Polymarket Bot Tutorial · Capítulo 27 de 32
Bots de previsão do tempo e clima na Polymarket: mercados de chegada de furacões, temperatura máxima diária, El Nino/La Nina (ENSO), fontes de dados NOAA e NWS, e como converter dados meteorológicos em sinais de trading.
O que este capítulo cobre
Os mercados de clima na Polymarket são uma categoria subestimada. Eles têm fontes de dados públicas e limpas, descoberta de preço lenta e poucos traders ativos. A vantagem para um bot é real, mas os mercados geralmente são pouco líquidos. Este capítulo cobre mercados de furacões, temperatura e ENSO.
- Clima como sinal negociável
- Mercados de furacão: dados da NHC
- Temperatura máxima diária: dados da NWS
- Ciclos ENSO (El Nino/La Nina)
- Latência: atualizações climáticas são lentas (bom para retail)
- Risco: caudas de erro dos modelos de previsão
- Code: puxar dados de furacões da NOAA e ajustar posição
Clima como sinal negociável
Os mercados de clima são bem atendidos por fontes de dados gratuitas e confiáveis (NOAA, NWS, NHC) e são resolvidos com base em medições objetivas, e não em julgamento. Isso os torna ideais para estratégias sistemáticas - a vantagem está na interpretação dos dados, não em correr atrás de notícias antes dos humanos.
O lado negativo: os volumes são modestos. Um mercado de furacão pode movimentar US$500 mil–2 milhões ao longo da vida; um mercado de temperatura de uma cidade, US$50 mil–200 mil. Estratégias que funcionam em escala em política ou esportes não se transferem para clima - o tamanho em dólares da sua vantagem é limitado pela liquidez total do mercado.
O padrão de bot que se encaixa: posições pequenas e diversificadas em vários mercados de clima, mantendo até a resolução. Ritmo lento; clima não é um mercado de day trade.
Mercados de furacão: dados da NHC
A temporada de furacões (Atlântico: jun-nov) cria mercados na Polymarket sobre local de chegada ao continente, intensidade e contagem de tempestades nomeadas. Dados: boletins públicos do National Hurricane Center (NHC) a cada 6 horas durante tempestades ativas, e a cada 3 horas quando um furacão está a menos de 72h de landfall.
Estratégia: quando o cone de previsão da NHC implica uma probabilidade específica de landfall com a qual o mercado discorda, fique do lado mais próximo da previsão oficial da NHC. A NHC é a source-of-truth para a qual o mercado acabará convergindo.
Cuidado: risco de cauda longa. Furacões às vezes fazem coisas que a previsão não esperava. Dimensione posições assumindo que a NHC está certa 80% das vezes, não 100%.
Temperatura máxima diária: dados da NWS
A Polymarket lista mercados de limite de temperatura diária para algumas cidades dos EUA. "A NYC vai chegar a 95°F em 15 de ago?" Dados: previsões do National Weather Service atualizadas 2-3 vezes por dia; observações depois do fato.
O mercado normalmente precifica a probabilidade prevista pela NWS com algum ruído. A vantagem: as previsões da NWS têm vieses (tipicamente conservadoras em eventos extremos de calor). Um bot que conhece a direção do viés para uma cidade/estação pega o lado que a NWS subestima sistematicamente.
Restrições: baixo volume (US$50 mil–100 mil típico), posições pequenas, manter até a resolução. Ciclo: entrar na manhã do evento, resolver à noite.
ENSO (ciclos El Nino/La Nina)
Mercados de previsão de El Niño / La Niña têm horizontes de vários meses e dados limpos (atualizações mensais de ENSO da NOAA). A probabilidade implícita na Polymarket frequentemente fica 1-2 semanas atrás da confiança da previsão da NOAA após cada atualização mensal.
Padrão de bot: ler a atualização da NOAA no dia da divulgação, ficar do lado que corresponde ao ajuste da previsão da NOAA, manter por 1-2 semanas até o mercado se atualizar. Múltiplas atualizações por temporada oferecem múltiplos pontos de entrada.
O volume é modesto (US$100 mil–500 mil por ciclo), mas a estratégia é lenta o suficiente para que o retail puramente quantitativo possa competir contra a limitada concorrência de bots nesse nicho.
Latência: atualizações climáticas são lentas (bom para retail)
Os dados de clima são atualizados em minutos ou horas, não em milissegundos. Isso é uma vantagem importante para retail: os latency arbs que dominam mercados de esportes e cripto não se aplicam aqui.
Um bot de retail lendo a atualização das 8h da NOAA às 8h15 pode colocar um FOK no novo valor justo antes mesmo que os traders mais lentos do mercado tenham visto a atualização. A margem de latência de 15 minutos é generosa comparada ao orçamento de 2 segundos em news arb.
A troca: o volume baixo significa que até um bot rápido só consegue alocar posições pequenas por mercado. O padrão breadth-not-depth (capítulo 21) se aplica ainda mais fortemente ao clima.
Risco: caudas de erro dos modelos de previsão
As previsões meteorológicas têm margens de erro conhecidas. A NHC publica anualmente os erros das previsões de furacão - a localização de landfall tem, em média, erro de 100-200 milhas com 72 horas de antecedência. As previsões de temperatura da NWS têm erro médio de 2-4°F com 7 dias de antecedência.
Implicação para sizing: nunca aposte que "a previsão está certa" com alta confiança. Dimensione posições assumindo que a previsão está certa 70-80% das vezes. Um bot que trata a previsão como gospel perde nos 20-30% das operações em que o modelo errou.
A categoria de furacões é especialmente pesada na cauda. Um Cat 5 chegando ao continente em um local de baixa probabilidade prevista é uma perda de infinidade positiva para uma posição short confiante. Limite a exposição em qualquer furacão a 10% da alocação de weather.
Code: puxar dados de furacões da NOAA e ajustar posição
Referência: consultar o feed de boletins da NHC durante a temporada de furacões, emitir alertas sobre mudanças no cone de previsão.
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 minOs mercados de landfall na Polymarket são mais bem associados manualmente aos storm IDs da NHC no início da temporada; automatizar esse casamento é frágil porque os títulos dos mercados da Polymarket não seguem os nomes da NHC de forma consistente.
