Jeder hat dir gesagt, ein Trading-Bot braucht ausgefallene KI und ein Rechenzentrum.
Das ist eine Lüge, die Anfänger davon abhält, überhaupt anzufangen.
Hier ist die Wahrheit: Ein profitabler Polymarket-Wetterbot ist ein WOCHENENDBAU, und am Ende dieses Beitrags hast du die gesamte Pipeline.
Wetter ist das Gegenteil von 5-Minuten-BTC.
BTC-Fenster sind ein Münzwurf, den du nicht vorhersagen kannst, und der Geschwindigkeitskrieg gehört den kolokierten Bots.
Temperatur ist wirklich vorhersagbar, löst sich über Stunden auf, also ist Geschwindigkeit bedeutungslos, und die Daten sind kostenlos.
Es ist der letzte Markt, bei dem ein Solo-Entwickler mit einer billigen VPS immer noch mit Köpfchen gewinnt, nicht mit Hardware.
Die ganze Maschine besteht aus sechs Schritten.
Finde die Märkte, ziehe die Vorhersagen, korrigiere die Verzerrung, verwandle sie in Wahrscheinlichkeiten, finde die 8 %-Edge, dimensioniere und feuere.
Das war's.
Lass mich dir jedes Stück an die Hand geben.
Ich habe hunderte von Bots gebaut, und die, die Geld drucken, sind immer so einfach, nicht die übertechnisierten, von denen die Leute denken, dass man sie braucht.
Hier ist mein öffentliches Wetterbot-Beispiel: [[https://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surferhttps://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surfer)]
Ich entwickle es noch weiter und durchlebe eine Verlustserie, die ich zu beheben versuche.
Aber trotzdem blutet es nicht die ganze Zeit wie frühere Versionen.
Lass uns jetzt einen Gelddrucker für dich bauen.
1. Konzept und Idee
Bevor es an den Code geht, mach dir das Bild klar, denn das macht jeden Schritt offensichtlich.
Polymarket listet tägliche Temperaturmärkte für Städte auf der ganzen Welt.
Jeder ist eine Reihe von Eimern.
Ein Eimer löst sich mit einem Dollar auf YES auf, der Rest geht auf Null.
Der Markt löst sich an EINER exakten Flughafenstation auf, nicht an der Stadt, die du in deiner Wetter-App siehst.
Die Aufgabe deines Bots ist einfach ausgedrückt.
Finde die echte Wahrscheinlichkeit jedes Eimers besser heraus als die Masse, dann kaufe die Eimer, die der Markt unterbewertet hat.
Du prognostizierst das Wetter NICHT selbst.
Milliarden-Dollar-Modelle haben das bereits vor Stunden gemacht.
Du liest ihre Vorhersage, bereinigst sie und vergleichst sie mit dem Marktpreis.
Wo deine ehrliche Wahrscheinlichkeit viel höher ist als der Preis, hast du eine Edge.
Alles unten ist nur die Berechnung dieser Lücke und das Handeln darauf, ohne dich selbst zu täuschen.
Lege jede Einstellung in eine Konfigurationsdatei, nicht fest codiert, damit du optimieren kannst, ohne die Logik anzufassen.
Startguthaben, maximaler Trade, minimale Edge, Preisobergrenzen, Kelly-Anteil.
Alles lebt an einem Ort, den du in Sekunden bearbeiten kannst.
2. Die Märkte entdecken
Der Bot beginnt damit, Polymarket nach aktiven Temperaturmärkten zu durchsuchen, die es wert sind, gehandelt zu werden.
Du willst nicht alle handeln.
Du willst einen Filter, der den Müll aussortiert, bevor du einen Vorhersageaufruf oder einen Dollar verschwendest.
Drei Filter erledigen den Großteil der Arbeit:
> Volumen-Schwelle
Überspringe dünne Märkte unter ein paar Tausend Volumen.
Dünne Bücher haben weite Spreads und Preise, denen du nicht vertrauen kannst.
> Zeitfenster
Handle nur Märkte, die zwischen etwa 2 und 72 Stunden in der Zukunft auflösen.
Unter 2 Stunden ist die Edge bereits eingepreist.
Über 72 Stunden ist die Vorhersage zu unsicher, um sich darauf zu stützen.
> Preisobergrenze
Überspringe Eimer, die bereits über etwa 45 Cent gehandelt werden.
Bei diesem Preis hat der Markt den größten Teil der Edge eingepreist, und dein Aufwärtspotenzial ist dünn.
Jeder überlebende Markt zeigt auf eine Stadt, ein Datum und eine Auflösungsstation.
