Weather-Driven 大宗商品交易分析框架

基于四大权威天气信息源的系统性研究，为大宗商品交易员构建从天气事件到市场价格的完整因果分析链条。

核心交易格言："Buy on the forecast, sell on the fact."

天气对商品价格的影响体现在两个层面：前瞻性预测（市场对即将到来的天气事件的预期和定价）和事后解读（实际天气结果与预期之间的偏差引发价格调整）。这种"预期-现实"的博弈是 weather-driven trading 的核心逻辑。

数据源规范（强制）

天气预报信息只从以下四个数据源获取，不使用任何其他来源。每次分析时，根据场景需要从对应数据源抓取最新数据。

数据源一览

ECMWF 使用说明： ECMWF 是全球中期预报精度最高的模型，在 CPC 的多模型权重中通常占 35-40%。ECMWF Charts 是 JavaScript 渲染的图表平台，必须通过 Playwright 浏览器自动化获取（详见数据抓取流程步骤3路径B）。获取到的 ECMWF 数据必须与 NOAA/CPC 数据进行交叉验证。

ECMWF 产品按商品选择指南：

NWS AFD 区域自动匹配

NWS AFD 按 Weather Forecast Office (WFO) 划分。根据分析涉及的地理区域，自动选择对应的 WFO 代码拼入 URL 中的 {WFO} 位置。

商品交易常用 WFO 映射：

当分析涉及多个区域时，抓取所有相关 WFO 的 AFD。

数据抓取流程

每次进行天气-商品分析时，按以下流程获取数据：

步骤1：判断需要哪些数据源

根据用户问题涉及的时间尺度和商品类型，确定需要抓取哪些源：

步骤2：确定 NWS AFD 的 WFO

根据上方 WFO 映射表，选择与分析商品/区域对应的 WFO 代码。

步骤3：分两条路径并行抓取

数据源按获取方式分为两类，应并行执行以节省时间：

路径A — WebFetch（文本数据源）： NWS AFD、CPC 各产品、AER Blog、Severe Weather Europe

• 这些页面返回可解析的文本/HTML，WebFetch 可直接提取内容
• 并行抓取所有需要的文本源

路径B — Playwright 浏览器自动化（ECMWF Charts）： 所有 #5a-5k 产品

• ECMWF Charts 是 JavaScript 渲染的图表平台，WebFetch 无法获取有效数据
• 使用 Playwright 技能（$HOME/.codex/skills/playwright）驱动真实浏览器：

  1. 打开目标 ECMWF 产品页面
  2. 等待图表渲染完成
  3. 截图保存
  4. 用图像解读能力提取气象数据
  

• 如果 Playwright 不可用，引导用户自行访问 ECMWF URL 并发送截图

步骤4：整合与交叉验证

将两条路径获取的数据汇总，按「多源交叉验证」规则比对后，作为八步分析的输入。

容错处理： 如果某个数据源抓取失败，告知用户并基于已获取的数据继续分析，同时说明缺失数据可能带来的分析局限。当 ECMWF 数据缺失时，应特别注明分析缺少"最精准中期模型"的验证，置信度相应降级。

多源交叉验证（核心原则）

每次分析都必须在多个数据源之间进行交叉比对。 单一数据源的预报可能存在偏差，只有多源一致的信号才是高置信度交易信号。

交叉验证矩阵：

交叉验证输出规则：

1. 高一致性（多源收敛）→ 预报置信度高，可积极建仓。在分析中标注"多源验证：高一致性"
2. 部分一致（主要模型一致但个别源偏离）→ 中等置信度，中等仓位。标注哪些源一致、哪些偏离及原因
3. 显著分歧（主要模型分歧）→ 低置信度但高波动性，谨慎操作或利用期权。必须详细列出各源的预测差异，分析分歧原因，说明哪个模型在此类场景下历史表现更优

ECMWF 在中期（3-15天）预报中通常是精度最高的模型。当 ECMWF 与 GFS/CPC 出现分歧时，尤其是在以下场景中，应优先信任 ECMWF：

• 放大型环流模式（amplified pattern）
• 平流层-对流层耦合事件
• 热带气旋路径预报
• 欧洲/大西洋区域的天气系统

图像输入解读（当用户发送天气图片时）

用户经常直接发送天气相关图片而非文字描述。收到图片时，先识别图片类型，提取关键气象信息，然后进入八步分析流程。

常见天气图片类型与解读要点

解读流程

1. 识别图片类型：根据上表特征判断属于哪类天气图
2. 提取关键数据：读取图中的数值、区域、时间、模型来源
3. 关联产区/消费区：判断图中异常区域是否覆盖关键商品产区或消费区
4. 转入八步分析：将提取的信息作为步骤1-3的输入，继续完整的分析流程
5. 指出图中关键看点：向用户解释图中对交易最重要的2-3个信息点

