Jouer à la prévision météorologique avec l'IA, et gagner 200 dollars en une seule journée sans effort ?

Titre original : « Jouer à la prévision météo avec l’IA, gagner 200 dollars par jour en se relaxant »

Auteur original : Changan

Source originale :

Reproduction : Huoxing Caijing

La météo n’a pas de position, contrairement aux élections ; elle n’a pas d’équipe favorite, 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 :

1. Comprendre les règles de règlement

2. Établir une méthode de prévision météorologique

3. Utiliser un système pour repérer des opportunités de trading invisibles aux autres

一、D’abord, clarifions : comment ce marché météo 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 concerne le centre-ville de Shanghai, alors que le règlement de Polymarket utilise les données mesurées à l’aéroport de Pudong (station ZSPD). Ces données, accessibles via Wunderground, une plateforme météorologique américaine, sont directement lues par PM comme base de règlement.

Deux endroits, deux chiffres. L’aéroport de Pudong est situé à l’est de la ville, près de l’embouchure du Yangtze, soumis à l’influence des brises marines, 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 plage, cela peut faire la différence entre parier juste ou faux.

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. Le chiffre est correct, mais l’unité n’est pas celle 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 caché ici : METAR enregistre la température en Fahrenheit, Wunderground affiche directement ce chiffre, sans conversion ni correction.

La plupart des systèmes de prévision météo ou modèles météorologiques sortent des températures avec des décimales. Plus votre modèle est précis, plus il peut négliger ce détail brut.

3. La régularité de la température à Shanghai

Après avoir analysé près de 1900 jours de données de la station ZSPD, la période d’apparition des températures maximales à Shanghai est plus concentrée que prévu :

· Quatre saisons, toutes concentrées entre 11h00 et 13h00,

· En été, 12h00 est le pic, représentant 27,6 % de la saison,

· En automne, le pic est légèrement plus tôt, vers 10h00, qui est aussi une période de forte fréquence.

Connaître la règle est la première étape, mais une règle ne surveille pas le marché toute seule. Il faut savoir quand la température maximale apparaît, si elle est dépassée, et combien il reste avant le seuil suivant.

C’est pourquoi j’ai construit ce système : avant chaque règlement, prédire avec précision dans quel intervalle de température maximale la journée tombera.

二、Cinq méthodes, trois qui fonctionnent

Après avoir compris les règles du marché, la question suivante est : comment prévoir la température maximale du jour ?

En tant que novice en météorologie, la première étape est de demander à ChatGPT : comment le secteur météorologique calcule-t-il la température maximale quotidienne, quelles méthodes sont matures ? ChatGPT fournit un cadre théorique, que Claude a traduit en code. Deux IA collaborent, et en un week-end, le système est monté.

Nous avons testé cinq méthodes, dont finalement trois ont réussi.

Méthodes qui ont fonctionné :

1. Prévision intégrée WC + ECMWF

Pour prévoir la température maximale, il faut d’abord des données. Deux sources :

· Weather Company (WC), une API météorologique commerciale, fournit des prévisions horaires précises ;

· ECMWF, le centre européen de prévisions météorologiques à moyen terme, sensible aux grands systèmes météorologiques.

Les deux sources ont leurs avantages et inconvénients, donc on leur donne un vote pondéré. Le poids s’ajuste dynamiquement selon le type de météo du jour : en beau temps, on privilégie WC ; quand il y a beaucoup de nuages ou de vent, on privilégie ECMWF.

2. Correction en temps réel : utiliser la montée en température pour estimer le pic

La prévision est faite la veille, mais la météo change constamment. Ce module utilise donc les données mesurées du matin pour estimer la température maximale du jour.

Le principe est simple : on repère que Shanghai se réchauffe rapidement entre 8h et 9h. Après avoir obtenu la température réelle à ce moment, on consulte les données historiques : en saison et heure similaires, combien peut encore augmenter la température ?

On applique deux ajustements :

· Si beaucoup de nuages, on applique un coefficient de réduction, car la couverture nuageuse limite la montée en température.

· Si le vent est fort, on applique aussi un coefficient, car le vent accélère la dissipation de chaleur. On obtient ainsi une « extrapolation estimée ».

La pression, le point de rosée, l’humidité sont aussi pris en compte, mais après backtesting, leur influence est faible, donc on les a supprimés.

Mais l’extrapolation seule n’est pas suffisante. On utilise ici le concept de gain de Kalman, c’est-à-dire qu’on fait une moyenne pondérée entre le résultat de l’extrapolation et la prévision initiale, avec un poids qui évolue avec le temps :

· À 6h du matin, l’extrapolation ne représente que 20 %, la majorité restant sur la prévision ;

· À midi, l’extrapolation pèse 72 % ;

· Après 13h, on fait presque entièrement confiance à la mesure réelle, à 85 %.

Plus on avance dans la journée, plus l’événement actuel est important ; plus tôt dans la journée, plus on se fie aux prévisions historiques.

Après 14h, le système considère que le pic est probablement passé, et il fixe la température maximale du jour à partir des données historiques, sans faire d’autre calcul.

3. Le jour de montée en température ?

C’est la partie la plus satisfaisante du système : chaque matin, on juge si la température maximale du jour sera plus haute que celle d’hier.

Entre 2h et 4h du matin, le système collecte des données météorologiques :

· Variations de pression sur 3h et 12h

· Direction et vitesse du vent au petit matin, état des nuages

· Amplitude de la montée ou descente de température la veille, tendance sur trois jours, si la température d’hier était élevée ou basse

· Ajout du mois, de la saison, du jour de l’année, s’il a plu la veille

Le modèle sort cinq catégories : jour de montée, léger montée, stable, légère baisse, jour de baisse, avec un niveau de confiance.

