Investimento por Vibração com IA para NASDAQ, S&P500 e criptomoedas: ferramentas de negociação quantitativa com LLM, backtesting multi-agente e colunas de mercado orientadas a dados (arbitragem mNAV, acoplamento BTC-Nasdaq, Alpha Arena).
O 'gameworkerkim/vibe-investing' é um skill de agente de IA projetado para investidores que desejam aplicar estratégias quantitativas e análise baseada em LLM (Large Language Models) nos mercados de NASDAQ, S&P500 e criptomoedas. Ele oferece ferramentas de negociação alimentadas por IA, backtesting multi-agente e colunas de mercado orientadas a dados, como análise de arbitragem mNAV, acoplamento BTC-Nasdaq e o Alpha Arena. Suportado em plataformas como Claude Code e outros agentes de IA, o skill integra dados históricos e em tempo real para gerar insights de investimento, simulando estratégias complexas que combinam indicadores técnicos e fundamentos de mercado. A utilidade principal é permitir que investidores e desenvolvedores automatizem a análise de mercado e testem hipóteses de negociação usando múltiplos agentes de IA que colaboram entre si, reduzindo o viés humano e aumentando a eficiência na tomada de decisão. Com foco em índices americanos e criptomoedas, ele é ideal para quem busca uma abordagem inovadora e data-driven para investimentos, combinando inteligência artificial com tradições de análise quantitativa.
npx skills add gameworkerkim/vibe-investingInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Investimento por Vibração com IA para NASDAQ, S&P500 e criptomoedas: ferramentas de negociação quantitativa com LLM, backtesting multi-agente e colunas de mercado orientadas a dados (arbitragem mNAV, acoplamento BTC-Nasdaq, Alpha Arena). 미국 주식·가상화폐 AI 투자 큐레이션·칼럼·트레이딩 봇.
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.