O que alpha-skills faz?
Transforme qualquer assistente de codificação de IA em um pesquisador quantitativo para descoberta de fatores, teste alfa, rastreamento de decaimento e backtests em linguagem natural.
Transforme qualquer assistente de codificação de IA em um pesquisador quantitativo para descoberta de fatores, teste alfa, rastreamento de decaimento e backtests em linguagem natural.
Esta habilidade capacita assistentes de codificação de IA (como Claude Code, Cursor, Codex, etc.) a atuarem como pesquisadores quantitativos (quant) completos, permitindo que desenvolvedores e analistas realizem descoberta de fatores, teste alfa, rastreamento de decaimento e backtests—tudo usando linguagem natural. Em vez de escrever manualmente scripts complexos em Python ou R, o usuário pode simplesmente descrever sua intenção (ex.: 'Encontre fatores de momento com decaimento de 3 meses e execute um backtest contra o S&P 500'), e a IA gera e executa o código necessário, analisa resultados e fornece insights. A habilidade é particularmente útil para traders algorítmicos, gestores de portfólio e qualquer pessoa interessada em estratégias quantitativas, reduzindo drasticamente o tempo de iteração entre hipóteses e validação empírica. Suporta integração com APIs de dados financeiros (como Yahoo Finance, Alpha Vantage) e bibliotecas como pandas, numpy, statsmodels e backtrader, tudo orquestrado por comandos de linguagem natural.
npx skills add Greenrestlessness223/alpha-skillsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Transforme qualquer assistente de codificação de IA em um pesquisador quantitativo para descoberta de fatores, teste alfa, rastreamento de decaimento e backtests em linguagem natural.
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.