Sovereign Debt Contagion & Geopolitical Risk

主权债务传染与地缘政治 MCP 服务

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "sovereign-debt-contagion-geopolitical-mcp": {
      "url": "https://ryanclinton--sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp"
    }
  }
}

---

主权债务传染建模与地缘政治风险分析现已整合为一个 MCP 服务，供你的 AI Agent 直接调用。该服务为 Claude、Cursor 及任何兼容 MCP 的客户端提供 8 种量化金融工具，可融合来自 18 个国际来源的实时数据——包括 IMF、World Bank、OECD、Eurostat、FRED、BLS、UN COMTRADE、汇率数据源、CoinGecko、OFAC、OpenSanctions、Interpol、World Bank Projects、Grants.gov、USAspending 和 GDACS——并构建机构级主权风险模型。由此可实现从原始宏观经济数据到危机概率评分、传染链、临界点检测和地缘政治立场图谱的全自动分析流程。

该服务实现了七种不同的量化算法：用于网络结构分析的 4 阶张量 CP 分解、耦合主权债务随机微分方程的 Euler-Maruyama 蒙特卡洛模拟、基于 Jacobian 的分岔分析、采用 HHI 加权的商品脆弱性分析及 95 百分位 VaR、通过 Hamilton 滤波器进行的马尔可夫切换货币危机检测、经过修改的 IMF 储备充足性评估指标，以及通过 SVD 进行的潜在空间理想点估计，用于分析地缘政治定位。每种工具都会并行运行相关数据采集 Actor，基于实时数据校准模型，并在数秒内返回结构化分析结果。

可以访问哪些数据？

数据点	来源	示例值
📊 债务占 GDP 比率、增长率、利率	IMF 世界经济展望	阿根廷：债务/GDP 为 89.4%
🌐 发展指标、治理评分	World Bank	GR 治理百分位：61.2
📈 国际经济统计数据	OECD	德国初级财政余额：GDP 的 +1.2%
🇪🇺 欧盟财政与货币统计数据	Eurostat	IT 一般政府债务：144.7%
🏦 美国货币指标（FEDFUNDS、GDP、GFDEBTN）	FRED	联邦基金利率：5.33%
👷 CPI 与失业率时间序列	BLS	美国 CPI：3.2%，失业率：3.7%
🚢 按商品划分的双边贸易流量	UN COMTRADE	美中货物贸易：5,750 亿美元
💱 实时外汇汇率	汇率跟踪器	USD/ARS：839.5
📉 历史外汇时间序列	汇率历史数据	TRY 12 个月贬值：38%
🏛️ ECB 参考汇率（EUR/主要货币对）	ECB 汇率	EUR/USD：1.0847
₿ 加密货币价格与交易量	CoinGecko	BTC 交易量飙升：+240%（VE）
🚫 OFAC 制裁名单与受封锁实体	OFAC	RU 主权实体：412 个
🌍 全球制裁与 PEP 登记信息	OpenSanctions	CN 国有实体：89 条记录
🔴 Interpol 红色通报与在逃人员	Interpol	有效通报：7,241 条
🏗️ World Bank 开发项目援助	World Bank Projects	EG 承诺资金：21 亿美元
💰 美国联邦拨款（对外援助）	Grants.gov	USAID 资助项目：1,847 个
🇺🇸 联邦支出与对外援助	USAspending	FY24 对外援助：620 亿美元
🌊 全球灾害警报与风险事件	GDACS	PK 洪水严重程度：橙色

MCP 工具

工具	算法	最适用于	大致费用
build_sovereign_exposure_network	4 阶张量 CP 分解（ALS）	初始网络构建；模拟的前置步骤	$0.05/次调用
simulate_debt_crisis_cascade	Euler-Maruyama 耦合 SDE 蒙特卡洛（最多 10,000 条路径）	违约概率、传染链、系统性风险评分	$0.055/次调用
detect_bifurcation_points	通过幂迭代计算雅可比矩阵特征值；鞍结/Hopf/跨临界分类	临界点临近程度、参数敏感性	$0.05/次调用
compute_commodity_vulnerability	出口商品组合的 HHI × 95 分位 VaR，并按商品出口额/GDP 缩放	荷兰病、资源诅咒、商品冲击风险敞口	$0.045/次调用
detect_currency_crisis_signal	马尔可夫切换双状态模型（Hamilton 滤波器）；EMP 指数	货币危机预警、资本外逃检测	$0.045/次调用
assess_reserve_adequacy	根据危机概率和地缘政治立场调整的 IMF ARA 修正版	IMF 风格的储备缓冲评估	$0.04/次调用
map_geopolitical_alignment	通过 SVD 进行潜在空间理想点估计（DW-NOMINATE 风格）	阵营划分、地缘政治距离矩阵	$0.05/次调用
generate_sovereign_risk_report	包含综合风险评分和建议的完整 7 种算法流程	投资组合压力测试、全面的主权评估	$0.05/次调用

