Chơi dự báo thời tiết bằng AI, chỉ trong một ngày đã có thể kiếm 200 đô la tiền lãi?

Tiêu đề gốc: 《Dùng AI chơi dự đoán thời tiết, một ngày kiếm 200 USD dễ dàng》

Tác giả: Changan

Nguồn:

Truyền tải lại: Huoxing Caijing

Thời tiết không giống bầu cử, không có lập trường; không giống NBA, không có đội chủ nhà. Nhưng chính thị trường này khiến người dùng trong nước đổ xô vào. Nguyên nhân rất đơn giản, ai cũng có cảm nhận, ai cũng nghĩ mình hiểu thời tiết Thượng Hải.

Nhưng “cảm giác hiểu” và “có thể kiếm tiền” là hai chuyện khác nhau.

Biteye hôm nay chia sẻ ba việc:

1. Hiểu rõ quy tắc thanh toán

2. Xây dựng phương pháp dự đoán thời tiết

3. Dùng hệ thống tìm ra cơ hội giao dịch mà người khác không thấy

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

Nhiều người lần đầu tham gia sẽ có nhầm lẫn: lấy ứng dụng thời tiết trên điện thoại so sánh với dự đoán nhiệt độ cao nhất, nhưng ứng dụng hiển thị nhiệt độ trung tâm Thượng Hải, còn Polymarket thanh toán dựa trên dữ liệu thực đo tại sân bay Pudong (đài khí tượng ZSPD), dữ liệu này công khai qua nền tảng khí tượng Mỹ Wunderground, PM đọc trực tiếp dữ liệu của WU làm căn cứ thanh toán.

Hai nơi, hai số liệu. Sân bay Pudong nằm phía đông thành phố, gần cửa sông Dương Tử, chịu ảnh hưởng của gió biển, nhiệt độ thường thấp hơn trung tâm thành phố. Khoảng cách này bình thường không cảm nhận rõ, nhưng khi đến giới hạn của các mức cược, có thể là khác biệt giữa đúng và sai.

Vì vậy, trong phần bình luận thị trường thời tiết, bạn có thể thấy những câu như: “Rõ ràng hôm nay cảm giác ấm hơn hôm qua, sao nhiệt độ cao nhất hiển thị lại thấp hơn?”

2. 数字对了，但单位不是你想的那个

Dữ liệu của WU lấy trực tiếp từ các báo cáo METAR hàng giờ của sân bay, định dạng khí tượng phổ biến toàn cầu.

Có một chi tiết nằm ở đây: METAR ghi bằng độ Fahrenheit, WU hiển thị trực tiếp mà không đổi đơn vị hay hiệu chỉnh.

Trong khi phần lớn hệ thống dự báo thời tiết, mô hình khí tượng xuất ra nhiệt độ có phần thập phân. Mô hình càng chính xác, dễ bỏ qua điểm sơ khai này.

3. 上海气温规律

Sau khi phân tích gần 1900 ngày dữ liệu của trạm ZSPD, thời điểm xuất hiện nhiệt độ cao nhất của Thượng Hải tập trung hơn bạn nghĩ:

· Cả bốn mùa đều cao điểm trong khoảng 11:00-13:00,

· Mùa hè đỉnh cao nhất vào 12:00, chiếm tới 27.6% toàn mùa,

· Mùa thu đỉnh hơi sớm hơn, 10:00 cũng là khung giờ cao điểm.

Biết quy luật là bước đầu, nhưng quy luật không tự theo dõi thị trường. Cần biết khi nào nhiệt độ cao nhất xuất hiện, có làm mới hay không, còn cách mức cược bao xa.

Vì vậy, tôi đã xây dựng hệ thống này: Trước khi kết thúc ngày, cố gắng dự đoán chính xác mức nhiệt cao nhất trong ngày rơi vào khoảng nhiệt độ nào.

二、五种方法，三个跑通了

Sau khi hiểu rõ quy tắc thị trường, câu hỏi tiếp theo là: làm thế nào dự đoán nhiệt độ cao nhất trong ngày?

Là một người mới về khí tượng, bước đầu tôi hỏi ChatGPT: ngành khí tượng tính nhiệt độ cao nhất trong ngày như thế nào, có những phương pháp nào đã thành công. ChatGPT cung cấp một khung lý thuyết, Claude biến khung đó thành mã code. Hai AI phối hợp, cuối tuần xây dựng xong hệ thống.

Thử nghiệm tổng cộng năm phương pháp, cuối cùng chỉ thành công ba.

Thành công:

1. Dự báo tích hợp WC + ECMWF

Dự đoán nhiệt độ cao nhất cần dữ liệu. Sử dụng hai nguồn:

· Weather Company (WC) là API khí tượng thương mại, cung cấp dự báo theo giờ, độ chính xác cao;

· ECMWF là trung tâm dự báo thời tiết trung hạn châu Âu, nhạy cảm hơn với hệ thống thời tiết lớn.

Hai nguồn này có ưu nhược điểm riêng, nên cho điểm theo trọng số. Trọng số điều chỉnh theo loại thời tiết trong ngày: trời quang tin WC hơn, trời nhiều mây, gió mạnh tin ECMWF hơn.

