Edward Nikulin, Ειδικός Μοντέλου Καιρού στο Mind Money – Σειρά Συνεντεύξεων

Edward Nikulin, ειδικός μοντέλου καιρού και επικεφαλής του τμήματος συναλλαγών στην ευρωπαϊκή χρηματιστηριακή εταιρεία Mind Money, είναι ένας έμπειρος ποσοτικός ερευνητής και επιστήμονας δεδομένων με περισσότερα από οκτώ χρόνια εμπειρίας στην μοντελοποίηση αγορών, συστηματικό trading και αναλύσεις που βασίζονται στην τεχνητή νοημοσύνη. Είναι ο δημιουργός του μοντέλου καιρού που χρησιμοποιείται στις ιδιόκτητες στρατηγικές συναλλαγών του Mind Money.

Mind Money είναι μια ευρωπαϊκή πλατφόρμα επενδύσεων και χρηματιστηρίου με έδρα τη Λεμεσό, Κύπρο, που προσφέρει πρόσβαση σε παγκόσμια μετοχές, ομόλογα, ETFs και επιλεγμένες ευκαιρίες IPO και προ‑IPO. Λειτουργώντας υπό την εποπτεία της CySEC και τη συμμόρφωση με το MiFID II, εστιάζει σε διαφανή τιμολόγηση, διαφοροποιημένες επενδυτικές επιλογές και επαγγελματική διαχείριση χαρτοφυλακίου για πελάτες που επιδιώκουν έκθεση στις διεθνείς χρηματοοικονομικές αγορές.

Ο Edward Nikulin μοιράζεται τη γνώση και την εξειδίκευσή του στην εφαρμογή της κλιματικής και καιρικής μοντελοποίησης στην ανάλυση των αγορών εμπορευμάτων. Η πορεία του από trader σε ειδικό μοντέλου καιρού έχει διαμορφώσει μια ξεχωριστή προοπτική για το πώς τα χρηματοοικονομικά και περιβαλλοντικά δεδομένα διασταυρώνονται. Σε αυτό το κείμενο, εξηγεί πώς λειτουργεί στην πράξη το μοντέλο καιρού‑εμπορευμάτων του: ποιοι τύποι κλιματικών και καιρικών μεταβλητών ενσωματώνονται — από εποχικές μεταβολές θερμοκρασίας μέχρι πρότυπα βροχοπτώσεων και ακραία γεγονότα — και πώς αυτές οι εισροές μετατρέπονται σε εφαρμόσιμα σήματα συναλλαγών και κινδύνου. Συνδυάζοντας την ενσυναίσθηση της αγοράς με την επιστημονική μοντελοποίηση, ο Edward προσφέρει στους αναγνώστες μια σπάνια ματιά στο πώς η νοημοσύνη του καιρού μπορεί να γίνει καθοριστικός παράγοντας στις στρατηγικές εμπορευμάτων σήμερα.

Μπορείτε να μας περιγράψετε το ταξίδι σας από trader σε ειδικό κλιματικού και καιρικού μοντέλου, και πώς αυτό το υπόβαθρο διαμορφώνει τον τρόπο που αναλύετε τις αγορές εμπορευμάτων σήμερα;

Το υπόβαθρό μου είναι στο ποσοτικό trading και την επιστήμη δεδομένων. Για πολλά χρόνια, εργάστηκα σε συστηματικές στρατηγικές εμπορευμάτων και παραγώγων, έτσι σκέφτηκα πάντα με βάση τα σήματα συναλλαγών και τον κίνδυνο. Στη συνέχεια, προσκλήθηκα από μια startup που εστιάζει στη βελτιστοποίηση της θαλάσσιας εφοδιαστικής αλυσίδας για να ηγηθώ ενός τμήματος AI σχετικού με τον καιρό και το κλίμα. Αυτό με έφερε σε πολύ στενή καθημερινή επαφή με υδρομετεωρολόγους, οικολόγους και ειδικούς τομέα που σκέφτονται πολύ διαφορετικά από τους traders.

Αυτή η εμπειρία ήταν κρίσιμη: έμαθα πώς οι ειδικοί του καιρού λογίζονται τις φυσικές διεργασίες, την αβεβαιότητα και τις χρονικές καθυστερήσεις. Και εξίσου σημαντικό, έμαθα πόσο διαφορετικά είναι τα νοητικά τους μοντέλα από αυτά που χρησιμοποιούνται στις αγορές.

