前言¶

做风控或量化相关工作的开发者，多半遇到过这样的场景：模型公式都清楚，KMV-Merton 的违约概率、Copula 的相依结构、信用 VaR 的估计、Altman Z-Score 的判别，每一项单独实现都不难，但要把它们串成一个可复现、口径一致的流程，往往要花不少时间在参数对齐和结果核对上。

下面介绍的这个 Skill，把这些常用信用风险模型打包成了一个可直接调用的能力单元，输入标的与参数，输出对应的风险指标。适合不想重复造轮子、又需要结果可解释的场景。

这是什么¶

信用风险建模（credit-risk-zx）是一个面向通用 SKILL.md 格式的社区 Skill，由发布者 user_053d27d0 维护，当前版本 1.0.0，来源标记为 community，分类为 professional。

它解决的问题是：把信用风险建模中几类经典模型的调用方式和计算口径标准化，使用者不必再关心每个模型各自的参数命名和返回格式差异。该 Skill 不需要 API Key，标签中标明 requires_api_key=false，因此不涉及额外的鉴权配置。

核心功能¶

Skill 简介给出的能力范围是四块，分别覆盖违约概率、相依结构、组合损失和财务预警：

1、KMV-Merton 违约概率，基于 Merton 结构模型，把企业资产价值视为标的、把负债视为障碍，估计违约距离并映射为违约概率。
2、Gaussian / t / Clayton Copula 依赖结构，用于刻画多个信用敞口之间的联合违约相依关系，其中 Gaussian 对应独立或线性相关，t 与 Clayton 分别适合捕捉不同的尾部相依特征。
3、信用 VaR，在给定的置信水平下估计信用组合的潜在损失上限。
4、Altman Z-Score，用多项财务比率构成的判别分数做财务困境预警。

这四项分别对应单户违约、组合相依、组合损失和财务健康，组合起来可以覆盖一条简化的信用风险分析链路。具体可用的命令、参数和返回字段需要以 Skill 包内的 SKILL.md 为准，当前公开页面没有给出进一步的接口细节。

安装与启用¶

该 Skill 托管在 SkillHub，坐标为 @user_053d27d0/credit-risk-zx。安装方式遵循 SkillHub 的通用流程，具体命令如下：

npx skillhub add @user_053d27d0/credit-risk-zx

安装完成后，在支持 SKILL.md 的客户端中即可按名称调用。当前公开资料没有给出针对 Cursor、Codex CLI 或 Claude Code 的差异化配置说明，因此这里不额外展开。是否需要 API Key 的字段为 requires_api_key=false，即默认不需要。

典型用法¶

SkillHub 公开页面只提供了简介和元信息，没有给出可直接复现的调用示例或参数清单。因此在没有安装并查看包内 SKILL.md 之前，无法给出经过核实的输入输出示例。

建议的上手方式是：先安装，再打开包内的 SKILL.md，确认每个模型的参数命名、必需字段和返回结构，最后在自己的数据上做一次小样本试算，核对结果与手工计算或既有库是否一致。

适用场景与注意¶

适合的场景：需要快速得到信用风险指标的原型验证、教学演示，或作为更大风控链路中的一个可插拔环节。分类为 professional，说明其定位偏专业用途而非通用闲聊类工具。

需要注意的地方：

1、这是 community 来源的 Skill，发布者为个人账号 user_053d27d0，采用前应自行核对模型实现和参数口径。
2、KMV-Merton、Copula、信用 VaR 都属于对假设和参数敏感的方法，输入数据质量直接决定输出可靠性，不能把结果当作未经复核的结论直接使用。
3、Z-Score 来自特定样本和时期的判别规则，跨行业、跨时期使用时建议重新校验阈值。
4、公开页面显示安装量为 0，使用者基数小，遇到边界问题可能缺少社区反馈。

小结¶

信用风险建模 Skill 的价值在于把四类经典信用风险模型打包成统一入口，省去重复实现和口径对齐的成本，且不需要 API Key。定位偏专业用途，适合原型和可插拔环节，但作为社区来源的 Skill，采用前应自行验证实现和结果。

官方地址：https://www.skillhub.cn/skills/user_053d27d0/credit-risk-zx