一。

知道規律是第一步，但規律不會自己盯盤。每天最高溫什麼時候出現、是否有刷新、離檔位還差多少。

所以小編搭了這套系統：在每天結算前，盡可能準確地預測出當天的最高溫度落在哪個攝氏度檔位。

二、五種方法，三個跑通了

市場規則搞清楚之後，下個問題是：怎麼預測當天的最高溫度？

作為一個氣象小白，第一步是去問 ChatGPT：氣象行業到底是怎麼計算當天最高溫的，有哪些成熟方法。ChatGPT 給出了一套理論框架，Claude 把框架落地成代碼。 兩個 AI 配合著用，一個周末把系統搭起來了。

一共試了五種方法，最終只跑通三個。

跑通的：

1️⃣ WC + ECMWF 集成預報

預測最高溫，首先需要數據。採用了兩個來源：

• Weather Company（WC） 是一個商業氣象 API，提供逐小時預報數據，精度高；
• ECMWF 是歐洲中期天氣預報中心的全球氣象模型，對大範圍天氣系統更敏感。

兩個來源各有優劣，所以讓它們加權投票。權重根據當天天氣類型動態調整：晴天更信 WC，雲量大、風速高的天氣更信 ECMWF。

2️⃣實時訂正：用升溫數據推算峰值

預報是昨晚算出來的，但今天的天氣一直在變。所以這個模塊做的事是：用今天早上已經發生的實測數據，推算今天最高能到多少。

邏輯不複雜，小編發現上海早上 8-9 點是升溫最快的時間段。系統拿到這個時刻的實測溫度之後，查歷史數據：同一季節、同一時刻，過去平均還能再升多少度。

然後加兩個修正：

• 雲多就乘以一個折扣，雲量越厚升溫越受阻。
• 風大也乘一個折扣，強風會加速熱量散失。算出來一個"外推估算"。

氣壓、露點、濕度也在計算之內，但由於回測後發現這些因子影響較小，相關性較低，所以刪除了。

但光靠外推還不夠穩，這裡用了一个卡爾曼增益的概念，說白了就是在「外推結果」和「原始預報」之間取一個加權平均，而且這個權重會隨著時間推移自動變化。

• 早上 6 點，外推才佔 20%，大部分還是信預報
• 到中午 12 點，外推佔 72%
• 下午 1 點之後，幾乎完全信實測，佔 85%

越晚，眼前發生的事越重要；越早，歷史預報的參考價值越大。

下午 2 點之後，系統判斷峰值大概率已過，直接從歷史記錄裡取今日最高溫鎖定結果，不再推算。

3️⃣ 今天是升溫日嗎？

這是整套系統裡最讓人滿意的模塊，每天凌晨做一個判斷：今天的最高溫會比昨天高嗎？

每天凌晨 2-4 點，系統會收集一批氣象數據，喂給這個模型：

• 氣壓在過去 3 小時、12 小時的變化
• 凌晨的風向和風速，雲況
• 昨天的升降溫幅度，近三天的溫度趨勢，昨天的溫度是偏高還是偏低
• 加上月份、季節、當天是一年中第幾天，昨天有沒有下雨

模型輸出分成五檔：升溫日、偏升溫、持平、偏降溫、降溫日，同時給出置信度。

不過該方法在不同季節準確率差異很大。

• 冬季最準：冷空氣來了，氣壓急升、北風加強，信號極其清晰，模型一眼就能看出來。
• 秋季最差：冷暖氣團反覆拉鋸，今天剛升溫明天就回落，歷史規律在這個季節失效最快。

淘汰的方法：

1. 傅里葉數值預測

最早試過用傅里葉分析擬合歷史氣溫的週期規律，看能不能直接預測當天最高溫。

結果發現它能告訴你的只是"歷史上這個季節平均是多少度"。上海天氣的隨機性太高，傅里葉擬合出來的是一條平滑的平均曲線，不是真實的每日波動。誤差 3.6°C，而且 100% 系統性低估，所以直接刪掉。