Σήμερα, εργάζομαι στη διασταύρωση αυτών των δύο κόσμων. Δεν προσεγγίζω τον καιρό ως πρόβλημα πρόβλεψης (στην πραγματικότητα, έχει λίγο νόημα να προσπαθεί κανείς να ξεπεράσει τα μοντέλα NOAA και ECMWF), και δεν προσεγγίζω τις αγορές ως καθαρό στατιστικό θόρυβο. Το υπόβαθρο μου στο trading αναγκάζει κάθε κλιματικό σήμα να απαντά σε πολύ πρακτικές ερωτήσεις: πότε, μέσω ποιας μηχανής, και με ποια πιθανότητα αυτή η πληροφορία επηρεάζει πραγματικά την τιμή. Αυτός ο συνδυασμός διαμορφώνει έντονα τον τρόπο που αναλύω τις αγορές εμπορευμάτων τώρα.

Πώς λειτουργεί στην πράξη το μοντέλο καιρού‑εμπορευμάτων σας — ποιοι τύποι κλιματικών και καιρικών δεδομένων ενσωματώνετε, και πώς αυτές οι μεταβλητές μετατρέπονται σε εφαρμόσιμα σήματα συναλλαγών ή κινδύνου;

Πρακτικά, το μοντέλο ενσωματώνει πολλά επίπεδα δεδομένων αντί να βασίζεται σε μία μόνο πηγή.

Από την πλευρά του καιρού, λαμβάνουμε δεδομένα σε πραγματικό χρόνο και βραχυπρόθεσμα από αριθμητικά μοντέλα πρόγνωσης καιρού, υπερ‑τοπικά δεδομένα μετεωρολογικών σταθμών κοντά στις ζώνες παραγωγής, και δορυφορικούς δείκτες όπως η βλάστηση και οι δείκτες ξηρασίας. Από την πλευρά του κλίματος, παρακολουθούμε σήματα μακροπρόθεσμης προοπτικής μέσω συνόλων δεδομένων επαναανάλυσης και δεικτών μεγάλης κλίμακας όπως ENSO, NAO, PDO και άλλοι.

Το πραγματικό κλειδί δεν είναι η πρόβλεψη, αλλά η μετάφραση του αντίκτυπου. Οι ακατέργαστες μεταβλητές καιρού αντιστοιχίζονται σε μηχανισμούς παραγωγής, εφοδιασμού ή ζήτησης που έχουν σημασία για ένα συγκεκριμένο εμπορεύμα. Αυτές οι σχέσεις τυποποιούνται μέσω ενός πλαισίου βασισμένου σε κανόνες και πιθανοκρατικό, συχνά χρησιμοποιώντας προσομοιώσεις Monte Carlo για τη σύλληψη της αβεβαιότητας.

Το αποτέλεσμα δεν είναι πρόγνωση καιρού, αλλά ένα δομημένο σήμα: σενάρια βαρυζόμενα με πιθανότητες, ασυμμετρία κινδύνου και εκτιμήσεις αντίκτυπου με χρονική μετατόπιση. Αυτό επιτρέπει στα σήματα να χρησιμοποιηθούν είτε για αποφάσεις συναλλαγών είτε για έλεγχο κινδύνου, ανάλογα με το ορίζοντα.

Το μοντέλο σας είναι σε λειτουργία για αρκετά χρόνια με ισχυρή απόδοση — πώς συμπεριφέρθηκε κατά τη διάρκεια μεγάλων καιρικών διαταραχών, και τι αποκάλυψαν αυτές οι περίοδοι για τις αντιδράσεις της αγοράς σε κλιματικά σοκ;

Μία από τις πιο σημαντικές παρατηρήσεις από τη λειτουργία του μοντέλου σε πραγματικό χρόνο είναι ότι οι αγορές σχεδόν ποτέ δεν αντιδρούν άμεσα σε καιρικά σοκ και πολύ σπάνια αντιδρούν με γραμμικό τρόπο.

Ένα καλό πρόσφατο παράδειγμα είναι το Φυσικό Αέριο. Στα τέλη Οκτωβρίου, το μοντέλο μας άρχισε να επισημαίνει υψηλή και αυξανόμενη πιθανότητα διαταραχής από πολικό δίνη. Εκείνη τη στιγμή, οι καιρικές συνθήκες στο spot ήταν ακόμη σχετικά ήπιες, τα αποθέματα ήταν άνετα, και η αφήγηση της αγοράς ήταν ουδέτερη. Οι τιμές σχεδόν δεν αντέδρασαν.

