CommunityRecherche & Datenanalysegithub.com

Nero1688/claude-academic-skills

Ein kuratiertes Paket mit 18 Claude-Fähigkeiten für quantitative Forschung in den Bereichen Wirtschaft, Finanzen und Sozialwissenschaften (zweisprachig 中/EN)

Was ist claude-academic-skills?

Dieses Skill-Paket, 'Nero1688/claude-academic-skills', ist eine umfassende Sammlung von 18 spezialisierten Fähigkeiten für Claude, die speziell für quantitative Forschung in den Bereichen Wirtschaft, Finanzen und Sozialwissenschaften entwickelt wurde. Es unterstützt sowohl chinesische als auch englische Anwender und bietet Werkzeuge für Datenanalyse, statistische Modellierung, ökonometrische Tests, Risikomanagement und die Erstellung von Forschungspapieren. Die Sammlung umfasst Fähigkeiten wie 'Data Cleaning & Preprocessing', 'Regression & Diagnostics', 'Time Series & Forecasting', 'Hypothesis Testing', 'Portfolio Optimization' und 'Survey Analysis', die jeweils klare Anweisungen und Best Practices für die Forschung enthalten. Entwickelt für Claude Code und ähnliche Coding-Agenten, automatisiert dieses Paket komplexe quantitative Aufgaben, reduziert manuelle Fehler und beschleunigt den Forschungsablauf. Es enthält auch Anleitungen zur Datenvisualisierung mit matplotlib/seaborn, zur Ergebnisinterpretation und zur Erstellung von technischen Berichten. Dieses Paket ist ideal für Forscher, Analysten und Studenten, die eine effiziente, KI-gestützte quantitative Analyse benötigen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add Nero1688/claude-academic-skills

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht claude-academic-skills?

Ein kuratiertes Paket mit 18 Claude-Fähigkeiten für quantitative Forschung in den Bereichen Wirtschaft, Finanzen und Sozialwissenschaften (zweisprachig 中/EN)

Überblick

Dieses Repository enthält eine Sammlung von 18 maßgeschneiderten Claude-Fähigkeiten (Skills), die für die akademische und berufliche quantitative Forschung entwickelt wurden. Jede Fähigkeit folgt einem einheitlichen Format mit Zweck, Beispielen, Workflows und Best Practices.

Enthaltene Fähigkeiten

  1. Datenbereinigung und -vorverarbeitung – Datensätze bereinigen, normalisieren und transformieren
  2. Regression und Diagnostik – Lineare, multiple und logistische Regression mit Diagnosetests
  3. Zeitreihen und Prognose – ARIMA, saisonale Dekomposition und Prognose
  4. Hypothesentests – t-Tests, Chi-Quadrat-Tests, ANOVA und nichtparametrische Tests
  5. Portfoliooptimierung – Effiziente Grenze, Sharpe-Ratio, Risikoparität
  6. Umfrageanalyse – Likert-Skala, Kreuztabellen, Zuverlässigkeitsanalyse (Cronbachs Alpha)
  7. Instrumentvariablen – 2SLS, Tests auf Endogenität und Relevanz
  8. Panel- und Längsschnittdaten – Fixed-Effects, Random-Effects, Hausman-Test
  9. Klassifikationsmodelle – Logistische Regression, Entscheidungsbäume, SVM (Grundlagen)
  10. Clusteranalyse – K-Means, hierarchisches Clustering, Silhouetten-Score
  11. Datenvisualisierung – Verteilungen, Trends, Heatmaps mit matplotlib/seaborn
  12. Garch-Modellierung – GARCH(1,1), Volatilitäts-Clustering, Risikometriken (VaR)
  13. Netzwerkanalyse – Zentralitätsmaße, Community-Erkennung, Soziogramme
  14. Kausalanalyse – Differenz-von-Differenzen (DiD), Matching, Causal Forest (Grundlagen)
  15. Bayessche Statistik – Priors, Posteriori, MCMC (PyMC3)
  16. Natural Language Processing (NLP) – Textvorverarbeitung, Sentiment, Themenmodellierung
  17. Finanzielle Risikomodellierung – Kreditrisiko, Zinsrisiko, Stresstests
  18. Bericht und Publikationsvorbereitung – LaTeX-Vorlagen, Tabellen, formaler akademischer Schreibstil

Verwendung

Voraussetzungen

  • Claude Code, Cursor, Codex oder ein anderer KI-Agent mit dynamischer Skill-Unterstützung
  • Python 3.8+ mit den Bibliotheken: pandas, numpy, scipy, statsmodels, scikit-learn, matplotlib, seaborn, yfinance (für Finanzdaten)

Skill-Aktivierung

  1. Klone dieses Repository oder kopiere die einzelnen Fähigkeiten in dein Projektverzeichnis
  2. Verwende activate_skill Nero1688/claude-academic-skills (falls von deinem Agenten unterstützt)
  3. Oder verweise auf eine bestimmte Fähigkeit, z. B.:
    /skill Nero1688/claude-academic-skills/data-cleaning
    

Workflow-Automatisierung

Jede Fähigkeit enthält einen Schritt-für-Schritt-Workflow. Verwende zum Beispiel:

# Beispiel: Datenbereinigung mit pandas
df = pd.read_csv('rohdaten.csv')
df.drop_duplicates(inplace=True)
df.fillna(df.median(), inplace=True)
print('Bereinigtes DataFrame:', df.shape)

Beitrag leisten

Füge gerne weitere Fähigkeiten hinzu oder verbessere bestehende. Reiche einfach einen Pull-Request ein!

Lizenz

MIT-Lizenz – siehe die Datei LICENSE für Details.

Verwandte Skills