Factor mining for content — borrow the quants' methodology内容因子挖掘——借用量化的方法论
从内容预测传播力，在结构上和量化股票研究是同一个问题：目标几乎全是噪声（收益 ≈ 随机游走；传播力 ≈ 分发/运气主导），微弱信号埋在其中，过拟合风险残酷——赢家是流程最有纪律的人，不是模型最聪明的人。量化因子挖掘正是这个régime下最成熟的工具箱，几乎可以直接搬。
对应关系
| 量化 | 内容传播力 |
|---|---|
| 资产远期收益（噪声目标） | 一段时间窗内的远期互动（t+1h、t+24h） |
| 因子 / alpha = 特征 → 预测远期收益的打分 | 内容因子 = 内容特征 → 预测远期互动的打分（surprise、arousal、cost……都是候选 alpha） |
| IC（信息系数） = 每期 rank-corr(因子, 远期收益) 再平均；IC-IR = mean(IC)/std(IC) | 每期 rank-corr(内容因子, 远期互动)；其稳定性 = 稳健性 |
| 横截面排名 + 多空对冲中和市场整体波动 | 在同一时间窗/社区内给内容排名 → 中和平台整体基线 |
| 对风险因子（市值、行业、beta）做中性化 | 对混杂变量（话题、长度、作者触达、时段）中性化 → 残差 = 纯内容 alpha |
| 因子组合——许多弱、低相关因子 → 合成 | 组合 surprise/arousal/cost/novelty（W 投影就是这个） |
| alpha 衰减 / 拥挤——因子随套利消磨 | 内容战术随被抄袭消磨 |
| walk-forward / purged CV——时间序列绝不随机切分 | 用过去训练、未来检验；清除时间相邻泄漏 |
| Deflated Sharpe / 多重检验校正——按尝试次数缩水 | 符号回归试上千条公式 → 必须缩水 |
重塑设计的四个借用
- 主指标用 IC，不用 R²。 对弱信号、长尾、高噪声的目标，R² 是错误的镜头——它被离群值支配，即使因子真的排序有效也给出接近零的读数。IC（秩相关，按期计算再平均）+ IC-IR（跨期稳定性）之所以是量化标准，正因为信号弱且随régime漂移。一个稳定的 0.03 的 IC 就是真实可用的因子。
- 横截面排名 = 观察数据里的 A/B。 与其预测绝对互动量（被分发混杂到没救），不如在同一时间窗/同一社区内排名、预测相对名次。这像多空对冲减掉大盘一样减掉公共因子（平台趋势、时段、话题浪潮）——在有机数据上大规模找回 Upworthy 式干净信号的大部分好处。
- 对混杂因子做中性化。 把内容因子对已知混杂量（话题、长度、作者粉丝数、发布时间）回归，留下残差——被分发洗净的内容特有 alpha。这是对"分发主导一切"的严格观察式回答。
- 公式搜索要做 Deflated Sharpe / 多重检验校正。 符号回归 / GP 因子挖掘会评估上千条候选公式 → 总有一些纯靠运气好看。在相信任何被"发现"的定律之前，先按尝试次数缩水（Bailey & López de Prado）。这是 发现那一步缺失的护栏。
alpha 衰减是一等公民的内容现象
量化因子随拥挤/套利而衰减；内容战术随被抄袭而衰减——同一个形状。这不是比喻：它就是 rescorla-wagner（被完全预测的信号预测误差为零 → 学习为零 → 注意力为零）、先锋派/怒饵的"必须不停移动"、以及打法手册的"每季度重推导"。所以内容因子应连同衰减率一起度量，这门运营是跑步机而非一次性发现——量化基金不停挖新 alpha 也是同一个原因。
最健康的重新定调：信号，不是真理
量化的人不问因子是否为真，只问它扣除成本后样本外还能不能排序。采纳这一条，哲学门槛降低了（不需要传播力的深层定律），经验门槛抬高了（因子必须扛过 walk-forward + 缩水）。这也正合 vault 自己的审计伦理：验证工件（样本外 IC），绝不验证断言（样本内 R²）。
参考（已核验）：Kakushadze，101 Formulaic Alphas（Wilmott 2016；arXiv 1601.00991）——系统化公式因子挖掘，平均两两相关 15.9%。Bailey & López de Prado，The Deflated Sharpe Ratio（2014）与 The Probability of Backtest Overfitting（J. Computational Finance 2017）；Advances in Financial Machine Learning（López de Prado 2018）——purged/embargoed CV。
Kin: learn-the-virality-formula · experiments · rescorla-wagner（alpha 衰减 = 预测误差衰减）· regression-ci（walk-forward / holdout 纪律）· anti-mid（拥挤因子 = 中位数观点 = 死）。