Que fait skill-quant-research-replication ?
Compétence Codex pour les flux de travail de réplication de recherche quantitative.
Compétence Codex pour les flux de travail de réplication de recherche quantitative.
La compétence `quantskills/skill-quant-research-replication` est conçue pour automatiser et standardiser les flux de travail de réplication de recherche quantitative, en s'intégrant de manière transparente à l'outil Codex. Elle est particulièrement utile pour les chercheurs, data scientists et ingénieurs financiers qui travaillent sur des stratégies de trading algorithmique, des études économétriques ou l'analyse de données de marché. Cette compétence permet de reproduire fidèlement des résultats académiques ou des analyses propriétaires en suivant un pipeline structuré : acquisition des données, nettoyage, calcul des indicateurs, exécution des tests statistiques et génération de rapports. Elle prend en charge les environnements Python (via Jupyter, scripts ou bibliothèques comme pandas, numpy, statsmodels) et peut être utilisée directement dans le terminal Codex pour orchestrer des expériences reproductibles. En automatisant les étapes manuelles et en documentant chaque transformation, elle réduit les erreurs et accélère le processus de validation des modèles.
npx skills add quantskills/skill-quant-research-replicationInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Compétence Codex pour les flux de travail de réplication de recherche quantitative.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.