Tutorial de Bot de Polymarket · Capítulo 27 de 32
Bots de predicción del clima y el clima en Polymarket: mercados de llegada de huracanes a tierra, temperatura máxima diaria, El Niño/La Niña (ENSO), fuentes de datos de NOAA y NWS, y cómo convertir datos meteorológicos en señales de trading.
Qué cubre este capítulo
Los mercados de clima en Polymarket son una categoría subestimada. Tienen fuentes de datos públicas y limpias, descubrimiento de precio lento y pocos traders activos. La ventaja para un bot es real, pero los mercados suelen ser poco profundos. Este capítulo cubre mercados de huracanes, temperatura y ENSO.
- El clima como señal tradable
- Mercados de huracanes: datos del NHC
- Temperatura máxima diaria: datos del NWS
- Ciclos ENSO (El Niño/La Niña)
- Latencia: las actualizaciones meteorológicas son lentas (bueno para retail)
- Riesgo: colas de error en los modelos de pronóstico
- Código: obtener datos de huracanes de NOAA y ajustar la posición
El clima como señal tradable
Los mercados de clima cuentan con buenas fuentes de datos gratuitas y autorizadas (NOAA, NWS, NHC) y se resuelven con mediciones objetivas en lugar de juicio. Eso los hace ideales para estrategias sistemáticas: la ventaja está en la interpretación de datos, no en correr contra humanos para llegar a las noticias primero.
La desventaja: los volúmenes son modestos. Un mercado de huracanes puede mover entre $500k y $2M de por vida; un mercado de temperatura de una ciudad, $50k-200k. Las estrategias que funcionan a escala en política o deportes no se trasladan al clima: el tamaño en dólares de tu ventaja está limitado por la liquidez total del mercado.
El patrón de bot que encaja: posiciones pequeñas y diversificadas en muchos mercados de clima, mantener hasta la resolución. Ritmo lento; el clima no es un mercado para day trading.
Mercados de huracanes: datos del NHC
La temporada de huracanes (Atlántico: jun-nov) genera mercados en Polymarket sobre ubicación de llegada a tierra, intensidad y conteo de tormentas con nombre. Datos: avisos públicos del National Hurricane Center (NHC) cada 6 horas durante tormentas activas, cada 3 horas cuando un huracán está a <72h de tocar tierra.
Estrategia: cuando el cono de pronóstico del NHC implica una probabilidad específica de llegada a tierra con la que el mercado no coincide, toma el lado más cercano al pronóstico oficial del NHC. El NHC es la fuente de verdad a la que el mercado eventualmente converge.
Advertencia: riesgo de cola. A veces los huracanes hacen cosas que el pronóstico no esperaba. Dimensiona posiciones asumiendo que el NHC tiene razón el 80% del tiempo, no el 100%.
Temperatura máxima diaria: datos del NWS
Polymarket publica mercados de umbral de temperatura diaria para algunas ciudades de EE. UU. “¿Llegará NYC a 95°F el 15 de agosto?” Datos: pronósticos del National Weather Service actualizados 2-3 veces al día; observaciones posteriores.
El mercado normalmente incorpora la probabilidad pronosticada por el NWS con algo de ruido. La ventaja: los pronósticos del NWS tienen sesgos (por lo general conservadores en eventos de calor extremo). Un bot que conoce la dirección del sesgo para una ciudad/temporada toma el lado que el NWS subestima sistemáticamente.
Restricciones: bajo volumen ($50-100k típico), tamaños de posición pequeños, mantener hasta resolución. Ciclo: entrar por la mañana, resolver por la tarde/noche.
ENSO (ciclos de El Niño/La Niña)
Los mercados de pronóstico de El Niño / La Niña tienen horizontes de varios meses y datos limpios (actualizaciones mensuales de ENSO de NOAA). La probabilidad implícita de Polymarket suele quedarse atrás respecto a la confianza del pronóstico de NOAA por 1-2 semanas después de cada actualización mensual.
Patrón de bot: leer la actualización de NOAA el día de publicación, tomar el lado que coincida con el ajuste del pronóstico de NOAA, mantener por 1-2 semanas hasta que el mercado se ponga al día. Múltiples actualizaciones por temporada ofrecen múltiples puntos de entrada.
El volumen es modesto ($100-500k por ciclo), pero la estrategia es lo bastante lenta como para que el retail puramente cuantitativo pueda competir contra la poca competencia de bots en este nicho.
Latencia: las actualizaciones meteorológicas son lentas (bueno para retail)
Los datos meteorológicos se actualizan en minutos u horas, no en subsegundos. Esto es una ventaja importante para retail: los latency arbs que dominan los mercados de deportes y cripto no aplican aquí.
Un bot retail que lea la actualización de NOAA de las 8am a las 8:15am puede colocar un FOK al nuevo valor justo antes de que los traders más lentos del mercado siquiera hayan visto la actualización. El presupuesto de 15 minutos de latencia es generoso comparado con el presupuesto de 2 segundos en news arb.
La contrapartida: el volumen bajo significa que incluso un bot rápido solo puede desplegar posiciones pequeñas por mercado. El patrón breadth-not-depth (capítulo 21) aplica todavía con más fuerza al clima.
Riesgo: colas de error en los modelos de pronóstico
Los pronósticos meteorológicos tienen márgenes de error conocidos. El NHC publica anualmente los errores de sus pronósticos de huracanes: la ubicación de llegada a tierra promedia un error de 100-200 millas con 72 horas de anticipación. Los pronósticos de temperatura del NWS promedian un error de 2-4°F con 7 días de anticipación.
Implicación para el sizing: nunca apuestes “el pronóstico está correcto” con alta confianza. Dimensiona posiciones asumiendo que el pronóstico es correcto 70-80% del tiempo. Un bot que toma el pronóstico como evangelio pierde en el 20-30% de las operaciones en que el modelo estuvo desviado.
La categoría de huracanes es especialmente pesada en colas. Un Cat 5 tocando tierra en una ubicación con baja probabilidad pronosticada es una pérdida de infinito positivo para una posición short demasiado confiada. Limita la exposición a cualquier huracán individual al 10% de la asignación para weather.
Código: obtener datos de huracanes de NOAA y ajustar la posición
Referencia: sondear el feed de avisos del NHC durante la temporada de huracanes, alertar sobre cambios en el cono de pronóstico.
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 minLos mercados de llegada a tierra en Polymarket se emparejan mejor manualmente con los storm IDs del NHC al inicio de la temporada; automatizar el emparejamiento es frágil porque los títulos de los mercados de Polymarket no siguen de forma consistente la nomenclatura del NHC.
