干旱异常
SPEI-3三个月尺度标准化降水蒸散指数，对农产品单产具有稳定领先性。
DIMENSION D-01 · 气候与气象
把大气环流，
翻译成定价因子
作物产量、发电负荷、施工进度与物流时效都被天气驱动，而这些影响要在数月之后才会出现在财报里。天气是少数既可观测、又具备物理约束的可预测变量——我们要做的，是把气象场映射到经济暴露，而不是去预测天气本身。
- 再分析场分辨率
- 0.25°
- 集合预报成员
- 51
- 气象因子
- 214
- 覆盖产区 / 电网
- 380+
THESIS · 维度命题
为什么这个维度值得被交易
- 01
天气是滞后变量，价格不是
气温异常对作物单产的影响需要经过生长季才体现，对电力负荷的影响却几乎当天发生。同一条气象信息在不同的资产上有着完全不同的时滞——时滞本身就是可交易的维度。
- 02
可预测性是稀缺资源
数值天气预报提供了 10–15 天的确定性预报与 45 天的集合概率分布。在金融数据里，几乎没有第二个变量能给出带物理约束的多天前瞻分布。
- 03
关键在于暴露映射，而非天气预报
气象服务已经足够成熟。真正的超额收益来自把流域降雨量准确映射到某个品种的产量、某家公司的成本、某个合约的基差上。这是工程问题，不是气象学问题。
全球温度异常场 / 2m TEMPERATURE ANOMALY
相对 1991–2020 气候态的标准化异常 · 5° 网格 · 6 小时更新
全球均值 +0.00 °C极端格点 0.0%
ENSO 相位厄尔尼诺 · 强Niño 3.4 区海温异常 +1.8°C
印度洋偶极正相位IOD 指数 +0.62
北大西洋涛动负相位NAO 指数 −0.84
极涡强度偏弱中纬度寒潮概率上升
DATA TAXONOMY · 数据源谱系
信号的可靠性，取决于最弱的那一环数据
下表中的每一项都带有独立的质量评分与到达时延监控。任何一项超出预算，都会触发降级或切换备用通道——而不是被静默忽略。
| 数据源 | 英文 / 标识 | 更新频率 | 覆盖范围 | 入库时延 |
|---|---|---|---|---|
| ERA5 再分析场 | ECMWF Reanalysis | 6 小时 | 全球 · 0.25° | 实时 |
| 集合预报 | Ensemble Forecast | 12 小时 | 51 成员 · 45 天 | < 40 分钟 |
| 植被指数 | NDVI / EVI | 日 | 250 m 栅格 | < 12 小时 |
| 土壤墒情 | Soil Moisture | 3 日 | 9 km 栅格 | < 24 小时 |
| 地面气象站 | Station Network | 小时 | 12,400 站 | < 15 分钟 |
| 降水雷达 | Precipitation Radar | 15 分钟 | 1 km 栅格 | < 10 分钟 |
| 海表温度 | Sea Surface Temp | 日 | 0.25° 全球 | < 24 小时 |
| 太阳辐照 | Solar Irradiance | 小时 | 1 km 栅格 | < 1 小时 |
SIGNAL CONSTRUCTION · 信号构建
从原始观测，到可交易的状态量
五个步骤，每一步都有明确的输入、输出与验收标准。任何一步无法复现，整条链路都不会进入生产。
- STEP 01
降尺度与格网对齐
把粗分辨率再分析场插值到流域、电网与种植区尺度，并按行政与经济区划重新聚合，使气象场与经济暴露落在同一套空间单元上。
- STEP 02
标准化异常构造
相对 30 年气候态计算标准化偏差，构造干旱指数、采暖与制冷度日等可跨区域比较的量纲无关指标。
- STEP 03
物候阶段加权
同一次温度异常在播种期与灌浆期的经济含义完全不同。按作物生长阶段对气象异常加权，是农产品信号有效性的关键一步。
- STEP 04
概率化而非点估计
使用 51 成员集合预报的完整分布，输出概率加权暴露与预报分歧度，把「不确定性」本身也变成一个特征。
- STEP 05
暴露映射矩阵
建立产区 → 品种 → 企业 → 合约的四层暴露矩阵，把气象异常转化为可交易标的上的定向与强度。
FACTOR REGISTRY · 在库因子
每一个因子都带着它的失效条件
IC 为该维度内因子的历史平均信息系数，仅用于横向比较因子强度，不代表任何收益预期。
IC 0.041
度日偏离
HDD / CDD Anomaly采暖与制冷度日相对气候态的偏离，直接驱动能源需求预期。
集合预报分歧
Forecast Spread预报成员间的离散度，作为不确定性代理变量，在波动率维度上更具价值。
土壤墒情分位
Soil Moisture Pct根区含水量分位，比降水更贴近作物实际可用水量。
光合有效辐射
PAR Anomaly影响光合作用效率的辐射波段异常，对谷物单产有增量信息。
ENSO 相位
ENSO Phase厄尔尼诺与拉尼娜相位，作为区域天气的长周期调制项。
CASE STUDY · 实例研究
把一次厄尔尼诺拆成三条独立的交易线索
当 Niño 3.4 区海温异常突破 +1.5°C 时，我们并不直接交易「厄尔尼诺」这个概念，而是把它拆成三条互相独立的传导链：东南亚降水减少影响棕榈油单产、中美洲干旱收紧巴拿马运河通航能力、北美冬季采暖度日偏离影响天然气库存路径。三条链路的数据源、时滞与可交易标的完全不同，因此可以分别建模、分别承担风险。
- 信号提前量
- 38 天
- 覆盖链路
- 3 条
- 链路相关性
- 0.21
FAILURE MODES · 失效条件
我们明确知道它会在什么时候失效
一个维度最危险的时候，不是它表现不好的时候，而是所有人都在用它并且忘了它的前提的时候。
气候态本身在漂移
气象机构的再分析产品会定期升级版本，历史序列的一致性会被打破。每次升级都必须重建气候态基准，否则异常值会系统性偏移。
尾部事件的样本极少
极端天气的历史样本可能只有个位数，任何基于历史分布的尾部估计都不可靠。我们对尾部只做情景分析，不做概率外推。
传导常被库存掩盖
天气冲击对价格的影响会被库存缓冲吸收。不建模库存周期，气象信号在多数时间会显得毫无预测力。