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
- Datenbereinigung und -vorverarbeitung – Datensätze bereinigen, normalisieren und transformieren
- Regression und Diagnostik – Lineare, multiple und logistische Regression mit Diagnosetests
- Zeitreihen und Prognose – ARIMA, saisonale Dekomposition und Prognose
- Hypothesentests – t-Tests, Chi-Quadrat-Tests, ANOVA und nichtparametrische Tests
- Portfoliooptimierung – Effiziente Grenze, Sharpe-Ratio, Risikoparität
- Umfrageanalyse – Likert-Skala, Kreuztabellen, Zuverlässigkeitsanalyse (Cronbachs Alpha)
- Instrumentvariablen – 2SLS, Tests auf Endogenität und Relevanz
- Panel- und Längsschnittdaten – Fixed-Effects, Random-Effects, Hausman-Test
- Klassifikationsmodelle – Logistische Regression, Entscheidungsbäume, SVM (Grundlagen)
- Clusteranalyse – K-Means, hierarchisches Clustering, Silhouetten-Score
- Datenvisualisierung – Verteilungen, Trends, Heatmaps mit matplotlib/seaborn
- Garch-Modellierung – GARCH(1,1), Volatilitäts-Clustering, Risikometriken (VaR)
- Netzwerkanalyse – Zentralitätsmaße, Community-Erkennung, Soziogramme
- Kausalanalyse – Differenz-von-Differenzen (DiD), Matching, Causal Forest (Grundlagen)
- Bayessche Statistik – Priors, Posteriori, MCMC (PyMC3)
- Natural Language Processing (NLP) – Textvorverarbeitung, Sentiment, Themenmodellierung
- Finanzielle Risikomodellierung – Kreditrisiko, Zinsrisiko, Stresstests
- 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
- Klone dieses Repository oder kopiere die einzelnen Fähigkeiten in dein Projektverzeichnis
- Verwende
activate_skill Nero1688/claude-academic-skills(falls von deinem Agenten unterstützt) - 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.