🌤️ Weather-Arb-Master — 项目深度分析

分析日期：2026-04-22

源码来源：weather-arb-master.zip

项目状态：实盘运行中 (AWS EC2, 31 城市, Maker-First 执行)

一、项目概览

weather-arb 是一个 Polymarket 天气温度套利系统，利用气象模型预测与预测市场定价之间的偏差，发现错误定价并自动执行交易。核心策略是 D1-only 温度 bin 套利：买入预测温度 ±1 的 3 个 bin，每个 5 shares，在隔日结算后获取收益。

核心数据流

Open-Meteo Previous Runs API → 历史预报偏差统计 → 修正预测
        ↓
Polymarket Gamma API → bin 价格 → Edge 计算
        ↓
WR ≥ 60% & Edge ≥ 15% → Maker-First 执行 (GTC → FAK)
        ↓
IEM ASOS 地面真值 → 自动结算 → Telegram 推送

二、技术栈

三、项目结构详解

weather-arb/
├── src/
│   ├── weatherPaper.ts           # 模拟盘主程序 (信号生成 + 模拟成交)
│   ├── weatherLive.ts            # 实盘主程序 (信号生成 + 真实下单)
│   ├── weatherExecutor.ts        # Maker-First 执行引擎 (GTC/FAK 下单)
│   ├── weatherBacktestReal.ts    # 真实价格回测引擎 (walk-forward, 无前瞻偏差)
│   ├── bt_depth_slippage.ts      # 深度 + 滑点回测
│   ├── paramSweep.ts             # 参数网格扫描 (Sharpe 优化)
│   ├── modelCompare.ts           # 气象模型对比分析
│   ├── dashboard.ts              # HTML 仪表盘生成
│   ├── slippageAnalysis.ts       # 滑点专项分析
│   ├── improvementPlan.ts        # 改进路径分析
│   ├── spreadAnalysis.ts         # ±N 覆盖度分析
│   ├── portfolio.ts              # 投资组合追踪
│   ├── telegram.ts               # Telegram 推送模块
│   │
│   ├── api/                      # 数据源 API 封装
│   │   ├── aggregator.ts         # 多源天气数据聚合器
│   │   ├── openMeteo.ts          # Open-Meteo API (预报 + Previous Runs)
│   │   └── nws.ts                # NOAA/NWS API (美国城市)
│   │
│   ├── engine/                   # 套利引擎
│   │   ├── arbEngine.ts          # 核心定价比较逻辑
│   │   ├── tempScanner.ts        # 温度盘口扫描器 (51城坐标映射)
│   │   └── signalDisplay.ts      # 信号格式化输出
│   │
│   ├── polymarket/               # Polymarket 客户端
│   │   └── client.ts             # Gamma API + CLOB 封装
│   │
│   ├── types/                    # TypeScript 类型定义
│   │   └── index.ts              # 核心类型 (WeatherForecast, ArbitrageSignal, etc.)
│   │
│   └── utils/                    # 工具函数
│       ├── config.ts             # 环境变量加载
│       ├── helpers.ts            # 概率计算, Kelly, 温度转换
│       └── logger.ts             # 结构化日志
│
├── scripts/                      # 运维脚本
│   ├── redeem.py                 # 自动赎回
│   ├── debugBook.js              # Orderbook 调试
│   ├── genDashboard.js           # 仪表盘生成
│   ├── live_vs_bt.js             # 实盘 vs 回测对比
│   └── check*.py                 # 各种检查脚本
│
├── analysis/                     # 可视化分析报告 (HTML)
│   ├── 深度与真实滑点分析.html
│   ├── 滑点与规模分析.html
│   ├── D1_32天回测_去T3.html
│   ├── D1实盘vs回测.html
│   └── 回测结果.html
│
├── data/                         # 数据存储
│   ├── backtest-real/            # 回测结果 (JSON/CSV/HTML)
│   ├── paper/                    # 模拟盘仓位
│   └── live/                     # 实盘数据
│
├── docs/                         # 项目文档
│   ├── 天气套利项目沉淀.md
│   └── 项目阶段性收获总结.md
│
├── package.json
├── tsconfig.json
└── .env.example