2. Hiệu chỉnh theo thời gian thực: dùng dữ liệu tăng nhiệt để tính đỉnh

Dự báo là tối hôm qua tính, nhưng thời tiết hôm nay liên tục thay đổi. Module này làm gì: dùng dữ liệu đo thực sáng nay để dự đoán nhiệt độ cao nhất hôm nay có thể đạt bao nhiêu.

Logic không phức tạp, tôi nhận thấy sáng sớm Thượng Hải từ 8-9 giờ là thời điểm tăng nhiệt nhanh nhất. Hệ thống lấy dữ liệu đo thực tại thời điểm này, tra dữ liệu lịch sử: cùng mùa, cùng thời điểm, trung bình còn tăng thêm bao nhiêu độ.

Sau đó cộng thêm hai điều chỉnh:

· Nhiều mây thì nhân với hệ số giảm, mây dày, tăng nhiệt bị cản trở nhiều hơn.

· Gió lớn cũng nhân hệ số giảm, gió mạnh sẽ thúc đẩy mất nhiệt nhanh hơn. Tính ra một “ước lượng ngoại suy”.

Áp suất, điểm dew, độ ẩm cũng tính đến, nhưng sau thử nghiệm phát hiện các yếu tố này ảnh hưởng nhỏ, độ tương quan thấp, nên bỏ đi.

Nhưng chỉ dựa vào ngoại suy chưa đủ ổn định, ở đây dùng khái niệm hệ số Kalman gain, nói đơn giản là lấy trung bình có trọng số giữa “kết quả ngoại suy” và “dự báo gốc”, và trọng số này tự động thay đổi theo thời gian.

· Sáng 6 giờ, ngoại suy chiếm 20%, phần lớn vẫn tin dự báo

· Đến 12 giờ trưa, ngoại suy chiếm 72%

· Sau 1 giờ chiều, gần như hoàn toàn tin vào dữ liệu thực đo, 85%

Càng về chiều, những gì xảy ra trước mắt càng quan trọng; càng sớm, dữ liệu lịch sử càng có giá trị tham khảo.

Sau 2 giờ chiều, hệ thống xác định đỉnh đã qua, lấy luôn nhiệt độ cao nhất trong ngày từ dữ liệu lịch sử, không dự đoán nữa.

3. Hôm nay có phải ngày tăng nhiệt không?

Đây là module làm tôi hài lòng nhất, mỗi sáng sớm thực hiện một dự đoán: hôm nay nhiệt độ cao nhất có cao hơn hôm qua không?

Mỗi sáng 2-4 giờ, hệ thống thu thập một loạt dữ liệu khí tượng, đưa vào mô hình:

· Thay đổi áp suất trong 3 giờ, 12 giờ qua

· Hướng gió, tốc độ gió sáng sớm, tình trạng mây

· Biến động nhiệt hôm qua, xu hướng nhiệt 3 ngày gần nhất, nhiệt hôm qua cao hay thấp

· Thêm tháng, mùa, ngày trong năm, hôm qua có mưa không

Mô hình đưa ra 5 mức: ngày tăng nhiệt, ngày hơi tăng, ngày giữ ổn định, ngày giảm nhẹ, ngày giảm mạnh, kèm theo độ tin cậy.

Tuy nhiên, phương pháp này độ chính xác theo mùa rất khác nhau.

Chính xác nhất vào mùa đông: khi có không khí lạnh đến, áp suất tăng nhanh, gió bắc mạnh, tín hiệu rõ ràng, mô hình dễ nhận biết.

Kém nhất vào mùa thu: khi các luồng khí lạnh, ấm liên tục đấu tranh, hôm nay tăng, ngày mai giảm, quy luật lịch sử mất hiệu quả nhanh nhất vào mùa thu.

Các phương pháp bị loại:

1. Dự báo bằng phân tích Fourier

Đã thử dùng phân tích Fourier để phù hợp chu kỳ nhiệt độ lịch sử, xem có thể dự đoán trực tiếp nhiệt độ cao nhất ngày không.

Kết quả phát hiện chỉ cho biết “trung bình mùa này là bao nhiêu độ”. Thời tiết Thượng Hải quá biến động, Fourier phù hợp ra một đường mượt trung bình, không phản ánh được dao động hàng ngày. Sai số 3.6°C, hệ thống còn dự báo thấp hơn thực tế 100%, nên bỏ.

2. Dự đoán thời điểm đỉnh ERA5

ERA5 là dữ liệu phân tích lịch sử toàn cầu của trung tâm khí hậu châu Âu, dùng để dự đoán thời điểm cao nhất trong ngày.

Thử nghiệm:

· Độ chính xác trong vòng 1 giờ là 59.6%

· Trong vòng 2 giờ là 81.3%

Nghe có vẻ ổn, nhưng vấn đề là PM có độ chính xác cao hơn, thời gian quyết định của trader rất ngắn, nếu không dự đoán đỉnh trong vòng nửa giờ, còn không bằng xem dữ liệu của Polymarket, nên phương pháp này bị loại.

