菜单
操作风险量化工具，实现基本指标法、损失分布法（LDA）及频率/严重性分布拟合（泊松、对数正态、Weibull、GPD）。实现，适用于操作风险建模教学与LDA原型验证。不适用于正式操作风险资本计算或监管报告，分布参数为示意值且未考虑相关性调整，结果仅供学习参考。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/openJiuwen-ai/agent-store --skill operational-risk命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
基于 SOC 职业分类
| name | operational-risk |
| description | 操作风险量化工具，实现基本指标法、损失分布法（LDA）及频率/严重性分布拟合（泊松、对数正态、Weibull、GPD）。实现，适用于操作风险建模教学与LDA原型验证。不适用于正式操作风险资本计算或监管报告，分布参数为示意值且未考虑相关性调整，结果仅供学习参考。 |
| version | 1.0.0 |
| author | wangyi |
操作风险量化工具，使用损失分布法（LDA）对高频低频操作风险损失事件进行建模，计算操作风险资本。
📌 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。
poisson_pmf(k, lam)泊松分布概率质量函数。 必填: k, lam
poisson_sample(lam)从泊松分布中抽样（Knuth算法）。 必填: lam
negative_binomial_sample(r, p)从负二项分布中抽样。 必填: r, p
fit_frequency_distribution(event_counts, dist_type='poisson')拟合频率分布。 必填: event_counts
lognormal_sample(mu, sigma)从对数正态分布中抽样。 必填: mu, sigma
lognormal_pdf(x, mu, sigma)对数正态分布概率密度函数。 必填: x, mu, sigma
weibull_sample(shape, scale)从 Weibull 分布中抽样。 必填: shape, scale
gpd_sample(shape, scale)从广义帕累托分布(GPD)中抽样。 必填: shape, scale
fit_severity_distribution(losses, dist_type='lognormal', threshold=None)拟合严重性分布。 必填: losses
loss_distribution_approach(frequency_params, severity_params, confidence_level=0.999, n_simulations=100000, seed=42)损失分布法计算操作风险资本。 必填: frequency_params, severity_params
operational_risk_basics(gross_income, factor=0.15)基本指标法计算操作风险资本。 必填: gross_income
python scripts/main.py \
--lam <lam> \