四、核心模块深度解析

4.1 信号生成 (weatherPaper.ts / weatherLive.ts)

信号生成是整个系统的核心，流程如下：

1. fetchPrevRuns(city, targetDate, BACKTEST_DAYS=50)
   → 获取历史 50 天 Open-Meteo 每个 run 的预报
   → 按 leadTime 分组，取偏差中位数 → bias

2. 对目标日，取最新 D1 run 的预测 rawFC
   → corrected = rawFC - bias_median

3. fetchPolyBins(city, targetDate)
   → 从 Polymarket Gamma API 获取事件 slug
   → 从 CLOB 获取所有温度 bin 的 best_ask 价格

4. matchBins(corrected, bins, spread=1)
   → 选 predicted bin ± 1 共 3 个 bin
   → totalCost = Σ(bin.askPrice × 5 shares)

5. 回测 winRate: 过去 50 天同逻辑命中次数
   → edge = winRate × $5.00 / totalCost - 1
   → 若 winRate ≥ 60% && edge ≥ 15% → 入场

关键参数：

4.2 套利引擎 (engine/arbEngine.ts)

通用套利引擎，支持多种天气事件类型：

概率计算核心：

置信度评估 (assessConfidence):

4.3 温度扫描器 (engine/tempScanner.ts)

专门处理 Polymarket "Highest temperature in [City] on [Date]?" 市场：

4.4 执行引擎 (weatherExecutor.ts)

Maker-First 策略：

信号触发 → GTC 挂单 (best_ask − 1¢)
              ↓
       等待 60s (大单) / 120s (小单)
              ↓
     ┌── 成交 → 完成
     │
     ├── 大单未成交 → 撤单 → FAK 扫单 (limitPrice = min(maxAsk, priceCap))
     │
     └── 小单未成交 (<$1) → 保持挂单 (Polymarket $1 最低限制，FAK 无法执行)

关键发现：实盘滑点的根因是价格过时 (scan→execute 延迟 60-180s)，而非 orderbook 深度不足。Maker 挂单可完全消除滑点。

下单保护参数：

4.5 回测引擎 (weatherBacktestReal.ts)

Walk-forward 无前瞻偏差回测：

Phase 1 — 拉取天气数据 (Previous Runs + IEM)
Phase 2 — Walk-forward 产生模型预测
Phase 3 — 对每个预测，从 Polymarket 获取真实 bin 价格
Phase 4 — 用真实价格计算 edge，模拟交易 P&L

支持 CLI 参数：

五、城市池与市场数据

5.1 活跃城市 (31 城)

5.2 已移除城市 (T3-CUT)

Shanghai, Hong Kong, Jakarta, NYC, Toronto, Chicago, Denver, Dallas, Buenos Aires, Busan, Panama City, Taipei, Wuhan, Austin, Chengdu, Jeddah — 回测亏损或数据问题。

5.3 数据源

5.4 结算规则（重要！）

- 香港: Hong Kong Observatory (HKO)，向下取整 (floor)

- Tel Aviv/Moscow: NOAA 数据源

六、回测与业绩

6.1 32 天回测 (306 笔)

6.2 模拟盘 (27 笔已结算, 截至 04-11)

6.3 参数扫描结论 (param_sweep_d30)

结论: Spread=1 碾压其他配置，top 4 全是 spread=1。当前配置 h=10, s=1 已处最优区间。

6.4 城市维度业绩

Top 5 盈利城市：

七、滑点分析

7.1 核心发现

滑点 ≠ orderbook 深度，滑点 = 价格过时 (staleness)

7.2 按价位区间滑点 (47 笔实盘)

7.3 $1 最低限制

Polymarket FAK 要求 ≥ $1 notional。57% 的 bins (价格 <20¢ × 5 份) 无法 FAK，只能 maker 挂单。

八、TWAP 拆单与规模化

8.1 规模预期

8.2 推荐方案：高频扫描 + 逐笔加仓

每 10-15 分钟扫描一次
  ↓ 获取最新预报 + 最新价格
  ↓ 如果仍有 edge → 下 20 shares
  ↓ 同一 bin 最多累计 N 轮 (cap=50 or 100)
  ↓ 天然实现 TWAP，每轮使用最新信息验证