Diese Station ist alles, also speicherst du ihre genauen Flughafenkoordinaten und ihren ICAO-Code, niemals das Stadtzentrum.
Die Verwendung von Koordinaten des Stadtzentrums kann einen Fehler von 3-8 Grad einführen, bevor dein Bot überhaupt anfängt zu denken.
Jetzt hast du eine saubere Liste von handelbaren Märkten, jeder an den genauen Ort gebunden, den die Vorhersage treffen muss.
3. Die Vorhersage abrufen (Code)
Jetzt rufst du Vorhersagen für die exakte Station jedes Marktes aus mehr als einer Quelle ab.
Ein Modell ist eine Meinung.
Drei Modelle lassen dich Übereinstimmung und Uneinigkeit sehen, was an sich schon Information ist.
Dein Anker ist ECMWF, der globale Goldstandard, kostenlos über Open-Meteo, kein Schlüssel nötig.
Für US-Städte mit kurzen Zeithorizonten fügst du ein höher auflösendes Modell hinzu, das Echtzeitbeobachtungen liest.
Hier ist der ECMWF-Abruf:
1def get_ecmwf(lat, lon, unit):2url = (3"https://api.open-meteo.com/v1/forecast"4f"?latitude={lat}&longitude={lon}"5f"&daily=temperature_2m_max&temperature_unit={unit}"6"&forecast_days=7&models=ecmwf_ifs025"7"&bias_correction=true"8)9data = requests.get(url, timeout=(5, 8)).json()10return data["daily"]["temperature_2m_max"]
Dieses \bias_correction=true\-Flag ist wichtig – es wendet einen ersten Durchgang der standortbasierten Fehlerkorrektur kostenlos an.
Für US-Städte innerhalb von etwa 48 Stunden bevorzuge das höher auflösende Modell:
1def get_hrrr(lat, lon):2url = (3"https://api.open-meteo.com/v1/forecast"4f"?latitude={lat}&longitude={lon}"5"&daily=temperature_2m_max&temperature_unit=fahrenheit"6"&forecast_days=3&models=gfs_seamless"7)8return requests.get(url, timeout=(5, 8)).json()["daily"]["temperature_2m_max"]
Einfache Regel: Hohe Auflösung für US-Kurzstrecke, ECMWF für alles andere.
Fordere jede Stadt in ihrer eigenen Einheit an, US in Fahrenheit, den Rest in Celsius, und halte jeden Vergleich auf derselben Skala.
4. Die Verzerrung korrigieren (hier liegt das Geld)
Hier trennen sich die Gewinner von allen anderen.
Jedes Modell ist systematisch in eine konsistente Richtung falsch.
GFS hat eine Kaltverzerrung, es unterschätzt die Temperatur, und die Größe dieser Abweichung hängt von der Stadt, der Stunde und der Entfernung der Vorhersage ab.
Wenn du das überspringst, ist deine Edge oft nur die übliche Art, wie das Modell falsch liegt.
Das ist keine Edge.
Das ist Rauschen im Edge-Kostüm.
Also korrigierst du, bevor du eine einzige Wahrscheinlichkeit berechnest, das Modell anhand seiner eigenen vergangenen Fehler.
Verzerrung ist verdammt einfach zu definieren.
> Verzerrung = Vorhersage minus tatsächlicher Wert
Du misst sie getrennt pro Stadt, pro Zeithorizont, pro Tageszeit, dann verschiebst du neue Vorhersagen um diesen bekannten Fehler.
Die einfachste Version, die funktioniert, ist ein abklingender Durchschnitt der letzten Fehler, so dass neuere Abweichungen mehr zählen.
Du brauchst KEIN neuronales Netz dafür.
Ein einfacher abklingender Durchschnitt oder eine kleine Regression bringt dir 60-80 % aller möglichen Verbesserungen.
Liefere das zuerst aus.
Die ausgefallene ML-Verzerrungskorrektur ist real, aber sie ist die letzten 20 %, und sie zählt nur, wenn die einfache Version bereits Geld druckt.
Korrigiere zuerst die Eingaben.
Ein langweiliges, kostenloses, korrigiertes Modell schlägt ein ausgefallenes Modell, das mit Rohdaten gefüttert wird.
5. Vorhersagen in Eimerwahrscheinlichkeiten umwandeln
Jetzt konvertierst du eine korrigierte Vorhersagenzahl in eine Wahrscheinlichkeit für jeden Eimer.
Hier ist der Fehler, den Anfänger machen.
Sie nehmen die Vorhersage, legen sie in den Eimer, in den sie fällt, und nennen diesen Eimer 100 %.
