天氣做市策略跑了一段時間，最近發現回撤不對勁。一查，問題出在概率模型的兩個假設上。

第一個：校準用的是網格再分析數據，但 Polymarket 結算用的是機場實測。兩套數據源之間有系統性偏差，校準出來的 σ 從源頭就不准。
第二個更隱蔽：模型假設預報無偏差。但實際上每個城市的預報都有方向性偏差——有的城市預報系統性偏冷，有的偏熱。模型不知道這件事，就會在錯誤的方向上反覆下注。
比如某個城市預報比實際低將近 2°C，模型覺得"溫度不會到 X"是大概率，買了一堆 NO。結果實際溫度每次都比預報高。
最開始的本能反應是砍城市，把表現差的停掉。砍完發現三分之一都被禁了。這時候反應過來：需要砍三分之一覆蓋才能活的策略，問題在模型不在城市。
改了校準數據源（切到結算同源的機場觀測），概率計算加上了 bias 修正。然後把砍掉的城市全恢復了——高 σ 城市模型自己會減少信號，不需要人工禁止。