为什么使用 Sovereign Debt Contagion & Geopolitical MCP Server？

手动构建主权风险模型，意味着要从十几个国际数据库中收集数据、统一货币和时间周期、编写 SDE 离散化代码、实现张量分解并解读分岔图。量化分析师需要数周才能完成这样的项目，而且还需要 Bloomberg Terminal 或 Refinitiv 许可证，每年费用高达 $20,000-30,000。

这个 MCP 服务将这些工作一并省去。AI Agent 只需调用一个工具，服务就会从 18 个公开来源并行获取最新数据，运行校准后的模型，并返回结构化分析结果。无需寻找数据。无需实现数值方法。无需订阅。

• 定时任务 — 通过 Apify 内置的任务调度器，每天或每周监控国家投资组合的主权风险
• API 访问 — 通过 Python、JavaScript 或任何兼容 MCP 的客户端（包括 Claude 和 Cursor）触发服务
• 并行数据收集 — 所有 18 个 actor 同时运行；数据收集总耗时取决于最慢的单个来源，而非所有来源耗时之和
• 监控 — 通过 Apify 的通知系统配置 Slack 或电子邮件提醒，以便在运行失败时收到通知
• 集成 — 将结果连接到 Zapier、Make、Google Sheets 或 Webhook，构建下游报告工作流

功能

• 四阶张量网络构建 — 从 18 个来源构建 T[creditor][debtor][exposure_type][time]，通过交替最小二乘 CP 分解（T ≈ Σ_r λ_r · a_r ⊗ b_r ⊗ c_r ⊗ d_r）进行分解，以揭示潜在的交叉风险敞口结构
• 带传染冲击的 Euler-Maruyama 蒙特卡洛模拟 — 对耦合 SDE 系统 dd(t) = (r(t) − g(t))d(t)dt + pb(t)dt + σ_d·d(t)·dW(t) 进行离散化，最多运行 10,000 条路径；当国家 j 超过困境阈值时，向债权国 i 注入传染冲击 r_i += exposure_ij × severity_j
• 分岔分类 — 计算当前不动点处的 Jacobian，通过幂迭代找出主导特征值，然后扫描利差参数以定位临界点，并将其分类为鞍结分岔、Hopf 分岔或跨临界分岔
• HHI × VaR 商品脆弱性 — 将商品出口组合的赫芬达尔-赫希曼指数乘以特定商品的第 95 百分位对数正态 VaR，并按商品出口占 GDP 的比例缩放；输出四个风险等级（LOW / MEDIUM / HIGH / CRITICAL）
• 马尔可夫切换货币危机检测 — 使用 Hamilton 前向递推的双状态模型；结合汇率市场压力指数 EMP = Δe/e − (σ_e/σ_r)(ΔR/R) + (σ_e/σ_i)Δi；将加密货币成交量激增作为辅助资本外逃指标；当 P(crisis) > 0.70 时标记为危机
• 修正后的 IMF ARA 储备充足性指标 — RA = reserves / (0.3×STD + 0.2×portfolio + 0.1×M2 + 0.1×exports)；根据当前危机概率和地缘政治立场得分进行调整，该得分根据与主要储备货币发行国的潜在空间邻近度得出
• 潜在空间地缘政治立场 — 对国家特征矩阵（贸易流、制裁共现、援助关系）进行 SVD，并通过幂迭代和消元计算，得出类似 DW-NOMINATE 的低维理想点估计；将国家划分为 US_ALIGNED、EU_ALIGNED、CN_ALIGNED 或 NON_ALIGNED 阵营
• 综合主权风险报告 — 整合全部 7 种算法，生成单一的 overallSystemicRisk 总分（0-1）、字母等级（A-F）、风险因素排名和可执行建议
• 带种子的确定性数值计算 — 使用以国家标识符为种子的 Mulberry32 PRNG；输入相同时，多次运行的结果可复现
• 支出限额执行 — 每个工具在执行前都会检查 Actor.charge()；达到运行预算时会优雅停止
• 18 个 Actor 并行编排 — runActorsParallel() 通过 Promise.all() 发起所有 Actor 调用；单个 Actor 调用失败时返回空数组，不会导致整个管道崩溃

主权债务传染分析的用例

主权风险投资组合压力测试

持有新兴市场主权债券的固定收益投资组合经理需要量化相关违约风险。此工具针对自定义国家组合运行蒙特卡洛 SDE 模拟，返回各国违约概率、预期违约时间，以及在投资组合中传播困境的具体传染链。

临界点与系统脆弱性检测

为政策制定者或机构客户提供建议的宏观风险分析师，需要了解主权体系距离级联失效还有多远。分岔工具计算当前系统状态下的 Jacobian 特征值，并扫描参数空间，定位将使系统从稳定均衡转变为危机均衡的确切利差或增长冲击。

商品依赖型经济体评估

评估资源丰富国家的主权信用分析师和发展金融机构，需要量化其对商品价格冲击的风险敞口。HHI × VaR 脆弱性工具可识别荷兰病风险、资源诅咒动态，以及最可能造成严重破坏的单一商品冲击。

货币危机预警

监测新兴市场外汇稳定性的央行研究部门和国际金融机构，可使用马尔可夫切换货币工具实时跟踪制度转换概率，并将外汇市场压力指数与作为资本外逃代理指标的加密货币交易量结合起来。

