weather-commodity
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
| # | 数据源 | 覆盖范围 | URL |
|---|---|---|---|
| 1 | NWS Area Forecast Discussion (AFD) | 短期 1-7 天，区域天气详情 | https://forecast.weather.gov/product.php?site=NWS&issuedby={WFO}&product=AFD |
| 2a | CPC 6-10 Day Outlook | 中期 6-10 天 | https://www.cpc.ncep.noaa.gov/products/predictions/610day/fxus06.html |
| 2b | CPC 8-14 Day Outlook | 中期 8-14 天 | https://www.cpc.ncep.noaa.gov/products/predictions/814day/fxus07.html |
| 2c | CPC Week 3-4 Outlook | 中长期 3-4 周 | https://www.cpc.ncep.noaa.gov/products/predictions/WK34/ |
| 2d | CPC Monthly/Seasonal Outlook | 长期月度/季节性展望 | https://www.cpc.ncep.noaa.gov/products/predictions/long_range/ |
| 3 | AER Blog | 极地涡旋、平流层动态、大气波反射 | https://published.aer.com/aoblog/aoblog.html |
| 4 | Severe Weather Europe | 长期气候趋势、ENSO、极端事件追踪 | https://www.severe-weather.eu/ |
| 5a | ECMWF 500hPa高度场+850hPa温度 | 中期 1-15 天，高空环流模式 | https://charts.ecmwf.int/products/medium-z500-t850 |
| 5b | ECMWF 海平面气压+风场 | 中期 1-15 天，地面天气系统 | https://charts.ecmwf.int/products/medium-mslp-wind850 |
| 5c | ECMWF 2m温度+风 | 中期 1-15 天，地表温度 | https://charts.ecmwf.int/products/medium-2mt-wind30 |
| 5d | ECMWF 降水+气压 | 中期 1-15 天，降水预报 | https://charts.ecmwf.int/products/medium-mslp-rain |
| 5e | ECMWF ENS Meteograms | 集合预报点位概率图 | https://charts.ecmwf.int/products/opencharts_meteogram |
| 5f | ECMWF 次季节温度异常 | 延伸期 30-46 天 | https://charts.ecmwf.int/products/extended-anomaly-2t |
| 5g | ECMWF 次季节降水异常 | 延伸期 30-46 天 | https://charts.ecmwf.int/products/extended-anomaly-tp |
| 5h | ECMWF 季节性温度展望 | 季节性（数月） | https://charts.ecmwf.int/products/seasonal_system5_standard_2mt |
| 5i | ECMWF 季节性降水展望 | 季节性（数月） | https://charts.ecmwf.int/products/seasonal_system5_standard_rain |
| 5j | ECMWF Tropical Cyclones | 热带气旋路径和强度 | https://charts.ecmwf.int/products/cyclone |
| 5k | ECMWF TC生成指数 | 热带气旋生成概率 | https://charts.ecmwf.int/products/medium-tcindex |
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：
| 交易场景 | 优先查看的 ECMWF 产品 |
|---|---|
| 天然气/能源（温度驱动） | #5c 2m温度 + #5e ENS Meteograms（概率分布） |
| 环流模式/极地涡旋 | #5a 500hPa高度场（判断槽脊和放大/平坦模式） |
| 飓风/热带系统 | #5j Cyclone路径 + #5k TC生成指数 |
| 农业（降水驱动） | #5d 降水 + #5g 次季节降水异常 |
| 季节性策略布局 | #5h 季节性温度 + #5i 季节性降水 |
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：
| 商品/区域 | 关注 WFO | 代码 | 理由 |
|---|---|---|---|
| 天然气（东北需求区） | New York, Boston | OKX, BOX | 美国最大取暖需求走廊 |
| 天然气（产区） | Pittsburgh, State College | PBZ, CTP | Marcellus/Utica 页岩区 |
| 玉米/大豆（玉米带） | Des Moines, Chicago, Omaha | DMX, LOT, OAX | 核心玉米带 |
| 小麦（冬小麦带） | Dodge City, Topeka, Wichita | DDC, TOP, ICT | 堪萨斯冬小麦主产区 |
| 棉花（德州） | Houston, Corpus Christi, Lubbock | HGX, CRP, LUB | 德州棉花产区 |
| 原油/天然气（墨西哥湾） | Houston, Lake Charles, Mobile | HGX, LCH, MOB | 墨西哥湾沿岸能源设施 |
| 柑橘（佛州） | Miami, Tampa Bay, Melbourne | MFL, TBW, MLB | 佛罗里达柑橘产区 |