如果图片不够清晰或缺少关键信息（如没有标注时间或模型来源），主动向用户确认。

八步分析决策流程

对任何天气驱动的商品交易分析（无论输入是文字描述还是图片），按以下八步递进执行：

第一环节：信息收集与模式识别（步骤1-3）

步骤1：监控气候模式状态 识别当前主要气候遥相关模式的状态——这些是驱动全球天气格局的"幕后推手"：

关于每个模式的深入机制和分析方法，参见 references/knowledge-base.md 的"气候模式深度解析"章节。

步骤2：跟踪天气模型预报 比较主要模型的预测结果，评估预报不确定性：

关键原则：当模型之间高度一致时，预报置信度高，可更积极建仓；当模型显著分歧时，不确定性最高，波动性最大——既有风险也有机会。 即使官方预报机构也会根据模型近期表现动态调整权重，交易员应学习这种方法。

步骤3：识别潜在极端天气事件 判断是否存在以下高影响事件的可能：

如果没有识别到潜在极端事件，回到步骤1继续监控。

第二环节：影响评估与量化（步骤4-5）

步骤4：评估受影响区域与关键产区/消费区重叠度 同等强度的天气事件，影响区域不同则市场反应截然不同。例如：寒潮影响美国东北部人口密集区对天然气需求的冲击 >> 同等寒潮影响中西部农业区。

关键维度：供应集中度——当供应高度集中在某一特定地理区域时，天气事件的价格影响最为显著。

步骤5：量化供需冲击 评估可能的产量损失、库存变化和需求变动的具体幅度。

第三环节：市场预期分析与决策（步骤6-8）

步骤6：分析市场预期（风险溢价已定价多少？） 判断当前市场价格在多大程度上已经反映了天气预报中的风险。

步骤7：判断定价偏差并执行

步骤8：风险管理

• 止损设置：基于天气预报不确定性设定
• 仓位控制：模型分歧越大，仓位越小
• 时间窗口管理：天气交易通常有明确的时间衰减

核心因果链速查表

能源市场因果链

极地涡旋分裂/拉伸 → 北美寒潮 → 天然气需求激增 + 井口冻结减产 → 天然气价格飙升
El Nino → 热浪/干旱 → 制冷需求增加 → 电力价格上涨
MJO活跃相位 → 飓风生成概率上升 → 墨西哥湾平台关闭 → 原油/天然气供应中断
负AO/NAO → 欧洲严寒 → 欧洲天然气/电力需求激增

农业市场因果链

ENSO降水异常 → 巴西干旱 → 咖啡/糖/大豆减产 → 价格上涨
洪涝 → 美国中西部种植延迟 → 玉米/大豆减产预期 → 价格上涨
NAO冬季模式 → 晚霜 → 冬小麦冻害 → 小麦价格上涨
PNA夏季模式 → 热浪 → 玉米/大豆热胁迫 → 产量下降
飓风 → 德州棉花产区 → 仓储损失 > 田间损失 → 棉花价格上涨

天气信息的时间尺度与交易策略匹配

区分"天气交易"和"气候交易"：短期天气事件导致价格短暂波动（战术性）；长期气候模式转变引发持续数月的趋势性变动（战略性）。

交易员每日天气监控清单

关键交易原则

1. 供应集中度决定价格弹性：供应越集中，单一天气事件的价格冲击越大
2. 管理"预期-现实"差距：市场在天气事件前就开始定价，"Sell the fact"常常是更明智的策略
3. 利用模型分歧：主要模型分歧最大时，市场不确定性和波动性最高，是能独立评估模型的交易员的机会
4. 极地涡旋状态 > 简单寒潮预报：大气波反射机制的重要性可能超过极地涡旋本身的形态——即使PV未明显分裂，强烈的大气波反射活动也应警惕北美寒潮
5. CPC概率阈值：温度/降水异常概率超过70-80%时为强信号；关注预报置信度评级（5分制）
6. "Rinse, Lather, Repeat"模式：冬季拉伸型极地涡旋和短暂增温期的交替出现，为天然气交易提供中期价格波动的预测框架

分析输出结构

完成分析后，按以下格式输出：

① 气候模式状态与天气事件识别 明确当前主要气候模式（ENSO/AO/NAO/PV/MJO）的相位，识别出的极端天气事件类型。

② 核心因果传导路径 用"气候模式 → 天气事件 → 供需冲击 → 价格影响"的因果链格式，列出2-3条主要传导路径。

③ 受影响商品与定量影响评估 按商品类别列出：受影响区域与产区/消费区重叠度、供应集中度、预期供需变化幅度。

④ 市场预期与定价偏差判断 判断市场已定价多少天气风险，存在的定价偏差方向。

⑤ 交易建议 具体的头寸方向、品种选择、时间窗口。区分战术性交易（天气事件）和战略性交易（气候趋势）。

⑥ 关键监控指标与风险提示 接下来应追踪的天气模型运行、模式变化信号，以及可能导致分析失效的情景。

深度参考

关于气候遥相关模式的详细机制、各天气信息源的专业解读方法、历史案例分析等深度内容，参见 references/knowledge-base.md。在分析复杂的气候-商品传导路径时，建议先阅读相关章节以获得更深入的理解。