三、系统实战：两个案例和不足反思

Polymarket mở thị trường thời tiết trước 4 ngày, các mức nhiệt phổ biến thường đã định giá đủ từ sớm. Mua vào các mức có xác suất cao, tỷ lệ thắng thua không tốt.

Vì vậy, chiến lược của tôi là: chờ tín hiệu, chờ thời điểm tăng nhiệt rồi mới vào.

Dựa trên hệ thống dự đoán thời tiết tự xây, tôi đã thực hiện hai ví dụ sau:

Ví dụ 1:

Đêm ngày 16, kênh Telegram gửi báo cáo chế độ ban đêm: ngày mai là ngày giảm nhiệt. Lý do là đêm đó mây dày, đặc trưng theo mùa và theo thứ tự ngày trong năm đều hướng về giảm nhiệt.

Lúc này tôi không đặt cược ngay. Tín hiệu đêm chỉ là tham khảo bước một.

Đến 11 giờ sáng, hệ thống gửi báo cáo dự đoán thời điểm tăng nhiệt theo thời gian thực. Lúc đó nhiệt độ cao nhất đo được đã là 12°C, xác suất tăng thêm 1°C là 42%, nghiêng về không tăng nữa.

Kết hợp tín hiệu giảm nhiệt của hồi quy logic đêm, hai module cùng hướng, tín hiệu rõ ràng hơn nhiều so với ban đêm. Vậy nên tôi đặt cược mức cao nhất ngày 16 không quá 13°C.

Kết quả ngày đó: 12°C. Ngày trước là 15°C, giảm 3 độ.

Ví dụ 2:

Ví dụ khác là dự báo thời tiết Thượng Hải ngày 17, hệ thống cảnh báo sớm: đỉnh bất thường lúc 22:00.

Thông thường trời quang cao nhất vào 13-15 giờ chiều, nhưng hôm nay đỉnh vào 22 giờ tối, cho thấy không phải do nắng, mà do luồng khí ẩm ướt vận chuyển ban đêm. Cả ngày mưa, mây dày 97-100%, gần như không có ánh sáng mặt trời.

Lúc này mở Polymarket, thấy giá 12°C vẫn còn 53%. Có người trong cộng đồng thắc mắc: đã chiều rồi, nhiệt độ mới 11°C, đỉnh bình thường đã qua rồi, sao còn mua 12°C?

Sau đó, hệ thống nhận diện rõ ràng loại thời tiết hôm nay, đỉnh bất thường, nhiệt độ hiện tại và dự đoán thị trường có chênh lệch rõ ràng. Đây là một khoảng cách thông tin, và khoảng cách này chính là cơ hội giao dịch.

Điều này chính là ý nghĩa của hệ thống: trong cơ hội, dễ nhận biết hơn; trong rủi ro, cảnh báo nhanh hơn.

Hệ thống còn những hạn chế nào?

Sau một tuần thử nghiệm, hệ thống còn nhiều điểm chưa hoàn thiện:

· Độ chính xác mùa thu chỉ 63.7%, gần như lật đồng xu.

· Các luồng khí lạnh, ấm liên tục đấu tranh, hôm nay tăng, ngày mai giảm, quy luật lịch sử mất hiệu quả nhanh nhất vào mùa thu.

· Đặc điểm áp suất không thể lấy trong thực tế. Khi huấn luyện mô hình, tôi dùng biến đổi áp suất làm đặc trưng, hiệu quả tốt trong thử nghiệm.

· Tín hiệu gió lạnh qua vùng cũng rõ ràng, nhưng khi vận hành thực tế, không lấy được dữ liệu áp suất theo thời gian thực.

· Chỉnh sửa ven biển vẫn chờ dữ liệu kích hoạt. Hiệu ứng gió biển tại sân bay Pudong là có thật, hệ thống đã xây dựng module chỉnh sửa phù hợp, nhưng mẫu thử chưa đủ lớn.

Hệ thống mới chạy một tuần, đã phát hiện ra những vấn đề này, coi như đã thu hoạch. Tiếp tục chạy và chỉnh sửa.

四、结语

Khí tượng đã phát triển hàng trăm năm, dùng vệ tinh, siêu tính toán, mô hình toàn cầu, dự báo thời tiết vẫn không thể đảm bảo chính xác 100% ngày mai. Không phải các nhà khoa học thiếu cố gắng, mà vì hệ thống khí quyển vốn là hỗn loạn, chỉ cần sai lệch một độ, kết quả có thể hoàn toàn khác.

Hệ thống chạy một tuần này, tất nhiên cũng sẽ có sai sót. Độ chính xác mùa thu gần như lật đồng xu, không khí lạnh đến sớm, hệ thống chưa phản ứng kịp, hiệu ứng gió biển vẫn chưa hoàn toàn bắt kịp.

Nhưng điều này không quan trọng. Khi làm thị trường dự đoán, không cần đúng mỗi lần, chỉ cần khi tỷ lệ cược có lợi, nhìn nhận thêm một tầng thông tin so với thị trường.