| 飓风追踪 | Miami (NHC所在地) | MFL | 热带系统监控 |
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：
| 场景 | NOAA 系（WebFetch） | ECMWF（Playwright） | 其他（WebFetch） |
|---|---|---|---|
| 短期极端天气（1-7天） | NWS AFD (#1) + CPC 6-10天 (#2a) | ECMWF 温度/降水/气压 (#5a-5d) | — |
| 中期趋势（1-4周） | CPC 6-10天 (#2a) + 8-14天 (#2b) + Week 3-4 (#2c) | ECMWF ENS (#5e) | — |
| 极地涡旋/平流层 | CPC (#2a/#2b) | ECMWF 500hPa (#5a) | AER Blog (#3) |
| ENSO/季节性（1-6月） | CPC Seasonal (#2d) | ECMWF 季节性 (#5h/#5i) | SWE (#4) |
| 飓风/热带系统 | NWS AFD (#1, MFL) | ECMWF TC + 生成指数 (#5j/#5k) | SWE (#4) |
| 综合分析 | 全部 NOAA 源 | 全部 ECMWF 源 | AER + SWE |
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：
| 时间尺度 | 主源 | 交叉验证源 | 比对要点 |
|---|---|---|---|
| 短期 1-7天 | NWS AFD (#1) | ECMWF 500hPa/温度/降水 (#5a/#5c/#5d) | AFD 中的 GFS 预报 vs ECMWF HRES 预报是否一致 |
| 中期 6-14天 | CPC (#2a/#2b) | ECMWF ENS (#5e) + AER (#3) | CPC 概率展望 vs ECMWF 集合预报的概率分布，AER 提供平流层耦合的独立视角 |
| 中长期 3-4周 | CPC Week 3-4 (#2c) | ECMWF 次季节异常 (#5f/#5g) + SWE (#4) | 三方对温度/降水趋势和模式演变的判断是否收敛 |
| 季节性 | CPC Seasonal (#2d) | ECMWF 季节性展望 (#5h/#5i) + SWE (#4) | ENSO 演变预测、全球温度/降水异常的长期趋势 |
| 热带气旋 | NWS AFD (#1, MFL) | ECMWF TC/生成指数 (#5j/#5k) + SWE (#4) | 路径预报、强度预报、生成概率的多模型比对 |
| 极地涡旋 | AER Blog (#3) | ECMWF 500hPa (#5a) + CPC (#2a/#2b) | AER 的平流层分析 vs ECMWF 的中期环流预报 vs CPC 的温度展望 |
交叉验证输出规则：
- 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"
- 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
- 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
| 图片类型 | 识别特征 | 提取什么信息 | 对应交易含义 |
|---|---|---|---|
| 500hPa高度场/环流图 | 等高线、槽脊标注、H/L气压中心 | 槽脊位置和强度、环流模式是放大(amplified)还是平坦(zonal) | 放大模式→极端温度概率高→能源/农业波动加大 |
| CPC温度/降水展望图 | 红蓝色块覆盖美国地图、"Above/Below Normal"图例 | 异常区域位置、概率等级（颜色深浅）、覆盖范围 | 深色区域(高概率)覆盖关键产区/消费区→强交易信号 |
| GFS/ECMWF模型输出图 | 模型名称标注、预报时间标注（如T+120h） | 温度/降水预测值、与气候态的偏差 | 对比多模型图→一致则高置信度，分歧则高不确定性 |
| 飓风路径/NHC锥形图 | 锥形不确定性区域、飓风分类标注 | 预测路径、登陆点、强度预期、不确定性范围 | 路径经过墨西哥湾→原油/天然气；经过德州沿海→棉花 |
| 极地涡旋可视化 | 极地俯视投影、涡旋边界标注 | PV形态（圆形/拉伸/分裂）、位置偏移方向 | 拉伸向北美→寒潮风险→天然气；分裂→更强寒潮 |
| 卫星云图/雷达图 | 云系分布、色标表示降水强度 | 风暴系统位置和移动方向、对流强度 | 影响产区的风暴→短期供应/物流中断 |
| ENSO/SST异常图 | 太平洋海温色块、Nino 3.4区域标注 | 海温异常的正负和幅度 | 暖异常(El Nino)/冷异常(La Nina)→对应全球农业和能源影响 |
| MJO相位图（Wheeler-Hendon） | 圆形相位图、编号1-8的扇区 | 当前相位位置、振幅大小、移动方向 | 相位2-3→印度洋对流增强；相位6-7→西太平洋活跃→飓风 |
| 干旱监测图（US Drought Monitor） | D0-D4干旱等级色标、覆盖区域 | 干旱等级和范围、与农业产区的重叠 | D2+覆盖玉米带/小麦带→减产风险→做多相关农产品 |
| 温度异常/距平图 | 红蓝色块叠加地图、标注偏差度数 | 异常区域、偏差幅度（如+10°F或-15°C） | 大幅偏冷覆盖人口密集区→取暖需求→天然气 |
解读流程
- 识别图片类型：根据上表特征判断属于哪类天气图
- 提取关键数据：读取图中的数值、区域、时间、模型来源
- 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
- 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
- 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"：
| 模式 | 缩写 | 核心机制 | 关键商品影响 |
|---|---|---|---|
| 厄尔尼诺-南方涛动 | ENSO | 赤道太平洋海温异常驱动全球大气环流变化 | 全球农业（咖啡、可可、糖、谷物）、能源需求、金属供应 |
