Como criar um bot de trading de clima na Polymarket com Claude (Plano de $6 mil/mês)

Todos disseram que um bot de trading precisa de IA sofisticada e um data center.

Isso é uma mentira que impede iniciantes de começar.

A verdade é esta: um bot lucrativo de clima no Polymarket é algo que se constrói em UM FINAL DE SEMANA, e ao final deste guia você terá todo o pipeline.

Clima é o oposto do BTC de 5 minutos.

Janelas de BTC são um cara ou coroa imprevisível, e a guerra de velocidade é dominada por bots colocados no mesmo data center.

Temperatura é genuinamente previsível, resolve em horas, então velocidade não significa nada, e os dados são gratuitos.

É o último mercado onde um desenvolvedor solo com um VPS barato ainda vence na inteligência, não no hardware.

A máquina toda tem seis etapas.

Descubra os mercados, puxe as previsões, corrija o viés, transforme em probabilidades, encontre a vantagem de 8%, dimensione e execute.

Só isso.

Deixe-me entregar cada peça para você.

Construí centenas de bots, e os que realmente geram lucro são sempre assim simples, não os superengenheirados que as pessoas acham que você precisa.

Aqui está meu exemplo público de bot de clima: \[[https://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surferhttps://polymarket.com/profile/0xca75fbadcc238afd23c317e253a8b5c47b390a64?via=surfer)]

Ainda estou desenvolvendo e passando por uma sequência de perdas que estou tentando corrigir.

Mas ainda assim, não está sangrando o tempo todo como versões anteriores.

Vamos agora construir uma máquina de imprimir dinheiro.

1. Conceito e ideia

Antes do código, tenha uma visão clara, pois isso torna cada etapa óbvia.

O Polymarket lista mercados diários de temperatura para cidades ao redor do mundo.

Cada um é um conjunto de faixas.

Uma faixa resolve como SIM a um dólar, as demais vão a zero.

O mercado resolve em UMA estação de aeroporto exata, não na cidade que você vê no seu app de clima.

O trabalho do seu bot é simples de dizer.

Descubra a probabilidade real de cada faixa melhor que a multidão, então compre as faixas que o mercado precificou abaixo do valor.

Você NÃO está prevendo o clima sozinho.

Modelos bilionários já fizeram isso horas atrás.

Você está lendo a previsão deles, limpando-a e comparando com o preço de mercado.

Onde sua probabilidade honesta é muito maior que o preço, você tem uma vantagem.

Tudo abaixo é apenas como calcular essa diferença e agir sobre ela sem se enganar.

Mantenha todas as configurações em um arquivo de configuração, não codificadas, para que você possa ajustar sem tocar na lógica.

Saldo inicial, trade máximo, vantagem mínima, limites de preço, fração de Kelly.

Tudo em um só lugar que você pode editar em segundos.

2. Descubra os mercados

O bot começa escaneando o Polymarket em busca de mercados ativos de temperatura que valem a pena negociar.

Você não quer negociar todos eles.

Você quer um filtro que elimine o lixo antes de gastar uma chamada de previsão ou um dólar.

Três filtros fazem a maior parte do trabalho:

> Piso de volume

Pule mercados finos com volume abaixo de alguns milhares.

Livros finos têm spreads amplos e preços nos quais você não pode confiar.

> Janela de tempo

Negocie apenas mercados que resolvam entre cerca de 2 e 72 horas.

Abaixo de 2 horas, a vantagem já está precificada.

Acima de 72 horas, a previsão é muito incerta para confiar.

> Limite de preço

Pule faixas já negociando acima de cerca de 45 centavos.

Nesse preço, o mercado já precificou a maior parte da vantagem e seu potencial de alta é pequeno.

Cada mercado sobrevivente aponta para uma cidade, uma data e uma estação de resolução.

Essa estação é tudo, então armazene suas coordenadas exatas de aeroporto e seu código ICAO, nunca o centro da cidade.

Usar coordenadas do centro da cidade pode introduzir um erro de 3 a 8 graus antes mesmo do seu bot começar a pensar.

Agora você tem uma lista limpa de mercados negociáveis, cada um vinculado ao ponto exato que a previsão deve atingir.

3. Ingira a previsão (código)

Agora você puxa previsões para a estação exata de cada mercado, de mais de uma fonte.

Um modelo é uma opinião.

Três modelos permitem que você veja concordância e discordância, o que é informação por si só.

Sua âncora é o ECMWF, o padrão ouro global, gratuito via Open-Meteo, sem necessidade de chave.