地缘政治结盟与制裁风险敞口图谱

管理国家风险敞口的地缘政治风险咨询机构和企业资金管理团队，需要了解外交结盟如何影响主权韧性。基于 SVD 的理想点工具可将各国置于二维地缘政治潜在空间中，划分阵营成员身份并计算孤立度评分，直接用于调整储备充足性。

投资与贷款的国家风险尽职调查

开展国家风险尽职调查的开发银行、出口信贷机构和跨境贷款方，可运行完整的 generate_sovereign_risk_report 工具，以获取综合系统性风险评分、风险等级和排序后的建议，涵盖债务动态、货币风险、大宗商品风险敞口、储备缓冲和地缘政治定位，一次调用即可完成。

如何连接此 MCP 服务

该服务以 Apify Standby 模式运行，并在 /mcp 提供 MCP 端点。连接一次后，AI Agent 即可按需调用全部 8 个工具。

第 1 步：获取 Apify API 令牌

前往 Apify 控制台 > 设置 > 集成，复制你的 API 令牌。

第 2 步：添加到 MCP 客户端

Claude Desktop — 添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "sovereign-debt-contagion-geopolitical": {
      "url": "https://sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor — 添加到 Cursor MCP 设置：

{
  "mcpServers": {
    "sovereign-debt-contagion-geopolitical": {
      "url": "https://sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

其他 MCP 客户端 — 使用 URL https://sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp，并在 Authorization: Bearer 标头中提供令牌。

第 3 步：运行首次分析

向 AI Agent 提问：“使用主权债务传染 MCP 服务，分析希腊、意大利和阿根廷的主权债务传染风险” — Agent 将依次调用 build_sovereign_exposure_network 和 simulate_debt_crisis_cascade，并返回结构化结果。

MCP 工具参数

build_sovereign_exposure_network

参数	类型	必填	默认值	说明
countries	string[]	是	—	ISO 国家代码（例如 ["GR", "IT", "AR", "TR"]）
query	string	否	countries joined	经济数据的附加搜索查询
tensor_rank	number	否	5	CP 分解的秩 R；值越高，捕获的潜在结构越多（1-10）

simulate_debt_crisis_cascade

参数	类型	必填	默认值	说明
countries	string[]	是	—	要模拟的 ISO 国家代码
query	string	否	countries joined	用于校准的经济数据查询
time_horizon	number	否	10	模拟时长，以年为单位
monte_carlo_paths	number	否	10000	蒙特卡洛路径数量（最多 10,000）
critical_debt_pct	number	否	150	违约的债务占 GDP 比率阈值（%）
distress_threshold_pct	number	否	100	触发传染冲击的债务占 GDP 比率阈值（%）

detect_bifurcation_points

参数	类型	必填	默认值	说明
countries	string[]	是	—	要分析的 ISO 国家代码
query	string	否	countries joined	用于系统校准的经济数据查询

compute_commodity_vulnerability

参数	类型	必填	默认值	说明
countries	string[]	是	—	要分析的 ISO 国家代码
query	string	否	auto-generated	贸易数据查询（例如 "oil copper exports"）

detect_currency_crisis_signal

参数	类型	必填	默认值	描述
countries	string[]	是	—	要监测的 ISO 国家代码
query	string	否	countries joined	其他外汇数据查询

assess_reserve_adequacy

参数	类型	必填	默认值	描述
countries	string[]	是	—	要评估的 ISO 国家代码
query	string	否	countries joined	其他数据查询

map_geopolitical_alignment

参数	类型	必填	默认值	描述
countries	string[]	是	—	要映射的 ISO 国家代码
query	string	否	countries joined	其他数据查询

generate_sovereign_risk_report

参数	类型	必填	默认值	描述
countries	string[]	是	—	用于综合评估的 ISO 国家代码
query	string	否	countries joined	用于校准的其他数据查询
time_horizon	number	否	10	SDE 模拟年限
monte_carlo_paths	number	否	5000	Monte Carlo 路径数（最多 10,000）
critical_debt_pct	number	否	150	默认阈值（债务占 GDP 的百分比）

参数提示

• 从 3-6 个国家开始 — 聚焦的国家集合最便于解读网络分析；增加国家数量会按比例增加成本和运行时间
• 将 monte_carlo_paths 降至 1,000-2,000 进行探索性运行；最终风险估算或监管报告使用 10,000
• 将 distress_threshold_pct 设为低于 critical_debt_pct — 困境阈值会触发传染扩散；临界阈值会触发违约
• 添加具体的 query 进行情景分析（例如 "debt restructuring default 2024"），以便聚焦从底层参与方获取的数据

