用途：按 IFRS 9 或 CECL（ASC 326）对金融资产进行前瞻性信用损失估计，适用于贷款损失准备、减值准备计提等场景。
主要能力：先做初始评估，判断资产分类（摊余成本、FVOCI 或 FVTPL）及阶段（Stage 1 履约、Stage 2 信用风险显著增加、Stage 3 信用减值）；再处理 PD（违约概率）、LGD（违约损失率）、EAD（违约风险敞口）与宏观经济叠加（基准、上行、下行情景及概率）。核心公式为 ECL = PD * LGD * EAD * DF，DF 为折现因子。
使用方式：按优先顺序执行——分群（按地域或产品等）、阶段分配、参数估计、情景加权、损失准备过账（生成会计分录）。技术计算分两条路径：简化法（贸易应收款）使用基于账龄区间（如 0-30 天、31-60 天）历史损失率的准备矩阵；一般法（贷款/债券）中 Stage 1 计 12 个月 ECL，Stage 2 和 3 计整个存续期 ECL。脚本 calculate.py 提供 12 个月/存续期 ECL、准备矩阵与情景加权函数，可用 python3 scripts/calculate.py 自测，也可导入函数用于实际计算。
输出：ECL 分析报告，含组合总 EAD、按阶段（1、2、3）的资产拆分、总损失准备与覆盖率（准备/EAD），以及敏感性分析（如下行情景概率上升 10% 对 ECL 的影响）。
限制：资料未提供具体收费、价格、平台支持范围或效果保证；实际参数与情景假设需由使用者依据自身数据确定。