Para cidades dos EUA em horizontes curtos, você adiciona um modelo de maior resolução que lê observações em tempo real.

Aqui está a busca 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"]

Essa flag \bias_correction=true\ é importante – ela aplica uma primeira passagem de correção de erro baseada na localização gratuitamente.

Para cidades dos EUA dentro de cerca de 48 horas, prefira o modelo de maior resolução:

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"]

Regra simples: alta resolução para EUA em curto prazo, ECMWF para todo o resto.

Solicite cada cidade em sua própria unidade, EUA em Fahrenheit, o restante em Celsius, e mantenha toda comparação na mesma escala.

4. Corrija o viés (é aqui que está o dinheiro)

É aqui que os vencedores se separam de todos os outros.

Todo modelo é sistematicamente errado em uma direção consistente.

O GFS tem um viés frio, subestima a temperatura, e o tamanho desse erro depende da cidade, da hora e de quão distante está a previsão.

Se você pular isso, sua vantagem muitas vezes é apenas o modelo estar errado da maneira usual.

Isso não é vantagem.

Isso é ruído fantasiado de vantagem.

Então, antes de calcular uma única probabilidade, você corrige o modelo usando seus próprios erros passados.

Viés é extremamente simples de definir.

> viés = previsão menos real

Você mede isso separadamente por cidade, por horizonte, por hora do dia, e então desloca novas previsões por esse erro conhecido.

A versão mais simples que funciona é uma média decrescente dos erros recentes, para que erros mais recentes tenham mais peso.

Você NÃO precisa de uma rede neural para isso.

Uma média decrescente básica ou uma pequena regressão obtém 60-80% de toda a melhoria disponível.

Implemente isso primeiro.

A correção de viés com ML sofisticado é real, mas são os últimos 20%, e só importa quando a versão simples já está gerando lucro.

Corrija as entradas primeiro.

Um modelo gratuito e simples, corrigido, supera um modelo sofisticado alimentado com dados brutos.

5. Transforme previsões em probabilidades de faixa

Agora você converte um número de previsão corrigido em uma probabilidade para cada faixa.

Aqui está o erro que iniciantes cometem.

Eles pegam a previsão, colocam na faixa em que ela cai e chamam essa faixa de 100%.

Mas a previsão não é exata.

É um ponto central com uma dispersão conhecida de erro ao redor.

Essa dispersão é o jogo inteiro.

Digamos que sua previsão corrigida seja 41°F e o erro típico do seu modelo para essa cidade seja de cerca de 2 graus.

A temperatura real poderia facilmente cair uma faixa acima ou abaixo.

Então você não aposta em uma faixa a 100%.

Você distribui a probabilidade entre a faixa da previsão E suas vizinhas, ponderada pela probabilidade de cada uma dado o tamanho do seu erro.

Um erro histórico mais apertado significa mais probabilidade acumulada na faixa central.

Um erro mais amplo a espalha pelas vizinhas.

Isso é exatamente por que conhecer seu erro real, seu sigma, é tão importante.

Sem ele, você está adivinhando sua própria confiança.

Com ele, você está transformando uma previsão em uma distribuição de probabilidade honesta contra a qual o mercado pode ser medido.

Essa distribuição é com o que você realmente negocia, faixa por faixa.

6. Encontre a vantagem e dimensione com Kelly

Agora você compara sua probabilidade com o preço de mercado e só age quando a diferença é real.

Primeiro, valor esperado, sua vantagem por dólar:

1def calc_ev(p, price):
2if price <= 0 or price >= 1:
3return 0.0
4return round(p * (1.0 / price - 1.0) - (1.0 - p), 4)

Se seu modelo diz que uma faixa tem 80% e está sendo negociada a 14 centavos:

\0.80 * (1/0.14 - 1) - 0.20 = +4.94\

Isso é uma vantagem enorme.

Mas você não dispara em todo número positivo – você define um piso, só negocia quando o VE ultrapassa cerca de 8%, para pular os sinais fracos.

Então Kelly diz quanto da sua banca apostar:

1def calc_kelly(p, price, kelly_fraction=0.25):
2b = 1.0 / price - 1.0
3f = (p * b - (1.0 - p)) / b
4return min(max(0.0, f) * kelly_fraction, 1.0)

Duas salvaguardas que mantêm você vivo.

> Use Kelly fracionário, um quarto do que o Kelly completo diz

Kelly completo é uma montanha-russa, a fração reduz drasticamente a variância.

> Limite cada trade a um valor máximo do seu config

Mesmo que Kelly grite para apostar alto, o limite máximo impede que um único mercado ruim acabe com você.