Το σημαντικό μέρος ήταν ότι το μοντέλο δεν παρήγαγε δυαδικό σήμα. Εμφάνισε μια καμπύλη πιθανότητας που συνέχισε να αυξάνεται μέσα στον Νοέμβριο και μέχρι τον Δεκέμβριο, καθώς τα ατμοσφαιρικά πρότυπα έγιναν πιο ασταθή. Μόνο αργότερα, όταν τα ψυχρότερα σενάρια άρχισαν να εμφανίζονται σταθερά στις δημόσιες προβλέψεις και τις αφηγήσεις των μέσων, το Φυσικό Αέριο εισήλθε σε ισχυρή ανοδική τάση.

Αυτό το επεισόδιο έδειξε καθαρά κάτι που βλέπουμε ξανά και ξανά:

• πρώτα εμφανίζεται η φυσική ατμοσφαιρική πίεση,
• στη συνέχεια συσσωρεύεται η πιθανότητα,
• στη συνέχεια διαχέεται η πληροφορία,
• και μόνο στο τέλος, βλέπουμε την προσαρμογή των τιμών.

Πώς χρησιμοποιούν οι traders και οι επενδυτές εμπορευμάτων σήμερα τα κλιματικά και καιρικά δεδομένα στις στρατηγικές διαχείρισης κινδύνου, και πού πιστεύετε ότι οι περισσότεροι συμμετέχοντες εξακολουθούν να αποτυγχάνουν;

Οι περισσότεροι συμμετέχοντες εξακολουθούν να χρησιμοποιούν τα καιρικά δεδομένα με κυρίως διακριτική (συνεκριτική) προσέγγιση. Παρακολουθούν προβλέψεις, διαβάζουν σχόλια ειδικών και προσαρμόζουν θέσεις βάσει της αντιληπτής σοβαρότητας των γεγονότων. Στη διαχείριση κινδύνου, τα κλιματικά δεδομένα συχνά χρησιμοποιούνται αναδρομικά.

Το σημείο όπου αποτυγχάνουν είναι η τυποποίηση. Τα σήματα του καιρού είναι συχνά υποκειμενικά, ασταθώς βαρυζόμενα και κακώς ενσωματωμένα στη δομή της αγοράς. Ένα άλλο κοινό πρόβλημα είναι η υπερβολική αντίδραση σε οπτικά δραματικά αλλά οικονομικά άσχετα ανωμαλίες, ή η ανεπαρκής αντίδραση σε αργά εξελισσόμενες διαδικασίες που έχουν πολύ μεγαλύτερη σημασία για την προσφορά.

Το μεγαλύτερο κενό είναι η έλλειψη σαφούς αντιστοίχισης μεταξύ του καιρού, του αντίκτυπου στην παραγωγή και της αντίδρασης της τιμής.

Ποιοι συγκεκριμένοι κλιματικοί ή καιρικοί δείκτες πιστεύετε ότι θα είναι οι πιο σημαντικοί για τις αγορές εμπορευμάτων μέχρι το 2026, ιδιαίτερα για τη γεωργία και την ενέργεια;

Για τη γεωργία, οι δείκτες επίμονης ισορροπίας υγρασίας — ανάπτυξη ξηρασίας, υγρασία εδάφους και υγεία βλάστησης — θα έχουν πολύ μεγαλύτερη σημασία από τα μεμονωμένα καιρικά γεγονότα. Οι ακραίες θερμοκρασίες κατά τις ευαίσθητες φάσεις ανάπτυξης θα παραμείνουν επίσης κρίσιμες.

Για την ενέργεια, η εστίαση θα είναι στις ανωμαλίες θερμοκρασίας στη ζήτηση, ιδιαίτερα τη χειμερινή μεταβλητότητα για την ανάγκη θέρμανσης και το καλοκαιρινό θερμικό στρες στα συστήματα ενέργειας. Από την πλευρά του κλίματος, οι μεγάλου εύρους ταλαντώσεις όπως το ENSO θα συνεχίσουν να επηρεάζουν τις περιφερειακές ανισορροπίες προσφοράς‑ζήτησης.

Με ποιους τρόπους η προσέγγισή σας διαφέρει από τα πιο παραδοσιακά μοντέλα πρόβλεψης εμπορευμάτων ή την τυπική ανάλυση βασισμένη στον καιρό που χρησιμοποιείται στις αγορές;

Η κύρια διαφορά είναι ότι δεν προσπαθούμε να προβλέψουμε άμεσα τις τιμές ή τον καιρό, και δεν χρησιμοποιούμε απλές προβλέψεις καιρού. Η ομάδα μας εστιάζει στην ποσοτική μοντελοποίηση του αντίκτυπου του καιρού και του κλίματος στις τιμές.

