Polymarket Bot Tutorial · Kapitel 27 von 32
Weather- und climate prediction bots auf Polymarket: hurricane landfall markets, daily max temperature, El Nino/La Nina (ENSO), NOAA- und NWS-Datenquellen und wie man weather data in trading signals umwandelt.
Was dieses Kapitel abdeckt
Weather markets auf Polymarket sind eine unterschätzte Kategorie. Sie haben saubere öffentliche Datenquellen, langsame price discovery und nur wenige aktive Trader. Der Edge für einen Bot ist real, aber die Markets sind meist dünn. Dieses Kapitel behandelt hurricane-, temperature- und ENSO-Markets.
- Weather als tradeable signal
- Hurricane markets: NHC data
- Daily max temperature: NWS data
- ENSO (El Nino/La Nina) cycles
- Latency: Weather-Updates sind langsam (gut für Retail)
- Risk: forecast model error tails
- Code: NOAA hurricane data abrufen und Position anpassen
Weather als tradeable signal
Weather markets werden gut von kostenlosen, autoritativen Datenquellen (NOAA, NWS, NHC) bedient und lösen auf objektiven Messungen statt auf Einschätzungen auf. Das macht sie ideal für systematische Strategien - der Edge liegt in der Dateninterpretation, nicht darin, Menschen bei News zu überholen.
Der Nachteil: die Volumina sind moderat. Ein hurricane market kann über die gesamte Laufzeit $500k-2M umsetzen; ein city temperature market $50-200k. Strategien, die im großen Maßstab bei Politik oder Sport funktionieren, lassen sich nicht auf weather übertragen - die Dollargröße deines Edges ist durch die gesamte Liquidity des Markets begrenzt.
Passendes Bot-Muster: kleine, diversifizierte Positionen über viele weather markets hinweg, bis zur Auflösung halten. Langsam getaktet; weather ist kein day-trading market.
Hurricane markets: NHC data
Die hurricane season (Atlantic: Jun-Nov) erzeugt Polymarket-Markets zu Landfall-Location, Intensität und der Anzahl benannter Stürme. Daten: öffentliche Advisories des National Hurricane Center (NHC) alle 6 Stunden während aktiver Stürme, alle 3 Stunden, wenn ein hurricane weniger als 72 Stunden vor Landfall ist.
Strategie: Wenn der forecast cone des NHC eine bestimmte Landfall-Wahrscheinlichkeit impliziert, mit der der Market nicht übereinstimmt, nimm die Seite ein, die näher an der offiziellen NHC-Prognose liegt. Das NHC ist die source of truth, zu der der Market letztlich konvergieren wird.
Vorbehalt: long-tail risk. Hurricanes verhalten sich gelegentlich anders, als die Prognose erwartet hat. Positionen so skalieren, als hätte das NHC in 80% der Fälle recht, nicht in 100%.
Daily max temperature: NWS data
Polymarket listet daily-temperature-threshold-Markets für ausgewählte US-Städte. „Wird NYC am 15. Aug. 95°F erreichen?“ Daten: National Weather Service forecasts, die 2-3 Mal täglich aktualisiert werden; Beobachtungen im Nachhinein.
Der Market preist die NWS forecast probability typischerweise mit etwas Noise ein. Der Edge: NWS forecasts haben Biases (bei extremen Hitzewellen meist konservativ). Ein Bot, der die Bias-Richtung für eine Stadt/Jahreszeit kennt, nimmt die Seite, die das NWS systematisch unterschätzt.
Einschränkungen: geringes Volumen ($50-100k typisch), kleine Positionsgrößen, bis zur Auflösung halten. Zyklus: morgens einsteigen, abends auflösen.
ENSO (El Nino/La Nina) cycles
El Niño / La Niña forecast markets haben mehrmonatige Horizonte und saubere Daten (NOAA monthly ENSO updates). Die Polymarket-implied probability hinkt der NOAA forecast confidence nach jeder monatlichen Aktualisierung oft um 1-2 Wochen hinterher.
Bot-Muster: NOAA-Update am Veröffentlichungstag lesen, die Seite einnehmen, die der Anpassung der NOAA-Prognose entspricht, 1-2 Wochen halten, bis der Market nachzieht. Mehrere Updates pro Saison bieten mehrere Einstiegspunkte.
Das Volumen ist moderat ($100-500k pro Zyklus), aber die Strategie ist langsam genug, dass reines Quant-Retail gegen die begrenzte Bot-Konkurrenz in dieser Nische konkurrieren kann.
Latency: Weather-Updates sind langsam (gut für Retail)
Weather-Daten werden in Minuten bis Stunden aktualisiert, nicht in Subsekunden. Das ist ein erheblicher Retail-Vorteil: Die Latency-Arbs, die Sports- und Crypto-Markets dominieren, greifen hier nicht.
Ein Retail-Bot, der um 8:15 Uhr das NOAA-Update von 8:00 Uhr liest, kann ein FOK zum neuen fairen Wert platzieren, bevor die langsameren Trader im Market das Update überhaupt gesehen haben. Das 15-Minuten-Latency-Budget ist großzügig im Vergleich zum 2-Sekunden-Budget bei news arb.
Der Kompromiss: Dünnes Volumen bedeutet, dass selbst ein schneller Bot pro Market nur kleine Positionen einsetzen kann. Das breadth-not-depth-Muster (Kapitel 21) gilt bei weather sogar noch stärker.
Risk: forecast model error tails
Weather forecasts haben bekannte Fehlerbalken. Das NHC veröffentlicht jährlich seine hurricane forecast errors - die Landfall-Location weicht bei 72 Stunden Vorlaufzeit im Schnitt um 100-200 Meilen ab. NWS temperature forecasts haben bei 7 Tagen Vorlauf im Schnitt 2-4°F Fehler.
Implikation für das Sizing: niemals mit hoher Überzeugung darauf wetten, dass „die Prognose stimmt“. Positionen so bemessen, als ob die Prognose in 70-80% der Fälle richtig liegt. Ein Bot, der die Prognose als Evangelium nimmt, verliert bei den 20-30% der Trades, in denen das Modell danebenlag.
Die hurricane-Kategorie ist besonders tail-heavy. Ein Category-5-Sturm, der an einem mit niedriger Wahrscheinlichkeit prognostizierten Ort auf Land trifft, bedeutet einen Verlust bis ins Unendliche für eine zuversichtlich shorte Position. Das Exposure auf einen einzelnen hurricane auf 10% der Weather-Allokation begrenzen.
Code: NOAA hurricane data abrufen und Position anpassen
Referenz: Den NHC-Advisory-Feed während der hurricane season pollen und bei Änderungen des forecast cone alarmieren.
import requests, feedparser
NHC_RSS = "https://www.nhc.noaa.gov/index-at.xml"
def poll_nhc():
while True:
feed = feedparser.parse(NHC_RSS)
for entry in feed.entries:
storm_id = entry.id
advisory = parse_advisory(entry.summary)
prev = load_last_advisory(storm_id)
if advisory["track"] != prev.get("track"):
alert(f"track update for {storm_id}: {advisory['track']}")
save_advisory(storm_id, advisory)
time.sleep(900) # 15 minPolymarket landfall markets lassen sich am besten zu Beginn der season manuell mit den Storm IDs des NHC abgleichen; die Automatisierung dieses Matchings ist fragil, weil die Market-Titel von Polymarket nicht konsistent der NHC-Namensgebung folgen.