优势：每轮独立验证 edge，避免盲目拆单

风险：做市商可能根据成交调整报价（但天气市场流动性由专业 MM 提供，恢复快）

九、部署架构

9.1 AWS EC2

EC2 t3.micro (eu-west-1, IP: 54.170.78.92)
  └─ weather-live.service (systemd)
     └─ weatherLive.ts --cron
        ├─ UTC 00:00  全量扫描 + 下单
        ├─ UTC 00:10  结算重试
        ├─ UTC 00:15  TG 每日汇总
        └─ UTC 04:00  补充结算

9.2 环境变量

# Polymarket 交易凭证
POLY_PRIVATE_KEY=0x...          # 钱包私钥
POLY_API_KEY=...                # CLOB API key
POLY_API_SECRET=...             # CLOB API secret
POLY_API_PASSPHRASE=...         # CLOB API passphrase
POLY_FUNDER=0x...               # 代理钱包 (GNOSIS_SAFE 模式)

# 信号配置
MIN_EDGE_PERCENT=5              # 最小套利阈值
SCAN_INTERVAL_MINUTES=30        # 扫描间隔
MAX_MARKETS=50                  # 最大市场数

# 通知
TELEGRAM_BOT_TOKEN=...          # Telegram Bot Token
TELEGRAM_CHAT_ID=...            # Telegram Chat ID

9.3 运维命令

# SSH
ssh -i polyaierlan.pem ec2-user@54.170.78.92

# 服务管理
sudo systemctl status weather-live.service
sudo systemctl restart weather-live.service
sudo journalctl -u weather-live.service -f

# 部署更新
scp -i polyaierlan.pem src/weatherPaper.ts ec2-user@54.170.78.92:~/weather-arb/src/

十、关键公式

预测修正

T_corrected = T_raw_forecast - bias_median

Edge 计算

Edge = WR × $5.00 / totalCost - 1

单笔 P&L

Kelly 仓位

f* = p - (1-p)/b
其中 p = 胜率, b = odds (净赔率)

正态分布 CDF (Abramowitz & Stegun 近似)

用于从确定性预报 + 标准差估计概率。

十一、关键经验与踩坑

策略演进路径

1. V1: 全城市全 leadTime → D2+ ROI 极低

2. V2: 扩展到 47 城市 → 13 城回测亏损，切除

3. V3: 参数扫描 → spread=1, hour=0 最优

4. V4: D1-only → ROI/day 从 9.7% 提升到 42.7%

5. V5: Maker-First 执行 → 消除滑点，ROI 从 4.5% 提升到 14.7%

十二、下一步方向

十三、快速开始

# 安装
npm install

# 配置
cp .env.example .env   # 填入 Polymarket API 凭证

# 模拟盘
npx ts-node src/weatherPaper.ts         # 单次扫描
npx ts-node src/weatherPaper.ts --cron  # 定时守护

# 实盘
npx ts-node src/weatherLive.ts --cron   # 实盘定时
npx ts-node src/weatherLive.ts --dry    # 干跑 (不下单)

# 回测
npx ts-node src/bt_depth_slippage.ts    # 深度+滑点回测
npx ts-node src/paramSweep.ts           # 参数扫描
npx ts-node src/weatherBacktestReal.ts  # 真实价格回测

# 分析工具
npx ts-node src/modelCompare.ts         # 模型对比
npx ts-node src/spreadAnalysis.ts       # 覆盖度分析
npx ts-node src/slippageAnalysis.ts     # 滑点分析

十四、总结

weather-arb 是一个设计精良的预测市场套利系统，核心优势在于：

1. D1-only 策略 — 资金效率最高，隔日结算

2. 统计偏差校正 — 用历史预报误差修正当前预测

3. Maker-First 执行 — 有效消除滑点，提升实际 ROI

4. 完整回测框架 — walk-forward 无前瞻偏差验证

5. 系统化城市管理 — 定期修剪亏损城市，优化城市池

经 31 天 / 306 笔回测验证：胜率 67%、ROI 39%、Sharpe 17.4。实盘运行稳定，具备规模化潜力（50-100 shares）。