Tout le monde vous a dit qu'un bot de trading a besoin d'IA sophistiquée et d'un centre de données.
C'est un mensonge qui empêche les débutants de jamais commencer.
Voici la vérité : un bot météo profitable sur Polymarket se construit en UN WEEK-END, et à la fin de cet article, vous aurez tout le pipeline.
La météo est l'opposé du BTC sur 5 minutes.
Les fenêtres BTC sont un pile ou face que vous ne pouvez pas prédire, et la guerre de vitesse est dominée par des bots colocalisés.
La température est véritablement prévisible, elle se résout sur des heures donc la vitesse ne signifie rien, et les données sont gratuites.
C'est le dernier marché où un développeur solo avec un VPS bon marché gagne encore par l'intelligence, pas par le matériel.
Toute la machine se résume à six étapes.
Découvrir les marchés, récupérer les prévisions, corriger le biais, les transformer en probabilités, trouver l'avantage de 8 %, dimensionner et exécuter.
C'est tout.
Laissez-moi vous donner chaque pièce.
J'ai construit des centaines de bots et ceux qui rapportent sont toujours aussi simples, pas les trucs sur-ingénierés que les gens pensent que vous devez avoir.
Voici mon exemple de bot météo public : \[[https://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surferhttps://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surfer)]
Je le développe encore et je traverse une série de pertes que j'essaie de corriger.
Mais quand même, il ne saigne pas tout le temps comme les versions précédentes.
Construisons maintenant une machine à sous.
1. Concept et idée
Avant le code, clarifions le tableau, car cela rend chaque étape évidente.
Polymarket liste des marchés de température quotidiens pour des villes du monde entier.
Chacun est un ensemble de tranches.
Une tranche se résout à OUI à un dollar, les autres tombent à zéro.
Le marché se résout sur UNE station aéroportuaire exacte, pas la ville que vous voyez dans votre application météo.
Le travail de votre bot est simple à dire.
Déterminer la probabilité réelle de chaque tranche mieux que la foule, puis acheter les tranches que le marché sous-évalue.
Vous NE prévoyez PAS la météo vous-même.
Des modèles à plusieurs milliards de dollars l'ont déjà fait il y a des heures.
Vous lisez leurs prévisions, vous les nettoyez et les comparez au prix du marché.
Là où votre probabilité honnête est bien supérieure au prix, vous avez un avantage.
Tout ce qui suit explique comment calculer cet écart et agir sans vous tromper.
Gardez tous les paramètres dans un fichier de configuration, pas en dur, afin de pouvoir les ajuster sans toucher à la logique.
Solde de départ, trade maximum, avantage minimum, plafonds de prix, fraction de Kelly.
Tout cela vit dans un seul endroit que vous pouvez modifier en quelques secondes.
2. Découvrir les marchés
Le bot commence par scanner Polymarket à la recherche de marchés de température actifs qui valent la peine d'être tradés.
Vous ne voulez pas tous les trader.
Vous voulez un filtre qui jette les déchets avant de gaspiller un appel de prévision ou un dollar.
Trois filtres font l'essentiel du travail :
> Seuil de volume
Ignorez les marchés peu liquides avec un volume inférieur à quelques milliers.
Les carnets peu liquides ont des spreads larges et des prix auxquels vous ne pouvez pas faire confiance.
> Fenêtre temporelle
Ne tradez que les marchés qui se résolvent entre environ 2 et 72 heures.
En dessous de 2 heures, l'avantage est déjà intégré dans le prix.
Au-delà de 72 heures, la prévision est trop incertaine pour s'y appuyer.
> Plafond de prix
Ignorez les tranches qui se négocient déjà au-dessus d'environ 45c.
À ce prix, le marché a intégré la majeure partie de l'avantage et votre potentiel de hausse est mince.
Chaque marché survivant pointe vers une ville, une date et une station de résolution.
Cette station est tout, donc vous stockez ses coordonnées exactes d'aéroport et son code OACI, jamais le centre-ville.
Utiliser les coordonnées du centre-ville peut introduire une erreur de 3 à 8 degrés avant même que votre bot ne commence à réfléchir.
Vous avez maintenant une liste propre de marchés tradables, chacun lié à l'endroit précis que la prévision doit cibler.
3. Ingérer la prévision (code)
Maintenant, vous récupérez les prévisions pour la station exacte de chaque marché, à partir de plus d'une source.
Un modèle est une opinion.
Trois modèles vous permettent de voir l'accord et le désaccord, ce qui est une information en soi.
Votre référence est ECMWF, la référence mondiale de l'or, gratuite via Open-Meteo, sans clé nécessaire.
Pour les villes américaines à court terme, vous ajoutez un modèle à plus haute résolution qui lit les observations en temps réel.