Entre no ASK, o preço real que você paga, e trate o bid como sua saída, ou seu backtest mentirá para você.

7. Execute, pare e registre tudo

Agora o bot age, e igualmente importante, registra.

O loop principal roda em um cronograma, digamos a cada hora, e faz a mesma coisa em ordem para cada mercado.

Puxe previsões atualizadas de todas as fontes

Encontre o mercado Polymarket correspondente e carregue seu registro

Salve a previsão atual como um instantâneo, pois esse histórico é sua vantagem futura

Verifique stops em qualquer posição aberta

Abra uma nova posição somente se o VE ultrapassar seu piso e o preço estiver certo

https://x.com/0xSurferX/status/2078620667272896555

Seus stops são simples e mecânicos.

Feche se o preço cair um percentual definido desde a entrada.

Feche se a previsão se mover o suficiente para fora da sua faixa a ponto de a tese estar morta.

Entre varreduras completas, execute uma passagem leve a cada poucos minutos apenas para monitorar stops, sem reescanear cada cidade.

E registre absolutamente tudo.

Cada instantâneo de previsão, cada preço de mercado que você viu, cada trade, cada resolução.

Um arquivo por mercado, anexado ao longo do tempo.

Esse registro não é trabalho inútil.

É a matéria-prima para a última etapa, aquela que transforma um bot estático em um que fica mais afiado a cada semana.

8. Deixe calibrar e ficar mais inteligente

Aqui está o que separa um bot que chuta de um que SABE.

No primeiro dia, seu bot não tem ideia real de quão precisas são suas previsões para cada cidade.

Então ele não deve confiar totalmente em si mesmo ainda.

Ele deve negociar pequeno, registrar cada resolução e esperar.

Assim que tiver mercados resolvidos suficientes para uma cidade, cerca de 30, ele pode medir seu erro real.

Você pega cada previsão que fez para aquela cidade, compara com o que realmente aconteceu e calcula a média dos erros.

Esse erro médio se torna seu sigma, sua confiança real, para aquela cidade e fonte exatas.

E esse sigma retroalimenta diretamente a etapa quatro.

Um sigma melhor significa uma distribuição de probabilidade mais honesta entre as faixas, o que significa melhor detecção de vantagem, o que significa melhor dimensionamento.

O bot literalmente se melhora à medida que coleta mais mercados resolvidos.

Essa é a mesma disciplina que prego para todo bot que construo:

Registre tudo, arrisque pouco no início

Deixe os resultados reais resolvidos medirem sua verdadeira precisão

Só aumente o tamanho quando os dados provarem a vantagem

Um bot de clima que confia em si mesmo em 90% no primeiro dia é o mesmo desastre que um bot de cripto implantado com base em um backtest de 10.000%.

Ambos confiaram em um número que nunca mereceram.

Você não quer ver algo assim, acredite em mim:

Vamos em frente.

9. Juntando tudo

Agora vamos fazer uma conclusão.

**

Dê um passo atrás e veja o que você construiu:**

Descubra mercados limpos, vinculados à estação de resolução exata

Puxe três fontes de previsão para aquela estação

Corrija o viés conhecido de cada modelo

Transforme a previsão corrigida em probabilidades de faixa usando seu erro real

Negocie somente quando a vantagem ultrapassar 8%

Dimensione com Kelly fracionário e um limite máximo

Execute, pare, registre e calibre até que se ajuste sozinho

Nenhuma rede neural necessária para começar, nenhum data center ou servidores colocalizados.

Apenas previsões gratuitas, matemática honesta e paciência para deixar provar seu valor em resoluções reais.

Deixe rodando de duas a três semanas antes de julgá-lo, pois mercados de clima resolvem diariamente e você precisa de 50 a 100 trades resolvidos para saber o que tem.

Construí mais de 200 bots e exatamente esse formato é o que realmente gera lucro enquanto as coisas sofisticadas ficam inacabadas.

Pipeline simples, calibração honesta, disciplina monótona.

Isso é realmente tudo que você precisa.

Clima é o último mercado honesto no Polymarket.

Construa as seis etapas neste fim de semana, deixe calibrar e entre antes que a multidão acorde.

A análise completa da etapa de correção de viés vem a seguir, não perca.

Lançando a parte 2 na quarta-feira.

Também entre no meu pequeno canal do Telegram se quiser se conectar.

Entre aqui: https://t.me/+jCBHygDAJa9hMTJk

Aqui construímos juntos, discutimos e corrigimos problemas.

Espero que tenha achado este artigo útil, pois esse é o objetivo.

Boa sorte!