2. ERA5 峰值時刻預測

ERA5 是歐洲氣候中心的全球歷史重分析數據集，用來預測當天最高溫出現在幾點。

回測下來

• ≤1小時準確率 59.6%
• ≤2 小時準確率 81.3%

聽起來還行，但問題是 PM 的精度更高，留給交易員判斷的時間窗口很短，如果做不到半小時以內的峰值判斷，还不如看 Polymarket 的數據，所以該方法被淘汰了。

三、系統實戰：兩個案例和不足反思

Polymarket 的天氣市場會提前 4 天開放交易，熱門氣溫檔位通常在開市早期就被充分定價。直接在高概率檔位上買，盈虧比比較差。

所以小編採用的策略是：等信號，等升溫後的時間窗口再入場。

於是根據自建的天氣系統做了以下兩個操作：

案例一：

16 號凌晨，Telegram 頻道推送了夜間模式的報告：明天是降溫日。理由是當晚雲況偏厚、季節和年內日序兩個特徵都指向降溫方向。

這時候小編沒有立刻下注。凌晨的信號只是第一層參考。

到了上午 11 點，系統推送了升溫期的實時報告。當時實測最高溫已經到了 12°C，+1°C 機率評分給出結果：今天再漲 1°C 的概率是 42%，偏向不會再升溫。

結合凌晨邏輯回歸的偏降溫信號，兩個模塊方向一致，這時候信號比凌晨清晰多了。於是押了16號最高溫不超過 13°C。

當天結算：12°C。前一天 15 號是 15°C，降了整整 3 度。

案例二：

再比如今天 17 號的上海天氣，天氣系統還能起到預警作用：早上 7 點鐘受到的推送顯示，峰值時刻異常：22:00

正常晴天最高溫出現在下午1-3點，但今天峰值在晚上 22 點，說明這不是日照升溫，而是暖濕氣流夜間輸送。全天都在下雨，雲量97-100%，日照幾乎為零。

這時候打開 Polymarket，看到 12°C 的定價還在 53%。社區裡有人困惑：現在已經下午了，溫度才11°C，正常峰值時段早就過了，為什麼大家還在買12°C？

這個困惑的背後，是大家還在用晴天的邏輯判斷雨天的市場。

系統不會困惑。它早上就把今天的天氣類型識別清楚了，峰值時刻異常，當前溫度和市場預期之間存在明顯偏差。這是一個信息差，而信息差就是交易機會。

這正是搭這套系統的意義：在機會面前，更容易識別；在風險面前，更快預警。

系統還有哪些不足

做了一個周末的系統，不可能沒有漏洞：

• 秋季準確率只有63.7%，接近擲硬幣。冷暖氣團在這個季節反覆拉鋸，今天升溫明天回落，歷史規律在秋季失效最快。
• 氣壓特徵在實盤裡拿不到。訓練模型的時候用了氣壓變化作為特徵，回測效果不錯。冷空氣過境的信號很清晰。但實盤運行時，當前接口拿不到實時氣壓數據。
• 沿海修正還在等數據激活。浦東機場的海風效應是真實存在的，系統也建了對應的修正模塊，但回測樣本還不夠多。

一套剛跑了個周末的系統，能發現這些問題已經算有收穫。接下來邊跑邊修。

結語

氣象學發展了幾百年，用上了衛星、超算、全球模型，天氣預報依然不敢保證明天100%準確。不是科學家不夠努力，是大氣系統本身就是混沌的，差一度初始條件，結果可能完全不同。

這套跑了個周末的系統，當然也會出錯。秋季準確率接近擲硬幣，冷空氣來早了系統可能沒反應過來，海風效應到現在還沒完全捕捉到。

但這不重要。做預測市場不需要每次都對，只需要在賠率有優勢的時候，比市場多看一層信息。

上海天氣市場還在早期，小編會持續跟蹤這套系統，邊跑邊改。如果你也在做 Polymarket 天氣市場，歡迎在評論區討論：你用什麼方法判斷入場時機？遇到過哪些讓你意外的結算結果？