输出示例

generate_sovereign_risk_report 对国家 ["GR", "IT", "AR"] 的输出：

{
  "overallSystemicRisk": 0.72,
  "riskGrade": "C",
  "topRisks": [
    "Argentina default probability exceeds 60% within 5-year horizon",
    "Italy debt-to-GDP trajectory unsustainable under base interest rate scenario",
    "Cross-exposure contagion chain: AR → GR via multilateral creditor linkages",
    "Currency crisis probability elevated for ARS (P=0.84) and TRY (P=0.71)",
    "Greece reserve adequacy MARGINAL after crisis-probability adjustment"
  ],
  "recommendations": [
    "Reduce gross AR sovereign exposure; current contagion weight to GR is 0.23",
    "Monitor ECB rate path for IT bifurcation proximity (margin to tipping: 0.18)",
    "Argentina commodity HHI=0.61 (soy-dominant): hedge commodity price tail risk",
    "Greece geopolitical alignment score 0.78 (EU_ALIGNED) supports ARA adjustment"
  ],
  "networkSummary": {
    "countries": 3,
    "edges": 47,
    "tensorRank": 5
  },
  "crisisCascadeSummary": {
    "systemicRisk": 0.69,
    "defaultProbabilities": {
      "AR": 0.63,
      "IT": 0.18,
      "GR": 0.24
    },
    "contagionChains": 4
  },
  "bifurcationSummary": {
    "systemStable": false,
    "tippingPointCount": 2,
    "nearestTippingPoint": {
      "parameter": "interest_rate_spread_IT",
      "criticalValue": 4.8,
      "currentValue": 4.62,
      "marginToTipping": 0.18,
      "type": "saddle_node",
      "affectedCountries": ["IT", "GR"]
    }
  },
  "commoditySummary": {
    "systemicRisk": 0.41,
    "criticalCountries": 1
  },
  "currencySummary": {
    "systemicRisk": 0.58,
    "countriesInCrisis": 1
  },
  "reserveSummary": {
    "systemicRisk": 0.39,
    "inadequateCountries": 1
  },
  "geopoliticalSummary": {
    "blocs": [
      { "name": "EU_ALIGNED", "members": ["GR", "IT"] },
      { "name": "NON_ALIGNED", "members": ["AR"] }
    ],
    "svdExplainedVariance": [0.44, 0.22, 0.11]
  }
}

输出字段

generate_sovereign_risk_report

字段	类型	描述
overallSystemicRisk	number (0-1)	综合所有 7 种算法得出的系统性风险评分
riskGrade	string (A-F)	根据综合风险评分得出的字母等级
topRisks	string[]	按重要性排序的主要风险因素列表
recommendations	string[]	可执行的建议，并包含具体参数引用
networkSummary.countries	number	风险敞口网络中的主权节点数量
networkSummary.edges	number	检测到的双边风险敞口边数量
networkSummary.tensorRank	number	CP 分解使用的有效秩
crisisCascadeSummary.systemicRisk	number (0-1)	SDE 模拟得出的蒙特卡洛系统性风险
crisisCascadeSummary.defaultProbabilities	object	各国 10 年违约概率
crisisCascadeSummary.contagionChains	number	识别出的传染传播链数量
bifurcationSummary.systemStable	boolean	当前系统状态是否处于稳定平衡
bifurcationSummary.tippingPointCount	number	检测到的分岔点数量
bifurcationSummary.nearestTippingPoint	object	最近的分岔点：参数、临界值、边际和类型
commoditySummary.systemicRisk	number (0-1)	大宗商品总体脆弱性评分
commoditySummary.criticalCountries	number	大宗商品脆弱性等级为 CRITICAL 的国家数量
currencySummary.systemicRisk	number (0-1)	汇率危机总体风险
currencySummary.countriesInCrisis	number	Markov-switching 模型将状态判定为 CRISIS 的国家数量
reserveSummary.systemicRisk	number (0-1)	总体储备不足风险
reserveSummary.inadequateCountries	number	按修订版 ARA 评级为 INADEQUATE 或 CRITICAL 的国家数量
geopoliticalSummary.blocs	object[]	阵营分配：名称及成员国列表
geopoliticalSummary.svdExplainedVariance	number[]	前 3 个 SVD 分量解释的方差

simulate_debt_crisis_cascade

字段	类型	描述
systemicRisk	number (0-1)	至少发生一次违约的蒙特卡洛路径占比
defaultProbabilities	object	模拟得出的各国经验违约概率
expectedDefaultTime	object	各国平均违约时间（年）；若未违约则为 null
contagionChains	object[]	{trigger, affected[], severity} — 按严重程度排序的链
monteCarloRuns	number	实际模拟的路径数量
timeHorizon	number	模拟时间跨度（年）

detect_bifurcation_points

字段	类型	描述
systemStable	boolean	若所有特征值的实部均为负，则为 True
bifurcations[].parameter	string	分岔处的参数（例如 interest_rate_spread_IT）
bifurcations[].marginToTipping	number	当前值到临界值的距离
bifurcations[].type	string	saddle_node、hopf、transcritical 或 pitchfork
stabilityRegions[].marginToInstability	number	特征值到不稳定边界的距离

compute_commodity_vulnerability

字段	类型	描述
vulnerabilities[].hhi	number (0-1)	出口商品组合的赫芬达尔-赫希曼指数
vulnerabilities[].topCommodity	string	主要出口商品及其出口占比
vulnerabilities[].var95	number	根据大宗商品价格波动率计算的 95 百分位 VaR
vulnerabilities[].vulnerability	number	综合指标：HHI × VaR × 大宗商品出口额/GDP
vulnerabilities[].riskTier	string	LOW、MEDIUM、HIGH 或 CRITICAL

