天気做市戦略をしばらく運用してきましたが、最近リトレースが不自然だと気づきました。調査した結果、問題は確率モデルの二つの仮定にありました。

一つ目は：校正に使ったのはグリッド再分析データですが、Polymarketの決済には空港の実測値を用いています。二つのデータソース間にはシステム的な偏差があり、校正されたσは根本的に正確ではありません。
二つ目はより隠れた問題：モデルは予報に偏りがないと仮定しています。しかし実際には、各都市の予報には方向性の偏差があります。ある都市は系統的に冷偏り、別の都市は熱偏りがあります。モデルはこの事実を知らず、誤った方向に繰り返し賭けてしまいます。
例えば、ある都市の予報が実際よりも約2°C低い場合、モデルは「温度はXに到達しない」確率が高いと判断し、多くのNOを買います。しかし実際には温度は毎回予報より高くなります。
最初の直感は、パフォーマンスの悪い都市を切り捨てることでした。ところが、切り捨てた結果、3分の1が禁止されてしまいました。その時に気づいたのは：3分の1をカバーする戦略が必要であり、問題は都市側ではなくモデル側にあるということです。
校正データソースを変更し（決済と同じ出典の空港観測に切り替え）、確率計算に偏り補正を加えました。その後、切り捨てた都市をすべて復元し、高σの都市はモデル自身が信号を減らすため、人工的に禁止する必要がなくなりました。