Habilidades de agente de IA para descoberta de estratégias com Abel: explore ideias de mercado, analise direcionadores causais e desenvolva estratégias de investimento.
Este conjunto de habilidades capacita agentes de IA (como Claude Code, Cursor ou Codex) a realizar pesquisa de estratégias de investimento usando a plataforma Abel. Ele permite explorar ideias de mercado, analisar relações causais entre variáveis financeiras e desenvolver estratégias de investimento baseadas em causalidade. Suportado pela biblioteca Abel de causalidade, as habilidades incluem a criação de hipóteses, teste de hipóteses causais e descoberta automática de estratégias. É útil para analistas quantitativos, traders e pesquisadores que desejam automatizar o processo de descoberta de estratégias usando técnicas de inferência causal e aprendizado de máquina.
npx skills add Abel-ai-causality/abel-strategy-research-skillsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Habilidades de agente de IA para descoberta de estratégias com Abel: explore ideias de mercado, analise direcionadores causais e desenvolva estratégias de investimento.
Fonte: https://github.com/Abel-ai-causality/abel-strategy-research-skills
Enviado: 2026-06-02T10:12:28Z
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.