detect_currency_crisis_signal

字段	类型	描述
signals[].currentRegime	字符串	STABLE 或 CRISIS
signals[].crisisProbability	数字（0-1）	Hamilton 滤波器预测的危机状态概率
signals[].empIndex	数字	外汇市场压力指数值
signals[].cryptoVolumeSpike	数字	加密货币交易量相较于基准值的变化（资本外逃的代理指标）
signals[].signalStrength	数字（0-1）	总体信号置信度
regimeTransitions[].transitionProb	数字	从当前状态转变的概率

assess_reserve_adequacy

字段	类型	描述
assessments[].araMetric	数字	IMF ARA 原始比率
assessments[].crisisAdjusted	数字	根据当前危机概率调整后的 ARA
assessments[].allianceAdjusted	数字	根据地缘政治联盟一致性调整后的 ARA
assessments[].adequacy	字符串	ADEQUATE、MARGINAL、INADEQUATE 或 CRITICAL

map_geopolitical_alignment

字段	类型	描述
positions[].alignmentToUS	数字（0-1）	在潜在空间中与美国理想点的余弦相似度
positions[].alignmentToEU	数字（0-1）	与 EU 质心的余弦相似度
positions[].alignmentToCN	数字（0-1）	与中国理想点的余弦相似度
positions[].bloc	字符串	US_ALIGNED、EU_ALIGNED、CN_ALIGNED 或 NON_ALIGNED
positions[].isolationScore	数字（0-1）	与所有主要阵营的距离
distanceMatrix	对象	所有国家之间的成对地缘政治距离
svdExplainedVariance	数字[]	每个 SVD 维度解释的方差

主权债务传染分析的运行成本是多少？

此 MCP 服务采用按事件付费定价——按工具调用次数付费。底层 Actor 获取实时数据所产生的费用，按 Apify 标准计算费率另行收取。每次工具调用的典型总成本为：MCP 事件费用 $0.04-$0.055，外加 $0.50-$3.00 的 Actor 计算费用，具体取决于涉及的国家和数据源数量。

场景	工具	MCP 事件费用	预计 Actor 计算费用	总计
快速商品检查（3 个国家）	compute_commodity_vulnerability	$0.045	~$0.40	~$0.45
货币危机信号（5 个国家）	detect_currency_crisis_signal	$0.045	~$0.60	~$0.65
外汇储备充足性（5 个国家）	assess_reserve_adequacy	$0.040	~$0.80	~$0.84
地缘政治一致性（8 个国家）	map_geopolitical_alignment	$0.050	~$0.90	~$0.95
分化分析（5 个国家）	detect_bifurcation_points	$0.050	~$1.20	~$1.25
危机级联模拟（5 个国家）	simulate_debt_crisis_cascade	$0.055	~$1.50	~$1.55
完整风险敞口网络（8 个国家）	build_sovereign_exposure_network	$0.050	~$2.00	~$2.05
完整主权风险报告（5 个国家）	generate_sovereign_risk_report	$0.050	~$3.00	~$3.05

你可以在 Apify Console 中为每次运行设置最高支出限额以控制成本。服务会妥善执行限额——如果会话中途达到预算上限，工具会返回结构化错误，而不会崩溃。

与每年收费 $20,000-$30,000 的 Bloomberg DLIB 或 Refinitiv 主权风险模块相比，成本更低。该服务的大多数用户每月花费 $20-$80，用于定期主权风险监控工作流。

主权债务传染与地缘政治 MCP 服务的工作原理

阶段 1：从 18 个来源并行收集数据

每次工具调用都会从 runActorsParallel() 开始，通过 Promise.all() 同时触发所有相关的 Actor 调用。每次调用的超时时间为 180 秒（完整报告为 240 秒）。单个 Actor 调用失败时会返回空数组，而不会向外传播错误——即使个别来源暂时无法访问，整个流程仍会使用可用数据完成。完整的网络和风险报告工具会并行调用全部 18 个 Actor：IMF、World Bank、OECD、Eurostat、FRED、BLS、UN COMTRADE、汇率跟踪器、汇率历史记录、ECB 利率、CoinGecko、OFAC、OpenSanctions、Interpol、World Bank Projects、Grants.gov、USAspending 和 GDACS。

阶段 2：构建主权网络并进行张量分解

buildSovereignNetwork() 会摄取全部 18 个结果数组，并根据 IMF/World Bank/OECD 数据构建 SovereignNode 对象（提取债务占 GDP 比率、利率、GDP 增长、初级收支、外汇波动率、储备、短期债务、M2、出口和商品出口）。它会根据贸易、制裁和援助数据构建 ExposureEdge 对象，然后构造 4 阶张量 T[creditor][debtor][exposure_type][time]——其中时间表示为 4 个季度快照，并使用指数衰减加权（e^{-0.05q}）。通过 ALS 进行的 CP 分解最多迭代 100 次，容差为 1e-6，最终生成债权方、债务方、风险敞口类型和时间因子矩阵，以及分量权重 λ_r；该分解会收敛并识别仅凭双边数据无法发现的潜在跨敞口结构。

