Synthèse automatique
Détecte et analyse la décroissance de l'alpha dans les stratégies de trading à l'aide d'indicateurs statistiques.
Points forts
- Fournit des indicateurs multiples (Sharpe, IC, hit rate, capacité, régime) pour une évaluation complète.
- Permet des seuils et périodes personnalisables pour s'adapter à différentes stratégies.
- Génère des recommandations actionnables basées sur la sévérité des signaux.
Limites
- Nécessite des données de rendement historiques fiables et à fréquence régulière.
- Les seuils de sévérité (0.3, 0.6) sont arbitraires et peuvent ne pas convenir à toutes les stratégies.
- Ne détecte pas les causes sous-jacentes de la décroissance (ex: changement de régime de marché).
Utilisez cette compétence pour surveiller régulièrement la santé de vos stratégies de trading et identifier les pertes de performance avant qu'elles ne deviennent critiques.
Ne l'utilisez pas pour des stratégies avec un historique trop court (moins de 30 jours) ou dans un contexte où les données de benchmark ne sont pas disponibles.
Analyse de sécurité
SûrThe skill performs analytical computation on internal data using a Python class; it does not invoke destructive commands, external data exfiltration, or hidden payloads. No elevated permissions or dangerous tools are declared.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
/alpha-decay/alpha-decay --strategy momentum-001 --threshold 0.25 --period 90/alpha-decay --strategy mean-reversion-002 --detailedname: alpha-decay description: Detect and analyze strategy alpha decay signals argument-hint: "[--strategy id|--all|--threshold pct|--period days]"
Alpha Decay Detection
Detect and analyze alpha decay in trading strategies using statistical methods.
Usage
/alpha-decay- Check all active strategies/alpha-decay --strategy momentum-001- Analyze specific strategy/alpha-decay --threshold 0.3- Custom decay threshold/alpha-decay --period 90- Analysis period in days/alpha-decay --detailed- Show detailed decay metrics
Decay Indicators
| Indicator | Description | Warning Level | |-----------|-------------|---------------| | Sharpe Decay | Rolling Sharpe ratio decline | > 30% decline | | IC Decay | Information coefficient drop | IC < 0.02 | | Hit Rate | Win rate degradation | < 45% | | Capacity | Returns vs AUM correlation | r < -0.3 | | Regime | Regime change detection | Confidence > 0.8 |
Related Files
scripts/risk_management/strategy_analytics.py- AlphaDecayDetector classscripts/risk_management/alpha_research.py- Signal evaluationservices/risk/risk_manager.py- Strategy monitoring
Instructions
When this skill is invoked:
-
Parse arguments:
- No args: Scan all active strategies
--strategy <id>: Single strategy analysis--threshold: Custom decay threshold (default 0.3)--period: Lookback period in days (default 60)
-
Load strategy data:
- Fetch returns from database/API
- Get strategy metadata and targets
- Load benchmark/factor returns
-
Run decay detection:
from risk_management.strategy_analytics import AlphaDecayDetector detector = AlphaDecayDetector( decay_threshold=0.3, confidence_level=0.95, lookback_window=60 ) signals = detector.detect_decay(returns) -
Display decay report:
Alpha Decay Analysis ═══════════════════════════════════════════════════════════ Strategy: momentum-001 Period: Last 60 days Status: ⚠️ WARNING - Decay signals detected DECAY SIGNALS ───────────────────────────────────────────────────────── Signal Severity Confidence Description ───────────────────────────────────────────────────────── Sharpe Decay 0.65 87% Sharpe dropped 42% IC Decay 0.45 72% IC now 0.015 (was 0.04) Hit Rate 0.30 65% Win rate 43% (target 52%) METRICS COMPARISON ───────────────────────────────────────────────────────── Metric Current Historical Change ───────────────────────────────────────────────────────── Sharpe Ratio 0.85 1.45 -41% IC Mean 0.015 0.042 -64% Hit Rate 43% 52% -17% Avg Return 0.02% 0.08% -75% RECOMMENDATIONS ───────────────────────────────────────────────────────── 1. Review regime indicators - potential regime change 2. Check for crowding in signal factors 3. Validate data inputs for drift 4. Consider reducing position sizing by 50% -
For
--detailed:- Rolling IC time series
- Distribution shift analysis
- Factor exposure changes
- Correlation regime changes
-
Severity thresholds:
- ACTIVE: No decay (severity < 0.3)
- WARNING: Moderate decay (0.3 <= severity < 0.6)
- CRITICAL: Severe decay (severity >= 0.6)
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/alpha-decay-detection-mm78noe8' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/alpha-decay-detection-mm78noe8/download' --output '.skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md.part' && mv '.skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md.part' '.skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md' && test -s '.skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/alpha-decay' && cp -R '.skill-downloads/alpha-decay-detection-mm78noe8' '.claude/skills/alpha-decay'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/alpha-decay-detection-mm78noe8'openskills read 'alpha-decay-detection-mm78noe8'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/alpha-decay-detection-mm78noe8/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.