Τα παραδοσιακά μοντέλα συχνά είτε εξάγουν τις τιμές στατιστικά είτε αντιμετωπίζουν τον καιρό ως εξωτερική εξηγητική μεταβλητή με αδύναμη δομή. Η τυπική ανάλυση του καιρού, από την άλλη, τείνει να είναι περιγραφική αντί να είναι συνειδητοποιημένη στην αγορά. Η προσέγγισή μας τυποποιεί την αιτιώδη αλυσίδα μεταξύ των περιβαλλοντικών συνθηκών και του αντίκτυπου στην αγορά, μοντελοποιώντας ρητά την αβεβαιότητα, το χρονοδιάγραμμα και τη συνάφεια.

Ποιες είναι οι μεγαλύτερες προκλήσεις που αντιμετωπίζουν οι επενδυτές όταν προσπαθούν να ενσωματώσουν κλιματικά δεδομένα στη λήψη πραγματικών αποφάσεων, και πώς μπορούν να αποφύγουν τα κοινά λάθη;

Η μεγαλύτερη πρόκληση είναι ο διαχωρισμός του σήματος από το θόρυβο. Τα κλιματικά δεδομένα είναι υψηλής διάστασης, αργής κίνησης και συχνά φορτισμένα συναισθηματικά από τις αφηγήσεις των μέσων.

Τα κοινά λάθη περιλαμβάνουν την υπερπροσαρμογή σε ιστορικές συσχετίσεις, την αγνόηση χρονικών καθυστερήσεων, και την υπόθεση ότι περισσότερα δεδομένα οδηγούν αυτόματα σε καλύτερες αποφάσεις. Ένα άλλο σφάλμα είναι η αντιμετώπιση των κλιματικών τάσεων ως ντετερμινιστικές αντί για πιθανοκρατικές.

Στην πραγματικότητα, τα περισσότερα από αυτά τα προβλήματα προέρχονται από έλλειψη κατανόησης. Η ενσωμάτωση κλιματικών δεδομένων στο trading ή στη διαχείριση κινδύνου δεν είναι τόσο εύκολη. Απαιτεί σημαντικό χρόνο για να κατανοηθούν οι φυσικοί μηχανισμοί, οι περιφερειακές ιδιαιτερότητες, οι περιορισμοί των δεδομένων και, το πιο σημαντικό, πώς οι αγορές πραγματικά επεξεργάζονται αυτήν την πληροφορία. Χωρίς αυτή τη βάση, τα κλιματικά δεδομένα τείνουν να δημιουργούν ψευδή αυτοπεποίθηση αντί για καλύτερες αποφάσεις.

Η απλή πρόσληψη μετεωρολόγων μπορεί να βοηθήσει στο να κλείσει το κενό στην εξειδίκευση του καιρού, αλλά δεν λύνει το βασικό πρόβλημα: τη μετάφραση των σημάτων καιρού και κλίματος σε μετρήσιμο αντίκτυπο στην αγορά και δυναμική τιμολόγησης. Σε αυτό το σημείο, υπάρχουν ουσιαστικά μόνο δύο βιώσιμες διαδρομές. Είτε να συνεργαστείτε με ομάδες που έχουν ήδη χτίσει αυτήν τη δυνατότητα και μπορούν να παρέχουν εφαρμόσιμες γνώσεις, είτε να επενδύσετε στην δημιουργία ενός εσωτερικού τμήματος καιρού και κλίματος που συνδυάζει την εξειδίκευση της αγοράς με την περιβαλλοντική επιστήμη.

Πώς αναμένετε ότι οι μακροπρόθεσμες κλιματικές τάσεις θα αναδιαμορφώσουν δομικά τις παγκόσμιες αγορές εμπορευμάτων τα επόμενα χρόνια;

Ήδη παρατηρούμε αυξημένη μεταβλητότητα αντί για ομαλές μετατοπίσεις τάσεων. Η κλιματική αλλαγή δεν μετακινεί μόνο τους μέσους όρους, αλλά αυξάνει τη συχνότητα και τη συγκέντρωση των ακραίων φαινομένων.

Δομικά, αυτό σημαίνει αυξημένη αβεβαιότητα προσφοράς, υψηλότερα ασφάλιστρα κινδύνου και μεγαλύτερη έμφαση στην ευελιξία στην εφοδιαστική αλυσίδα και τη διαχείριση αποθεμάτων. Κάποιες περιοχές θα γίνουν λιγότερο αξιόπιστοι προμηθευτές, ενώ άλλες μπορεί να αποκτήσουν στρατηγική σημασία.