Voici la récupération ECMWF :
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"]
Ce drapeau bias_correction=true est important — il applique un premier passage de correction d'erreur basée sur la localisation gratuitement.
Pour les villes américaines dans les 48 heures environ, préférez le modèle haute résolution :
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"]
Règle simple : haute résolution pour les courtes distances aux États-Unis, ECMWF pour tout le reste.
Demandez chaque ville dans son unité, les États-Unis en Fahrenheit, le reste en Celsius, et gardez chaque comparaison sur la même échelle.
4. Corriger le biais (c'est là que l'argent se trouve)
C'est là que les gagnants se séparent des autres.
Chaque modèle est systématiquement faux dans une direction cohérente.
GFS a un biais froid, il sous-estime la température, et l'ampleur de cette erreur dépend de la ville, de l'heure et de l'horizon de la prévision.
Si vous sautez cela, votre avantage n'est souvent que le modèle qui se trompe de sa manière habituelle.
Ce n'est pas un avantage.
C'est du bruit déguisé en avantage.
Donc, avant de calculer une seule probabilité, vous corrigez le modèle en utilisant ses propres erreurs passées.
Le biais est très simple à définir.
> biais = prévision moins réel
Vous le mesurez séparément par ville, par horizon, par heure de la journée, puis vous décalez les nouvelles prévisions de cette erreur connue.
La version la plus simple qui fonctionne est une moyenne décroissante des erreurs récentes, de sorte que les erreurs les plus récentes comptent davantage.
Vous n'avez PAS besoin d'un réseau de neurones pour cela.
Une moyenne décroissante de base ou une petite régression vous donne 60 à 80 % de toutes les améliorations disponibles.
Livrez cela d'abord.
La correction de biais par ML sophistiquée est réelle, mais c'est les derniers 20 %, et elle n'a d'importance qu'une fois que la version simple rapporte déjà.
Corrigez d'abord les entrées.
Un modèle gratuit ennuyeux, corrigé, bat un modèle sophistiqué alimenté brut.
5. Transformer les prévisions en probabilités de tranches
Maintenant, vous convertissez un nombre de prévision corrigé en une probabilité pour chaque tranche.
Voici l'erreur que font les débutants.
Ils prennent la prévision, la placent dans la tranche où elle atterrit, et appellent cette tranche 100 %.
Mais la prévision n'est pas exacte.
C'est un point central avec une dispersion d'erreur connue autour de lui.
Cette dispersion est tout le jeu.
Supposons que votre prévision corrigée est de 41F et que l'erreur typique de votre modèle pour cette ville est d'environ 2 degrés.
Le vrai maximum pourrait facilement atterrir une tranche au-dessus ou en dessous.
Donc vous ne pariez pas sur une seule tranche à 100 %.
Vous répartissez la probabilité sur la tranche de prévision ET ses voisines, pondérées par la probabilité de chacune compte tenu de la taille de votre erreur.
Une erreur historique plus serrée signifie plus de probabilité accumulée sur la tranche centrale.
Une erreur plus large la répartit sur les voisines.
C'est exactement pourquoi connaître votre erreur réelle, votre sigma, est si important.
Sans cela, vous devinez votre propre confiance.
Avec cela, vous transformez une prévision en une distribution de probabilité honnête à laquelle le marché peut être comparé.
Cette distribution est ce sur quoi vous tradez réellement, tranche par tranche.
6. Trouver l'avantage et dimensionner avec Kelly
Maintenant, vous comparez votre probabilité au prix du marché et n'agissez que lorsque l'écart est réel.
D'abord, la valeur attendue, votre avantage par 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)
Si votre modèle dit qu'une tranche est à 80 % et qu'elle se négocie à 14c :
0.80 * (1/0.14 - 1) - 0.20 = +4.94
C'est un énorme avantage.
Mais vous ne tirez pas sur chaque nombre positif — vous fixez un seuil, vous ne tradez que lorsque la VA dépasse environ 8 %, afin d'ignorer les signaux faibles.
Ensuite, Kelly vous dit combien de votre bankroll parier :
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)
Deux garde-fous qui vous maintiennent en vie.
> Utilisez Kelly fractionnaire, un quart de ce que dit Kelly complet
Kelly complet est des montagnes russes, la fraction réduit fortement la variance.
> Plafonner chaque trade à une mise maximale de votre config
Même si Kelly crie de trader gros, le plafond vous sauve d'un seul mauvais marché.
Entrez à l'ASK, le prix réel que vous payez, et considérez le bid comme votre sortie, sinon votre backtest vous ment.
7. Exécuter, stopper et tout journaliser
Maintenant, le bot agit, et tout aussi important, enregistre.
