Polymarket Bot Tutorial · Hoofdstuk 27 van 32

Weer- en klimaat-prediction bots op Polymarket: hurricane landfall markten, dagelijkse max-temperatuur, El Niño/La Niña (ENSO), NOAA en NWS data-bronnen en hoe weer-data naar trading-signalen om te zetten.

Wat dit hoofdstuk behandelt

Weer-markten op Polymarket zijn een ondergewaardeerde categorie. Ze hebben schone publieke data-bronnen, traag price-discovery en niet-frequente actieve traders. De edge voor een bot is echt maar de markten zijn meestal dun. Dit hoofdstuk behandelt hurricane, temperatuur en ENSO-markten.

Dit is hoofdstuk 27 van onze 32-delige serie over het bouwen van een Polymarket trading bot. We behandelen het onderwerp in detail in de secties hieronder. De body content voor elke sectie wordt geschreven en hoofdstuk-per-hoofdstuk uitgerold; FAQ-antwoorden en referenties zijn al compleet en weerspiegelen production-ervaring van het draaien van onze eigen trader.

  • Weer als tradeable signaal
  • Hurricane-markten: NHC-data
  • Dagelijkse max-temperatuur: NWS-data
  • ENSO (El Niño/La Niña) cycli
  • Latency: weer-updates zijn traag (goed voor retail)
  • Risico: forecast-model error tails
  • Code: trek NOAA hurricane-data en pas positie aan

Weer als tradeable signaal

Weer-markten worden goed bediend door gratis, gezaghebbende data-bronnen (NOAA, NWS, NHC) en resolven op objectieve metingen in plaats van oordeel. Dat maakt ze ideaal voor systematische strategieën — de edge zit in data-interpretatie, niet in mensen verslaan naar nieuws.

Het nadeel: volumes zijn matig. Een hurricane-markt zou 500k-2M $ lifetime kunnen doen; een city-temperatuur markt 50-200k $. Strategieën die op schaal werken op politiek of sport transfereren niet naar weer — de dollar-grootte van je edge is begrensd door de totale liquiditeit van de markt.

Bot-patroon dat past: kleine, gediversifieerde posities over veel weer-markten, houd tot resolution. Trage cadens; weer is geen day-trading markt.

Hurricane-markten: NHC-data

Orkaanseizoen (Atlantisch: jun-nov) creëert Polymarket-markten op landfall-locatie, intensiteit en named-storm tellingen. Data: National Hurricane Center (NHC) publieke advisories elke 6 uur tijdens actieve stormen, elke 3 uur wanneer een orkaan <72h van landfall is.

Strategie: wanneer NHC's forecast-cone een specifieke landfall-waarschijnlijkheid impliceert waar de markt het oneens mee is, neem de kant dichter bij NHC's officiële forecast. NHC is de source-of-truth waarnaar de markt uiteindelijk zal convergeren.

Caveat: long-tail risico. Orkanen doen occasioneel dingen die de forecast niet verwachtte. Dimensioneer posities aannemend dat NHC 80% van de tijd gelijk heeft, geen 100%.

Dagelijkse max-temperatuur: NWS-data

Polymarket lijst daily-temperatuur-threshold markten voor geselecteerde US-steden. "Bereikt NYC 95°F op 15 augustus?" Data: National Weather Service forecasts 2-3 keer per dag geüpdatet; observaties achteraf.

De markt prijst typisch de NWS forecast-probability met wat ruis. De edge: NWS-forecasts hebben biases (typisch conservatief op extreme hitte-events). Een bot die de bias-richting kent voor een stad/seizoen neemt de kant die NWS systematisch onderschat.

Beperkingen: laag volume (50-100k $ typisch), kleine position-sizes, hold-to-resolution. Cyclus: enter 's ochtends, resolved 's avonds.

ENSO (El Niño/La Niña) cycli

El Niño / La Niña forecast-markten hebben multi-maand horizons en schone data (NOAA maandelijkse ENSO-updates). De Polymarket geïmpliceerde probability ligt vaak 1-2 weken achter de NOAA forecast-confidence na elke maandelijkse update.

Bot-patroon: lees NOAA's update op release-dag, neem de kant die matched met NOAA's forecast-aanpassing, houd voor 1-2 weken totdat de markt bijkomt. Meerdere updates per seizoen bieden meerdere entry-punten.