阶段 3：执行算法

根据调用的工具，scoring.ts 会针对构建好的网络运行七种算法中的一种或多种：

• SDE 模拟：使用 Euler-Maruyama 时间步长离散化各国的债务动态；跨越困境阈值时会传播传染性冲击；以国家标识符哈希作为种子生成 Mulberry32 伪随机数，以确保结果可复现
• 分岔分析：在当前不动点计算 N×N 雅可比矩阵（∂f_i/∂d_j）；通过带消元的幂迭代求得主导特征值；对利差进行一维参数扫描以定位符号变化；根据特征值虚部判定分岔类型
• 商品脆弱性：将 UN COMTRADE 数据映射到商品类别；HHI = Σ(share_i²)；使用特定商品的波动率计算 95% 分位数下的对数正态 VaR；再按商品出口占 GDP 的比例缩放
• 马尔可夫切换：Hamilton 滤波器前向递归 P(s_t=k|r_{1:t}) ∝ f(r_t|s_t=k) × P(s_t=k|r_{1:t-1})；设置两个具有不同 mu 和 sigma 的状态；计算 EMP 指数；叠加加密货币交易量作为资本外逃指标
• 地缘政治阵营倾向：根据贸易、制裁和援助数据构建国家特征矩阵；通过幂迭代和消元进行 SVD；根据与锚定国家（US、DE、CN）的余弦相似度分配阵营成员身份

阶段 4：汇总综合报告

computeSovereignRiskReport() 会为七个风险维度加权（级联 30%、分岔 25%、货币 15%、商品 15%、储备 10%、地缘政治 5%），得出 overallSystemicRisk，将其转换为字母等级，并通过对所有维度的风险因素排序，生成排名后的 topRisks 和 recommendations。

获得最佳结果的提示

1. 探索性工作请从 build_sovereign_exposure_network 开始。 网络输出会告诉你哪些双边敞口最为重要，让你在投入成本更高的级联模拟之前做出判断。

2. 针对临界点工作流，请先运行 detect_bifurcation_points，再运行 simulate_debt_crisis_cascade。 分岔分析运行速度更快，可在投入 10,000 条路径的蒙特卡洛模拟之前，告诉你是否接近机制转变。

3. 比较储备充足度中的 allianceAdjusted 和 araMetric 字段。 原始 ARA 与联盟调整后得分之间的较大差距，表明地缘政治孤立才是制约储备充足度的关键因素，而非原始储备水平。

4. 按方向解读 contagionChains。 每条链都有一个 trigger（首个违约的国家）和 affected[]（下游传染路径）。按 severity 排序，以确定应优先降低敞口的对象。

5. 将地缘政治潜在空间 distanceMatrix 与储备充足度结果交叉对照。 与 USD、EUR 和 CNY 发行方的地缘政治距离较大的国家，其 ARA 得分会被扣减——这是将地缘政治风险与流动性风险联系起来的正式机制。

6. 小型国家集合（3–5 个国家）使用 tensor_rank: 3， 较大的集合使用 tensor_rank: 5-7。相对于国家数量设置过高的张量秩会产生噪声，而非有效信号。

7. 对于定期监测，请添加包含当前年份和具体风险背景的 query 参数（例如 "sovereign debt restructuring 2026 EM"），以便将底层数据提取聚焦于近期最相关的出版物。

8. 原型开发期间设置 monte_carlo_paths: 1000。 与默认的 10,000 条路径相比，这可将运行时间和成本降低 10 倍，同时仍能提供方向上准确的风险排序。最终交付时请使用完整的 10,000 条路径。

与其他 Apify Actors 结合使用

Actor	组合方式
IMF Economic Data	将原始 IMF WEO 和 Article IV 数据作为独立步骤提取；运行 MCP 服务前，使用结果校准 SDE 参数
World Bank Indicators	提取细粒度的发展和治理指标，用于补充或验证由 build_sovereign_exposure_network 构建的国家节点属性
OFAC Sanctions Search	在批准跨境交易前，对通过地缘政治 alignment 工具识别的交易对手进行有针对性的制裁筛查
OpenSanctions Search	将主权风险报告中的实体与全球制裁和 PEP 登记簿交叉对照，开展合规尽职调查
UN COMTRADE Search	提取 HS-6 商品级别的详细双边贸易流数据，为商品脆弱性分析补充更高分辨率的数据
FRED Economic Data	提取长期美国货币政策序列（FEDFUNDS、GFDEBTN），在其他利率情景下对 SDE 模型进行压力测试
GDACS Disaster Alerts	监测会增加主权压力敞口的灾害事件——对小型开放经济体和易受气候影响的主权国家尤其相关