| 北极涛动 | AO | 北极与中纬度之间的气压差异，决定冷空气南侵强度 | 天然气、取暖油、冬小麦 |
| 北大西洋涛动 | NAO | 冰岛低压与亚速尔高压之间的气压差异 | 欧洲天然气、电力、北海原油运输 |
| 极地涡旋 | PV | 平流层环极西风带，其稳定性决定冬季极端寒潮的爆发 | 天然气（北美和欧洲）、取暖油、电力 |
| 麦登-朱利安振荡 | MJO | 热带大气中30-60天周期的对流活动东传 | 热带气旋生成（原油和天然气）、亚洲季风（农业） |
| 太平洋-北美遥相关 | PNA | 太平洋和北美之间的大气波列模式 | 北美温度和降水模式，影响谷物和能源 |
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：
| 模型 | 特点与交易应用 |
|---|---|
| GFS (美国NOAA) | 全球覆盖，每日4次更新。GEFS集合在某些情况下预测更平坦（zonal）的环流模式 |
| ECMWF (欧洲) | 中期预报最准确的模型，CPC通常给予35-40%权重 |
| Canadian | 加拿大集合模型，CPC通常给予25-35%权重 |
| CFS (美国NCEP) | 季节性预测，未来数月到一年的气候趋势 |
| UKMO (英国) | 季节性预测，Severe Weather Europe常引用 |
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：
| 天气事件 | 影响的主要商品 | 影响机制 |
|---|---|---|
| 寒潮/极地涡旋崩塌 | 天然气、取暖油、电力 | 取暖需求激增 + 井口冻结导致供应减少 |
| 热浪/热穹 | 电力、谷物、大豆 | 制冷需求增加 + 作物热胁迫 |
| 飓风/热带风暴 | 原油、天然气、棉花、橙汁 | 海上平台关闭 + 沿岸设施损毁 + 作物损失 |
| 干旱 | 谷物、大豆、咖啡、糖 | 作物水分胁迫 → 减产 |
| 洪涝 | 谷物、金属（矿山）、运输 | 种植延迟、田间积水、矿山停产、物流中断 |
| 暴雪/冰暴 | 天然气、运输、电力 | 交通瘫痪 + 取暖需求 + 电网压力 |
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。
| 商品 | 供应集中度 | 天气敏感度 |
|---|---|---|
| 巴西橙汁 | 全球约70%产量集中在巴西 | 极高——单一天气事件可引发全球价格波动 |
| 德州棉花 | 美国约50%产量集中在德州 | 高——飓风仓储损失甚至大于田间损失 |
| 美国玉米 | 分布于多个州 | 中——需要更持续、更大范围的异常才能显著影响价格 |
| 咖啡 | 巴西、越南高度集中 | 极高——ENSO驱动的干旱直接影响全球供应 |
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
| 判断结果 | 策略 |
|---|---|
| 市场低估天气风险 | 建立方向性头寸（做多受影响商品） |
| 市场高估天气风险 | 反向操作或获利了结（Sell the fact） |
| 定价合理 | 观望或通过期权策略对冲 |
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
| 时间尺度 | 典型周期 | 关注内容 | 数据源 | 交易策略 |
|---|---|---|---|---|
| 短期 | 1-7天 | 风暴路径、降雨量、温度极值、强对流 | NWS AFD (#1) + ECMWF (#5a-5d) | 战术性交易——寒潮买入天然气期货 |
| 中期 | 6-14天 | 温度/降水概率异常、环流模式转变 | CPC (#2a/#2b) + ECMWF ENS (#5e) | 头寸调整——为趋势变化做准备 |
| 中长期 | 3-4周 | 温度/降水趋势、极地涡旋演变 | CPC Week 3-4 (#2c) + ECMWF 次季节 (#5f/#5g) + AER (#3) | 波段交易——捕捉周期性模式 |
| 长期/季节性 | 1-6个月 | ENSO演变、季节性趋势 | CPC Seasonal (#2d) + ECMWF 季节性 (#5h/#5i) + SWE (#4) | 战略性长期头寸、对冲季节性风险 |
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
| 频率 | 监控内容 | 数据源 | 关注重点 |
|---|---|---|---|
| 每日早间 | GFS/ECMWF最新模型运行 | NWS AFD (#1) + ECMWF (#5a-5d) | 1-7天极端天气风险，比对 GFS 与 ECMWF 分歧 |
| 每日 | 中期温度/降水展望 | CPC (#2a/#2b) + ECMWF ENS (#5e) | 概率异常，CPC 与 ECMWF 集合预报交叉验证 |
| 每周 | AO/NAO/PV状态更新 | AER Blog (#3) + CPC Week 3-4 (#2c) + ECMWF 次季节 (#5f/#5g) | 大尺度环流模式转变信号 |
| 每月 | ENSO状态和季节性展望 | CPC Seasonal (#2d) + ECMWF 季节性 (#5h/#5i) + SWE (#4) | 长期气候趋势演变，多模型季节展望比对 |
| 实时 | 极端天气事件追踪 | NWS AFD (#1) + ECMWF TC (#5j/#5k) + SWE (#4) | 飓风路径、寒潮强度、热浪范围 |
关键交易原则
- 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
- 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
- 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
- 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
- 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）
- "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。