Mais cette méthode a une précision variable selon la saison.

Meilleur en hiver : quand l’air froid arrive, la pression monte rapidement, le vent du nord se renforce, le signal est très clair, le modèle le détecte facilement.

Pire en automne : les masses d’air chaud et froid oscillent, la montée d’hier peut être suivie d’une baisse le lendemain, la régularité historique est la moins fiable dans cette saison.

Méthodes éliminées :

1. Prédiction par Fourier

J’ai d’abord essayé d’utiliser l’analyse de Fourier pour modéliser les cycles historiques de température, pour prévoir directement la température maximale du jour.

Mais cela ne donne que la moyenne saisonnière : la température moyenne dans cette saison. La météo à Shanghai est très aléatoire, Fourier produit une courbe lisse, qui ne reflète pas les fluctuations quotidiennes. L’erreur était de 3,6°C, avec une sous-estimation systématique, donc abandonnée.

2. Prédiction du moment du pic avec ERA5

ERA5, la reanalyse historique globale du centre européen, permet de prévoir à quelle heure la température maximale se produit.

Backtesting :

· Précision à ±1h : 59,6 %

· Précision à ±2h : 81,3 %

Cela semble correct, mais le problème est que Polymarket a une précision encore plus fine, avec une fenêtre de décision très courte. Si on ne peut pas prévoir le pic dans la demi-heure, autant regarder directement les données de PM. La méthode a donc été abandonnée.

三、Pratique du système : deux cas et réflexions sur les limites

Le marché météo de Polymarket ouvre 4 jours à l’avance, et les plages de température populaires sont souvent déjà bien évaluées dès l’ouverture. Acheter dans ces plages à forte probabilité offre un mauvais ratio gain/perte.

Ma stratégie est donc d’attendre le signal, puis d’entrer dans la fenêtre de montée en température.

Voici deux exemples basés sur le système météo que j’ai construit :

Cas 1 :

Nuit du 16, le canal Telegram a publié un rapport en mode nocturne : demain sera un jour de refroidissement. La raison : la couverture nuageuse est épaisse ce soir-là, et les caractéristiques saisonnières et journalières indiquent toutes une tendance à la baisse.

Je n’ai pas immédiatement parié. Le signal nocturne n’était qu’une première indication.

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, et la probabilité que la température augmente encore de 1°C était de 42 %, indiquant une tendance à ne pas monter davantage.

En combinant cette logique de régression nocturne avec le signal de baisse, qui allait dans le même sens, le signal était beaucoup plus clair. J’ai donc parié que la température maximale du 16 ne dépasserait pas 13°C.

Résultat de la journée : 12°C. La veille, le 15, il faisait 15°C, donc une baisse de 3°C.

Cas 2 :

Par exemple, la météo du 17 à Shanghai : le système météo a permis une alerte : le pic de température était prévu à 22h00.

Normalement, le maximum en journée apparaît entre 13h et 15h, mais ici, il était à 22h, ce qui indique que ce n’est pas une montée par rayonnement solaire, mais un flux humide chaud nocturne. Toute la journée, il a plu, avec un taux de nuages de 97-100 %, presque pas de soleil.

À ce moment-là, j’ai regardé Polymarket, où la cote pour 12°C était encore à 53 %. Certains dans la communauté étaient perplexes : il est déjà après-midi, la température n’est que de 11°C, le pic est passé, pourquoi tout le monde continue-t-il à parier sur 12°C ?

Ce doute vient du fait que tout le monde utilise la logique du beau temps pour juger le marché de la pluie.

Le système, lui, ne se trompe pas. Il a identifié dès le matin le type de météo du jour, et avec le pic exceptionnel, il y a une différence claire entre la température réelle et la prévision du marché. C’est un décalage d’information, et cet écart représente une opportunité de trading.

C’est la raison d’être de ce système : repérer plus facilement les opportunités ; réagir plus vite face aux risques.

Quelles autres limites a ce système ?

Après un week-end de test, 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 fréquente, la montée puis la baisse le lendemain, la régularité historique échoue rapidement en automne.

· La caractéristique de pression ne peut pas être obtenue en temps réel en trading. Lors de l’entraînement, j’utilisais la variation de pression comme caractéristique, et le backtest était bon.

· Le signal de passage de masse d’air froid est très clair, mais en pratique, l’API ne fournit pas de données de pression en temps réel.

· La correction pour la proximité de la côte attend encore des données pour être activée. La brise marine à Pudong est réelle, un module de correction a été construit, mais le nombre d’échantillons est encore insuffisant.

Un système qui n’a tourné qu’un week-end a déjà permis d’identifier ces problèmes, c’est une étape. La suite : continuer à faire tourner et améliorer.

四、Conclusion

La météorologie s’est développée depuis plusieurs siècles, utilisant satellites, supercalculateurs, modèles globaux, mais la prévision ne peut garantir une précision à 100 % pour demain. Ce n’est pas par manque d’efforts des scientifiques, mais parce que l’atmosphère est intrinsèquement chaotique : une différence d’un degré peut entraîner un résultat complètement différent.

Ce système, après un week-end, peut aussi faire des erreurs. La précision en automne est proche du hasard, le système peut ne pas réagir à l’arrivée précoce d’un air froid, ou ne pas encore capter complètement l’effet de la brise marine.

Mais ce n’est pas important. Sur un marché de prévision, il ne faut pas être parfait à chaque fois, il suffit d’avoir un avantage sur le marché en voyant une couche d’information supplémentaire.