数据从哪里来
研究建立在公开可访问的社交网络内容、账户关系、市场讨论与可验证市场数据之上。
- 重点研究公开社交网络中的账户关系、历史讨论与 $TICKER 提及。
- 同时结合讨论热度、互动、上下文及公开市场信息，形成可复核的研究线索。
- 每一条摘要都应能回到原始内容；我们不把 AI 生成文本当作原始事实。
我们如何研究社交网络
我们使用自研的社区发现与传播研究系统，识别关系网络中的稳定群体、信息流动和有意义的变化。
- 从关系网络与公开讨论中发现相互关联的研究社区。
- 分析话题如何在不同社区之间出现、扩散或产生分歧。
- 用多重研究信号降低随意、推广和噪声内容的影响；具体模型、特征与权重不对外披露。
- 「高可信作者」全站只有一个口径：每个账号都经过带证据的逐号审核，只有被判定为可靠财经信息源的账号才计入作者数、热度与取材。审核结论有版本、会过期、人工复核优先；排序分数只影响先后，不决定资格。
历史战绩如何计算
历史战绩只使用可核验的 $TICKER 观点，并按相对大盘的超额收益衡量。
- 样本：作者公开 $TICKER 观点。样本越大越有参考价值。
- 基准：相对大盘的超额收益；跑赢市场意味着跑赢这个基准。
- 持有期：按固定交易日后衡量，并显示在作者卡片上。
- 小样本不稳定；页面会展示样本量和分布上下文。
需要知道的边界
这是研究排序工具，不是投资建议。AI 摘要应回到原文核对。
- 关注图更新可能滞后一周左右。
- 历史战绩样本可能很薄；过去表现不预测未来结果。
- 账号类型由 AI 分类，可能出错。
- 社区边界由算法划分；边缘账号可能在不同分组间移动。
- 简报和搜索答案由 AI 生成；原始帖子才是事实依据。
研究为先，低成本开放
SpikePanel 约八成精力投入社交网络与传播研究，约两成投入把研究做成易用的产品。我们的目标不是用高价订阅制造门槛，而是让更多人能以较低成本获得值得核查的社媒研究线索。付费主要用于覆盖 AI 推理与持续研究所需的基础成本；我们会持续把产品价格保持在与其提供的信息价值相称、且尽可能可及的水平。