局限性

• 不包含机密的双边风险敞口数据 — 张量网络基于 IMF、World Bank 和 OECD 的公开数据构建；未纳入 BIS 机密数据中的实际跨境银行风险敞口，因此双边关联是根据贸易和援助代理指标估算的，而非基于直接金融债权
• Euler-Maruyama 近似误差 — 连续时间 SDE 的离散化会引入依赖步长的数值误差；默认时间步长为 0.1 年；结果是近似值，并非精确解
• 两状态 Markov 切换模型的局限性 — 货币危机模型假设恰好存在两种状态（稳定和危机）；未对多状态或状态内含状态的动态（例如管理浮动、自由浮动和汇率挂钩机制破裂）进行建模
• 分岔分析中的局部线性化 — Jacobian 矩阵可反映局部稳定性；完整的非线性系统可能呈现无法通过局部特征值分析捕捉的全局分岔行为
• 地缘政治立场是估算值，而非观测值 — 理想点位置是根据可观测代理指标（贸易、制裁、援助）推断得出的；并不反映机密外交情报、军事联盟或非正式政治关系
• Monte Carlo 路径上限为 10,000 条 — monte_carlo_paths 参数受计算可行性限制；在此样本规模下，低概率尾部事件（p < 0.01）的置信区间可能较宽
• 数据新鲜度取决于来源更新频率 — IMF WEO 每年更新两次；FRED 和汇率数据接近实时；混合使用更新较慢和较快的数据源进行分析，可能会反映不同的时间段
• 国家覆盖范围受公开数据可用性限制 — IMF 和 World Bank 报告数据有限的国家（例如朝鲜和一些太平洋岛国）的节点属性会较为稀疏，风险估算也不够可靠

集成

• Zapier — 按周定时触发主权风险报告，并将结果推送到 Google Sheet 或 Airtable 仪表板，以监控投资组合
• Make — 构建自动化警报工作流，每日运行货币危机信号工具；当任一国家的 crisisProbability 超过 0.70 时发送 Slack 通知
• Google Sheets — 将 defaultProbabilities 和 contagionChains 输出直接导入实时国家风险跟踪表格
• Apify API — 将 MCP 端点集成到 Python 或 JavaScript 风险分析仪表板，以编程方式访问全部 8 个工具
• Webhooks — 配置 Webhook 通知，当分岔分析检测到国家集合中的 systemStable 从 true 变为 false 时发送通知
• LangChain / LlamaIndex — 在多 Agent 工作流中将此 MCP 服务用作工具，由推理 Agent 协调主权风险分析、制裁筛查和宏观经济数据检索调用

故障排除

工具为某些国家返回部分数据或空数组。 这通常意味着 18 个底层 Actor 中的一个或多个未能针对给定的国家查询返回结果。系统会妥善处理各个 Actor 的故障——流水线仍会使用可用数据完成。请检查 Apify 运行日志中是否有 Actor X failed 警告。尝试添加更具体的 query 参数（例如 "Greece sovereign debt GDP 2024"），以改进 IMF 和 World Bank Actor 的数据检索。

systemStable: true，但 overallSystemicRisk 较高。 稳定性和系统性风险是不同的衡量指标。systemStable 指当前均衡点的局部特征值稳定性；overallSystemicRisk 则是违约的 Monte Carlo 概率。在随机冲击下，系统可能局部稳定（特征值为负），但仍有较高的违约概率。

完整风险报告的运行时间超过 5 分钟。 generate_sovereign_risk_report 工具会并行调用全部 18 个 Actor，每个 Actor 的超时时间为 240 秒。总耗时取决于运行最慢的 Actor。如果某个 Actor 持续运行缓慢，可添加更有针对性的 query，以减少 maxResults。你也可以分别调用单个工具（大宗商品、货币、储备），而不是生成完整报告。

bifurcations[] 返回空数组。 这表示在当前参数扫描范围内，系统附近未检测到任何临界点。分岔分析会以 20 个步长将利率利差上下调整 ±50%；如果在此范围内未检测到主导特征值发生符号变化，就不会报告分岔。这是有效结果，表示系统在分析的参数范围内具有较强的稳定性。

达到支出限额错误。 每次工具调用都会在执行 Actor 调用前扣除 MCP 事件费用。如果 eventChargeLimitReached 为 true，请在 Apify Console 的 Actor 运行设置中提高每次运行的支出限额，或通过 API 触发运行时设置更高的 maxTotalChargeUsd。

负责任地使用

• 此服务仅访问来自国际组织（IMF、World Bank、OECD）、政府数据库（FRED、BLS、OFAC、USAspending）和开放数据平台（OpenSanctions、GDACS、CoinGecko）的公开数据。
• 此服务生成的主权风险评分和违约概率是模型输出，不构成投资建议。应将其作为人工分析流程的输入，而非独立的建议。
• 使用 OFAC 和 OpenSanctions 的制裁数据做出合规决策前，应先对照一手来源进行核实。
• 将输出用于商业用途时，请遵守全部 18 个底层数据源的服务条款。
• 有关网页抓取合法性的指南，请参阅 Apify 的指南。

常见问题

此服务如何进行主权债务传染分析？ 此服务使用耦合随机微分方程对传染进行建模。当国家 j 的债务占 GDP 比率超过 distress_threshold_pct 时，所有债权国 i 的有效利率都会受到冲击：r_i += exposure_ij × severity_j。这会提高 i 的债务累积率，可能使其接近自身的困境阈值并引发连锁反应。Monte Carlo 模拟会运行 1,000-10,000 次，以估算经验违约概率。