Volume is matig (100-500k $ per cyclus) maar de strategie is traag genoeg dat pure-quant retail kan concurreren tegen de beperkte bot-competitie in deze niche.

Latency: weer-updates zijn traag (goed voor retail)

Weer-data updates zijn minuten-tot-uren, geen sub-seconde. Dit is een betekenisvol retail-voordeel: de latency-arbs die sport- en crypto-markten domineren zijn hier niet van toepassing.

Een retail bot die NOAA's 8u-update om 8:15u leest kan een FOK plaatsen op de nieuwe fair value voordat de tragere traders in de markt zelfs de update hebben gezien. Het 15-minuten latency-budget is genereus vergeleken met het 2-seconden budget op news arb.

De trade-off: dun volume betekent dat zelfs een snelle bot alleen kleine posities per markt kan deployen. Het breadth-not-depth patroon (hoofdstuk 21) is hier nog sterker van toepassing voor weer.

Risico: forecast-model error tails

Weer-forecasts hebben bekende error-bars. NHC publiceert hun hurricane forecast-fouten jaarlijks — landfall-locatie gemiddeld 100-200 mijl error op 72-uur lead time. NWS temperatuur-forecasts gemiddeld 2-4°F error op 7-dagen lead time.

Implicatie voor sizing: wed nooit "de forecast heeft gelijk" met hoge confidence. Dimensioneer posities aannemend dat de forecast 70-80% van de tijd gelijk heeft. Een bot die de forecast als evangelie neemt verliest op de 20-30% trades waar het model fout zat.

De hurricane-categorie is bijzonder tail-zwaar. Een Cat 5 die landfall maakt in een forecast-lage-waarschijnlijkheid locatie is een positief oneindig verlies voor een vol-zekere short-positie. Cap exposure op elke enkele hurricane op 10% van weer-allocatie.

Code: trek NOAA hurricane-data en pas positie aan

Referentie: poll NHC advisory-feed tijdens hurricane-seizoen, alert op forecast-cone changes.

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 min

Polymarket landfall-markten zijn best handmatig gematcht aan NHC's storm-IDs aan begin van seizoen; automatiseren van de matching is fragiel omdat Polymarkets markt-titels NHC's naming niet consistent volgen.

Veelgestelde vragen

Welke weer-markten biedt Polymarket?
Hurricane landfall (waar en wanneer), seizoens hurricane-telling, dagelijkse max/min temperatuur voor grote US-steden, ENSO-state (El Niño vs La Niña vs Neutral), maandelijkse regenval-totalen. Polymarket lijst ook occasioneel novelty weer-markten (sneeuw met Kerstmis, enz.).
Waar krijg ik weer-data voor een Polymarket bot?
NOAA (noaa.gov) voor officiële US weer-data inclusief hurricanes (NHC.gov), temperatuur (NWS.weather.gov) en ENSO (Climate Prediction Center). Allemaal gratis en goed-gedocumenteerde API's. ECMWF voor Europese forecasts. Internationaal: WMO en nationale meteorologische diensten.
Kan een retail bot de markt verslaan op weer?
Soms. Weer is een van de weinige categorieën waar retail edge kan hebben omdat de meeste quant-traders het negeren en de officiële forecasts zelden real-time in de markt geprijsd zijn. Een bot die NHC-updates elke 30 minuten trekt tijdens hurricane-seizoen vangt vaak mispricings.
Wat is het latency-budget voor weer-markten?
Traag — minuten tot uren, geen seconden. NHC-updates worden elke 6 uur uitgegeven tijdens stille periodes, elke 3 uur tijdens actieve. NWS dagelijkse forecasts updaten twee keer per dag. Dit is de zeldzame Polymarket-categorie waar commodity-cloud VPS volledig voldoende is.
Wat is het worst case voor een weer-bot?
Forecast-error blow-up. De officiële forecast zegt dat een hurricane Miami zal raken; je gaat long Miami-landfall. De hurricane wijkt af en raakt Tampa. Harde regel: wed nooit meer dan 5-10% van bankroll op één enkel weer-event. Forecasts zijn vaker fout dan ze lijken.
Zijn er weer-markten het hele jaar door?
Ja, maar volume is seizoensgebonden. Hurricanes piek juni-november (Atlantisch bekken). Temperatuur-markten continu. ENSO updates maandelijks. Novelty markten (sneeuw, regenval) clusteren rond het relevante seizoen. Een jaar-rond weer-bot gebruikt verschillende markten in verschillende maanden.