Aber die Vorhersage ist nicht exakt.
Sie ist ein Mittelpunkt mit einer bekannten Fehlerstreuung um ihn herum.
Diese Streuung ist das ganze Spiel.
Angenommen, deine korrigierte Vorhersage ist 5 °C und der typische Fehler deines Modells für diese Stadt beträgt etwa 1 Grad.
Die tatsächliche Höchsttemperatur könnte leicht einen Eimer höher oder tiefer landen.
Also wettest du nicht einen Eimer mit 100 %.
Du verteilst die Wahrscheinlichkeit über den Vorhersageeimer UND seine Nachbarn, gewichtet danach, wie wahrscheinlich jeder angesichts deiner Fehlergröße ist.
Ein engerer historischer Fehler bedeutet mehr Wahrscheinlichkeit, die auf dem Mitteleimer aufgetürmt wird.
Ein weiterer Fehler verteilt sie über die Nachbarn.
Genau deshalb ist es so wichtig, deinen tatsächlichen Fehler, dein Sigma, zu kennen.
Ohne ihn rätst du dein eigenes Vertrauen.
Mit ihm verwandelst du eine Vorhersage in eine ehrliche Wahrscheinlichkeitsverteilung, an der der Markt gemessen werden kann.
Diese Verteilung ist das, womit du tatsächlich handelst, Eimer für Eimer.
6. Die Edge finden und mit Kelly dimensionieren
Jetzt vergleichst du deine Wahrscheinlichkeit mit dem Marktpreis und handelst nur, wenn die Lücke real ist.
Zuerst der Erwartungswert, deine Edge pro Dollar:
1def calc_ev(p, price):2if price <= 0 or price >= 1:3return 0.04return round(p * (1.0 / price - 1.0) - (1.0 - p), 4)
Wenn dein Modell sagt, ein Eimer sei 80 % und er wird mit 14 Cent gehandelt:
\0.80 * (1/0.14 - 1) - 0.20 = +4.94\
Das ist eine riesige Edge.
Aber du feuerst nicht auf jede positive Zahl – du setzt eine Untergrenze, handelst nur, wenn der EV über etwa 8 % liegt, so überspringst du die schwachen Signale.
Dann sagt dir Kelly, wie viel von deinem Guthaben du setzen sollst:
1def calc_kelly(p, price, kelly_fraction=0.25):2b = 1.0 / price - 1.03f = (p * b - (1.0 - p)) / b4return min(max(0.0, f) * kelly_fraction, 1.0)
Zwei Leitplanken, die dich am Leben halten.
> Verwende fraktionales Kelly, ein Viertel von dem, was volles Kelly sagt
Volles Kelly ist eine Achterbahn, der Bruchteil reduziert die Varianz drastisch.
> Begrenze jeden Trade hart mit einem maximalen Einsatz aus deiner Konfiguration
Selbst wenn Kelly schreit, groß zu handeln, rettet dich die Obergrenze vor einem einzelnen schlechten Markt.
Steige zum ASK ein, dem tatsächlichen Preis, den du zahlst, und behandle das Bid als deinen Ausstieg, sonst lügt dich dein Backtest an.
7. Ausführen, stoppen und alles protokollieren
Jetzt handelt der Bot, und genauso wichtig, zeichnet er auf.
Die Hauptschleife läuft nach einem Zeitplan, z. B. jede Stunde, und macht dasselbe in der Reihenfolge für jeden Markt.
Rufe frische Vorhersagen von allen Quellen ab
Finde den passenden Polymarket-Markt und lade seinen Datensatz
Speichere die aktuelle Vorhersage als Schnappschuss, denn diese Historie ist deine zukünftige Edge
Überprüfe Stopps für jede offene Position
Eröffne eine neue Position nur, wenn der EV deine Untergrenze überschreitet und der Preis stimmt
https://x.com/0xSurferX/status/2078620667272896555
Deine Stopps sind einfach und mechanisch.
Schließe, wenn der Preis um einen festgelegten Prozentsatz vom Einstieg fällt.
Schließe, wenn sich die Vorhersage weit genug aus deinem Eimer entfernt, dass die These tot ist.
Führe zwischen vollständigen Scans alle paar Minuten einen leichten Durchlauf nur zur Überwachung der Stopps durch, ohne jede Stadt erneut zu scannen.
Und protokolliere absolut alles.
Jeden Vorhersageschnappschuss, jeden Marktpreis, den du gesehen hast, jeden Trade, jede Auflösung.
Eine Datei pro Markt, im Laufe der Zeit angehängt.