四阶张量分解有何用途？ 张量 T[creditor][debtor][exposure_type][time] 同时捕捉双边主权风险敞口的四个维度。CANDECOMP/PARAFAC（CP）分解通过交替最小二乘法，将其分解为多个秩为 1 的分量之和（T ≈ Σ_r λ_r · a_r ⊗ b_r ⊗ c_r ⊗ d_r）。由此得到的潜在结构可揭示在不同风险敞口类型和时间维度上共同变动的债权方—债务方关系聚类——这些模式仅凭双边风险敞口矩阵无法观察到。 默认违约概率估算有多准确？ 准确性取决于 18 个来源的数据质量，以及对数正态 SDE 模型假设是否有效。模型根据公开数据进行校准，而这些数据通常会比当前情况滞后 3-12 个月。请将输出视为基于情景的概率估算，而非点预测。模拟 10,000 条路径时，50% 违约概率的标准误差约为 ±0.5 个百分点。

地缘政治阵营倾向与传统地缘政治风险评分有何不同？ 传统地缘政治评分（例如 Eurasia Group 或 Control Risks 提供的评分）是分析师做出的定性评估。此服务通过对基于可观测数据构建的国家特征矩阵进行奇异值分解，定量估算地缘政治定位；这些数据包括贸易流、制裁共同出现情况和援助关系。该方法类似于用于描绘立法机构投票立场的 DW-NOMINATE 理想点估算。由此得到的定位可复现、以数据为依据，并会随新的贸易和制裁数据自动更新。

主权债务传染分析与 IMF 压力测试有何不同？ IMF 使用 DSA（债务可持续性分析），在确定性的宏观情景下预测债务路径。此服务使用随机微分方程和蒙特卡洛模拟，生成经验违约概率分布，并结合网络传染模型来捕捉跨国二阶影响。分岔分析组件能够识别线性情景分析无法捕捉的结构性临界点。

我可以使用此服务实时监测一个国家吗？ 对于更新频率较高的变量，支持近实时监测：汇率（ECB、tracker）、加密货币交易量（CoinGecko）、灾害警报（GDACS）和制裁变化（OFAC、OpenSanctions）。IMF、World Bank 和 OECD 的数据按季度至年度频率更新。你可以安排货币危机信号工具每日运行，以进行高频监测；也可以安排完整风险报告每周运行，以获取全面更新。

一次调用最多可以分析多少个国家？ 没有硬性限制，但超过 10-15 个国家后，由于张量构建和 SDE 模拟，性能会非线性下降。对于大型集合（20 个以上国家），可以考虑对全部国家运行较轻量的工具（commodity_vulnerability、currency_crisis_signal），并将完整级联模拟留给重点国家子集。

使用这 18 个来源的数据是否合法？ 所有 18 个来源都根据开放访问或政府透明度规定提供公开数据。IMF、World Bank、OECD、Eurostat、FRED、BLS 和 USAspending 发布的数据采用开放数据许可。OFAC 和 Interpol 的数据可公开访问，可用于合规和研究。CoinGecko 提供公共 API。有关一般性指导，请参阅 Apify 关于网络爬取合法性的指南。

分岔结果中的 marginToTipping 值是什么意思？ marginToTipping 表示当前参数值与系统跨越分岔边界时的临界值之间的距离。例如，如果 parameter 为 interest_rate_spread_IT，currentValue: 4.62，criticalValue: 4.80，则系统转变为危机均衡之前，利差还可扩大 0.18 个百分点。间距越小，表示越接近不稳定状态。 储备充足性工具如何纳入地缘政治对齐度？ 首先计算经修改的 IMF ARA 指标：RA = reserves / (0.3×STD + 0.2×portfolio + 0.1×M2 + 0.1×exports)。然后根据马尔可夫转换模型得出的危机概率调整该指标，并乘以联盟对齐度评分。该评分根据一国在地缘政治潜在空间中与美国、欧盟和中国这三大发行储备货币的经济体的接近程度得出。与这些经济体高度对齐的国家会获得较高的调整后评分，因为它们更容易获得紧急互换额度和 IMF 支持计划。

我可以在 Claude 中将此服务与其他 MCP 服务结合使用吗？ 可以。Claude Desktop 支持同时使用多个 MCP 服务。你可以将此服务与其他数据或分析服务结合使用。典型工作流是：先使用此服务的地缘政治对齐度工具，识别高风险国家集团；然后使用单独的新闻或文件搜索 MCP 服务，获取这些特定国家的最新进展。

帮助我们改进

如果你遇到问题，可以在 Apify 账户中启用运行共享，帮助我们更快地调试：

1. 前往 账户设置 > 隐私
2. 启用 与公开 Actor 创建者共享运行记录

这样一来，出现问题时我们就能查看你的运行详情，从而更快地修复问题。你的数据仅对 Actor 开发者可见，不会公开。

支持

发现错误或有功能需求？请在此 Actor 页面上的 Issues 选项卡中提交问题。如需定制主权风险模型、集成其他数据源或进行企业部署，请通过 Apify 平台联系我们。