Καθώς ο κλιματικός κίνδυνος γίνεται πιο κεντρικός στα θεσμικά πλαίσια, πώς βλέπετε τα μοντέλα που βασίζονται στο κλίμα να επηρεάζουν την κατασκευή χαρτοφυλακίου, τη διαφάνεια ή την αναφορά κινδύνου;

Τα μοντέλα που βασίζονται στο κλίμα θα μεταβούν σταδιακά από ποιοτικά επιπλέον στοιχεία σε ποσοτικά εισροές κινδύνου. Στην κατασκευή χαρτοφυλακίου, μπορούν να ενημερώνουν το μέγεθος θέσεων, την έκθεση σε ακραίο κίνδυνο και τις υποθέσεις διαφοροποίησης. Στη διαφάνεια και την αναφορά, παρέχουν έναν πιο αμυντικό, βασισμένο σε σενάρια τρόπο για τη συζήτηση της κλιματικής έκθεσης χωρίς να βασίζονται σε απλές αφηγήσεις.

Με την πάροδο του χρόνου, αναμένω ότι ο κλιματικός κίνδυνος θα αντιμετωπίζεται στις αγορές εμπορευμάτων παρόμοια με τον μακροοικονομικό ή τον κίνδυνο μεταβλητότητας: όχι ως ξεχωριστή κατηγορία ESG, αλλά ως βασικό στοιχείο του κινδύνου αγοράς.

Μπορείτε να μοιραστείτε ένα παράδειγμα όπου οι γνώσεις από το μοντέλο σας βοήθησαν να προβλέψετε μια σημαντική κίνηση τιμής εμπορεύματος πριν γίνει προφανής στην ευρύτερη αγορά;

Όπως ανέφερα προηγουμένως, το φυσικό αέριο είναι ένα σαφές παράδειγμα της γνώσης του μοντέλου.

Επίσης, βλέπουμε ακόμη πιο σαφή παραδείγματα που ισχύουν για τις αγορές γεωργικών προϊόντων.

Για παράδειγμα, στην παραγωγή χυμού πορτοκαλιού στη Βραζιλία το 2023, οι δορυφορικοί δείκτες υγρασίας και βλάστησης αποκάλυψαν επίμονο στρες ξηρασίας μήνες πριν αντικατοπτριστεί στις επίσημες εκτιμήσεις αποδόσεων ή στα σχόλια της αγοράς. Οι τιμές αρχικά παρέμειναν σταθερές επειδή η ζημιά δεν ήταν ακόμη ορατή. Μόλις οι προβλέψεις παραγωγής αναθεωρήθηκαν και ακολούθησαν οι επικεφαλίδες, οι τιμές προσαρμόστηκαν γρήγορα, αλλά εκείνη τη στιγμή ο υποκείμενος κίνδυνος είχε ήδη συσσωρευτεί για εβδομάδες.

Ένα άλλο παράδειγμα είναι η παραγωγή καφέ Robusta στο Βιετνάμ το 2023‑2024. Σε αυτό το επεισόδιο, η παρατεταμένη ξηρασία και το θερμικό στρες μείωσαν σταδιακά το δυναμικό παραγωγής, ενώ η αγορά αρχικά αντιμετώπιζε την κατάσταση ως προσωρινή. Το μοντέλο κατέγραψε νωρίς τη συσσωρευτική φύση του στρες. Όταν οι απώλειες παραγωγής έγιναν αδιαμφισβήτητες, οι τιμές κινηθήκαν έντονα.

Παρόμοιο μοτίβο εμφανίστηκε στις αγορές κακάο στη Δυτική Αφρική τον Νοέμβριο του 2023, όταν οι ασυνήθιστα επίμονοι άνεμοι Harmattan δημιούργησαν έλλειψη υγρασίας και προβλήματα επικονίασης. Το φυσικό στρες ήταν εμφανές πολύ πριν την αντίδραση της αγοράς, η οποία επιταχύνθηκε μόνο όταν οι ανησυχίες για την προσφορά εισήλθαν στις κύριες αφηγήσεις.

Σε όλες αυτές τις περιπτώσεις, η βασική γνώση είναι η ίδια: το μοντέλο βοηθά στον εντοπισμό αργού, συσσωρευτικού φυσικού στρες που μεταβάλλει την ασυμμετρία του κινδύνου πολύ πριν η αγορά αντιδρά. Γι’ αυτό το λόγο ο χρονισμός και η πιθανοκρατική αξιολόγηση έχουν πολύ μεγαλύτερη σημασία από το να αντιδράμε σε επικεφαλίδες ή μεμονωμένα καιρικά γεγονότα.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν το Mind Money.