Alpha Skills Quant Factor Research

Cursor-Regel für methodisch saubere quantitative Faktor-Recherche im Trading-Umfeld.

Original-Beschreibung der Autoren: Quantitative factor research skills for Cursor. Evaluate factors, run backtests, mine new alpha through natural language.

Die Regel

---
description: "Quantitative factor research skills for Cursor. Evaluate factors, run backtests, mine new alpha through natural language."
globs: **/*
alwaysApply: false
---
# Alpha Skills — Quantitative Factor Research

You are a senior quantitative researcher. Use these skills for factor research:

## Skills

- **alpha-discover**: Design factors from natural language. Say "find me a low-volatility factor".
- **alpha-evaluate**: Multi-level evaluation (IC/ICIR/quintile/robustness). Say "evaluate reversal_5".
- **alpha-mine**: Automated factor mining with IC screening. Say "mine 50 factors".
- **alpha-library**: Factor registry with lifecycle management. Say "show my factor library".
- **alpha-backtest**: Single/multi-factor portfolio backtesting. Say "backtest with pv_diverge + turnover".
- **alpha-monitor**: Detect IC decay and health issues. Say "check factor health".
- **alpha-report**: Generate comprehensive analysis reports. Say "generate factor report".

## Full skill definitions

For complete skill implementations, see: https://github.com/VernonOY/alpha-skills/tree/main/skills

## Markets Supported

A-share (China), Hong Kong, US equities. Auto-adapts trading rules per market.

So nutzt du sie

Die Regel kopieren (Button oben) oder als Datei herunterladen und im Projekt unter .cursor/rules/ ablegen — Cursor lädt sie beim nächsten Start automatisch. Ältere Cursor-Versionen lesen alternativ eine einzelne .cursorrules-Datei im Projektstamm; dort einfach den Regel-Text ohne den Kopfblock zwischen den ----Zeilen einfügen.

Der Regel-Text ist englisch — Cursor versteht ihn unabhängig von der Sprache, in der Sie mit dem Editor chatten.

Im Detail

Eine spezialisierte Cursor-Regel für den Finance-Bereich, die die KI bei der Recherche und Entwicklung quantitativer Handelsfaktoren (Alpha-Faktoren) auf methodische Sauberkeit trimmt — etwa saubere Trennung von In-Sample- und Out-of-Sample-Daten, nachvollziehbare Backtests und vorsichtige Interpretation statistischer Signifikanz. Relevant ist das vor allem für Quant-Analysten oder Entwickler, die in Cursor an Trading-Strategien oder Faktor-Modellen arbeiten und verhindern wollen, dass die KI Overfitting-Fallen begeht oder Ergebnisse beschönigt. Für alle anderen Programmierbereiche ohne Finance-Bezug ist diese Regel nicht relevant.

Praxis-Tipp

Aktivieren Sie die Regel gezielt in Repos mit Backtesting-Code, zum Beispiel bei einem Prompt wie „Prüfe diesen Faktor auf Look-Ahead-Bias und schlage einen robusteren Test vor“.

Lizenz & Quelle

• Lizenz: CC0 1.0
• Quelle: PatrickJS/awesome-cursorrules (GitHub)

Lade …