La boucle principale s'exécute selon un calendrier, disons toutes les heures, et fait la même chose dans l'ordre pour chaque marché.
Récupérer les prévisions fraîches de toutes les sources
Trouver le marché Polymarket correspondant et charger son enregistrement
Sauvegarder la prévision actuelle comme un instantané, car cet historique est votre avantage futur
Vérifier les stops sur toute position ouverte
Ouvrir une nouvelle position seulement si la VA dépasse votre seuil et que le prix est correct
https://x.com/0xSurferX/status/2078620667272896555
Vos stops sont simples et mécaniques.
Fermer si le prix baisse d'un pourcentage défini par rapport à l'entrée.
Fermer si la prévision s'éloigne suffisamment de votre tranche pour que la thèse soit morte.
Entre les analyses complètes, exécutez un passage léger toutes les quelques minutes juste pour surveiller les stops, sans ré-analyser chaque ville.
Et journalisez absolument tout.
Chaque instantané de prévision, chaque prix de marché que vous avez vu, chaque trade, chaque résolution.
Un fichier par marché, ajouté au fil du temps.
Ce journal n'est pas du travail inutile.
C'est la matière première pour la dernière étape, celle qui transforme un bot statique en un bot qui devient plus affûté chaque semaine.
8. Laissez-le se calibrer et devenir plus intelligent
Voici ce qui distingue un bot qui devine d'un bot qui SAIT.
Le premier jour, votre bot n'a aucune idée réelle de la précision de ses prévisions pour chaque ville.
Donc il ne devrait pas encore se faire entièrement confiance.
Il devrait trader petit, journaliser chaque résolution et attendre.
Une fois qu'il a suffisamment de marchés résolus pour une ville, environ 30, il peut mesurer sa véritable erreur.
Vous prenez chaque prévision que vous avez faite pour cette ville, vous la comparez à ce qui s'est réellement passé, et vous calculez l'erreur moyenne.
Cette erreur moyenne devient votre sigma, votre véritable confiance, pour cette ville et cette source exactes.
Et ce sigma alimente directement l'étape quatre.
Un meilleur sigma signifie une répartition plus honnête des probabilités entre les tranches, ce qui signifie une meilleure détection des avantages, ce qui signifie un meilleur dimensionnement.
Le bot s'améliore littéralement à mesure qu'il collecte plus de marchés résolus.
C'est la même discipline que je prêche pour chaque bot que je construis :
Journalisez tout, risquez peu au début
Laissez les résultats réels résolus mesurer votre véritable précision
N'augmentez la taille qu'une fois que les données ont prouvé l'avantage
Un bot météo qui se fait confiance à 90 % le premier jour est le même désastre qu'un bot crypto déployé sur un backtest à 10 000 %.
Les deux ont cru à un nombre qu'ils n'ont jamais mérité.
Vous ne voulez pas voir quelque chose comme ça, croyez-moi :
Passons à la suite.
9. Mettre le tout ensemble
Maintenant, faisons une conclusion.
Prenez du recul et regardez ce que vous avez construit :
Découvrir des marchés propres, liés à la station de résolution exacte
Récupérer trois sources de prévisions pour cette station
Corriger le biais connu de chaque modèle
Transformer la prévision corrigée en probabilités de tranches en utilisant votre erreur réelle
Trader uniquement lorsque l'avantage dépasse 8%
Dimensionner avec Kelly fractionnaire et un plafond dur
Exécuter, stopper, journaliser et calibrer jusqu'à ce qu'il s'affûte
Aucun réseau de neurones requis pour commencer, aucun centre de données ou serveurs colocalisés.
Juste des prévisions gratuites, des maths honnêtes et la patience de le laisser faire ses preuves sur des résolutions réelles.
Laissez-le tourner deux à trois semaines avant de le juger, car les marchés météo se résolvent quotidiennement et vous avez besoin de 50 à 100 trades résolus pour savoir ce que vous avez.
J'ai construit plus de 200 bots et cette forme exacte est ce qui rapporte réellement pendant que les trucs sophistiqués restent inachevés.
Pipeline simple, calibrage honnête, discipline ennuyeuse.
C'est en fait tout ce dont vous avez besoin.
La météo est le dernier marché honnête sur Polymarket.
Construisez les six étapes ce week-end, laissez-le se calibrer et entrez avant que la foule ne se réveille.
Analyse complète de l'étape de correction du biais à venir, ne la manquez pas.
Publication de la partie 2 mercredi.
Rejoignez aussi mon petit canal tg si vous voulez vous connecter.
Rejoignez ici : https://t.me/+jCBHygDAJa9hMTJk
Ici, nous construisons ensemble, discutons et résolvons les problèmes.
J'espère que cet article vous a été utile, car c'est tout l'intérêt.
Bonne chance !