Dieses Protokoll ist keine Beschäftigungstherapie.
Es ist das Rohmaterial für den letzten Schritt, der einen statischen Bot in einen verwandelt, der jede Woche schärfer wird.
8. Lass es kalibrieren und intelligenter werden
Hier ist, was einen Bot, der rät, von einem trennt, der WEISS.
Am ersten Tag hat dein Bot keine wirkliche Ahnung, wie genau seine Vorhersagen für jede Stadt sind.
Also sollte er sich noch nicht vollständig vertrauen.
Er sollte klein handeln, jede Auflösung protokollieren und warten.
Sobald er genügend aufgelöste Märkte für eine Stadt hat, etwa 30, kann er seinen wahren Fehler messen.
Du nimmst jede Vorhersage, die du für diese Stadt gemacht hast, vergleichst sie mit dem, was tatsächlich passiert ist, und berechnest die durchschnittliche Abweichung.
Dieser durchschnittliche Fehler wird dein Sigma, dein wahres Vertrauen, für genau diese Stadt und Quelle.
Und dieses Sigma fließt direkt zurück in Schritt vier.
Ein besseres Sigma bedeutet eine ehrlichere Wahrscheinlichkeitsverteilung über die Eimer, was eine bessere Erkennung der Edge bedeutet, was eine bessere Dimensionierung bedeutet.
Der Bot verbessert sich buchstäblich selbst, während er mehr aufgelöste Märkte sammelt.
Das ist dieselbe Disziplin, die ich für jeden Bot predige, den ich baue:
Protokolliere alles, riskiere anfangs wenig
Lass tatsächliche Auflösungsergebnisse deine wahre Genauigkeit messen
Dimensioniere erst hoch, wenn die Daten die Edge bewiesen haben
Ein Wetterbot, der sich am ersten Tag zu 90 % vertraut, ist die gleiche Katastrophe wie ein Krypto-Bot, der auf Basis eines 10.000 %-Backtests eingesetzt wird.
Beide vertrauten einer Zahl, die sie nie verdient hatten.
So etwas willst du nicht sehen, glaub mir:
Lass uns weitermachen.
9. Alles zusammenführen
Jetzt machen wir ein Fazit.
**
Tritt einen Schritt zurück und schau dir an, was du gebaut hast:**
Entdecke saubere Märkte, gebunden an die exakte Auflösungsstation
Rufe drei Vorhersagequellen für diese Station ab
Korrigiere die bekannte Verzerrung jedes Modells
Verwandle die korrigierte Vorhersage in Eimerwahrscheinlichkeiten unter Verwendung deines tatsächlichen Fehlers
Handle nur, wenn die Edge 8 % überschreitet
Dimensioniere mit fraktionalem Kelly und einer harten Obergrenze
Führe aus, stoppe, protokolliere und kalibriere, bis es sich selbst schärft
Kein neuronales Netz erforderlich, um zu beginnen, kein Rechenzentrum oder kolokierte Server.
Nur kostenlose Vorhersagen, ehrliche Mathematik und die Geduld, es anhand echter Auflösungen beweisen zu lassen.
Lass es zwei bis drei Wochen laufen, bevor du es beurteilst, denn Wettermärkte lösen sich täglich auf, und du brauchst 50-100 aufgelöste Trades, um zu wissen, was du hast.
Ich habe 200+ Bots gebaut, und genau diese Form druckt tatsächlich, während das ausgefallene Zeug unfertig herumliegt.
Einfache Pipeline, ehrliche Kalibrierung, langweilige Disziplin.
Das ist wirklich alles, was du brauchst.
Wetter ist der letzte ehrliche Markt auf Polymarket.
Baue die sechs Schritte dieses Wochenende, lass es kalibrieren und steig ein, bevor die Masse aufwacht.
Die vollständige Aufschlüsselung des Schritts zur Verzerrungskorrektur kommt als nächstes, verpass es nicht.
Teil 2 erscheint am Mittwoch.
Tritt auch meinem kleinen TG-Kanal bei, wenn du dich vernetzen möchtest.
Tritt hier bei: https://t.me/+jCBHygDAJa9hMTJk
Hier bauen wir gemeinsam, diskutieren und beheben Probleme.
Ich hoffe, dieser Artikel war nützlich für dich, denn das ist der ganze Sinn.
Viel Glück!
![[Entschuldigung und Dank] Die Neudefinition des Bürowerts im Zeitalter der KI](https://youmind.club/__ym/cms-assets/media/1784654487214_c56a6p_HNr6-znbwAAQJbv.jpg)
