메뉴
条件VaR（CVaR/ES）分析工具，支持历史模拟法、参数法与蒙特卡洛法计算尾部期望损失。蒙特卡洛模拟实现，适用于风险度量教学与尾部风险分析原型验证。不适用于实盘风控或监管资本计算，模拟基于简化分布假设，结果仅供学习参考。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/openJiuwen-ai/agent-store --skill cvar-analyzer명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
SOC 직업 분류 기준
| name | cvar-analyzer |
| description | 条件VaR（CVaR/ES）分析工具，支持历史模拟法、参数法与蒙特卡洛法计算尾部期望损失。蒙特卡洛模拟实现，适用于风险度量教学与尾部风险分析原型验证。不适用于实盘风控或监管资本计算，模拟基于简化分布假设，结果仅供学习参考。 |
| version | 1.0.0 |
| author | wangyi |
条件 VaR（CVaR），又称 Expected Shortfall（ES），衡量超过 VaR 阈值后的平均损失，是尾部风险的核心度量指标。
📌 说明：本工具基于简化模型实现，仅使用 Python 标准库。结果仅供学习参考，不构成投资建议或交易依据。
norm_cdf(x)标准正态分布累积分布函数（Hart 近似）。 必填: x
norm_ppf(p)标准正态分布分位数函数（Beasley-Springer-Moro 近似）。 必填: p
norm_pdf(x)标准正态分布概率密度函数。 必填: x
cvar_historical(returns, portfolio_value, confidence_levels=None)历史模拟法计算 CVaR。 必填: returns, portfolio_value
cvar_parametric(mu, sigma, portfolio_value, confidence_levels=None, holding_period=1)参数法计算 CVaR（正态分布假设）。 必填: mu, sigma, portfolio_value
cvar_monte_carlo(mu, sigma, portfolio_value, confidence_levels=None, holding_period=1, simulations=10000, seed=42)蒙特卡洛法计算 CVaR。 必填: mu, sigma, portfolio_value
tail_risk_analysis(returns, portfolio_value)尾部风险分析。 必填: returns, portfolio_value
calculate_cvar(returns=None, portfolio_value=1000000, method='historical', confidence_levels=None, holding_period=1, mu=0.08, sigma=0.2, simulations=10000)统一 CVaR 计算接口。
python scripts/main.py \
--returns <returns> \
--portfolio-value <portfolio_value> \
--method <method> \
--confidence-levels <confidence_levels> \
--holding-period <holding_period> \
--mu <mu> \
--sigma <sigma> \
--simulations <simulations>