天气做市策略跑了一段时间，最近发现回撤不对劲。 一查，问题出在概率模型的两个假设上。

第一个：校准用的是网格再分析数据，但 Polymarket 结算用的是机场实测。两套数据源之间有系统性偏差 ，校准出来的 σ 从源头就不准。
第二个更隐蔽：模型假设预报无偏差。但实际上每个 城市的预报都有方向性偏差——有的城市预报系统性偏 冷，有的偏热。模型不知道这件事，就会在错误的方 向上反复下注。
比如某个城市预报比实际低将近 2°C，模型觉得"温度不会到 X"是大概率，买了一堆 NO。结果实际温度每次都比预报高。
最开始的本能反应是砍城市，把表现差的停掉。砍完 发现三分之一都被禁了。这时候反应过来：需要砍三 分之一覆盖才能活的策略，问题在模型不在城市。
改了校准数据源（切到结算同源的机场观测），概率 计算加上了 bias 修正。然后把砍掉的城市全恢复了——高 σ 城市模型自己会减少信号，不需要人工禁止。