风控部门需要一个一致（coherent）的尾部风险标量，同时允许建模者自行调节「在最差的损失上额外加多少权重」。请实现 solution(pnl_samples: list[float], weight_function: str, weight_param: float) -> dict，返回 {"srm": float, "weights_used": list[float], "n_samples": int}。输出是 Acerbi (2002) 的谱风险度量：给定 P&L 样本和一个非递增、和为 1 的权重向量 w，SRM = -sum_i w_i * X_(i)，其中 X_(i) 是第 i 小的 P&L。w（即「风险厌恶谱」）的选择编码了使用者的偏好：ES 是把均匀权重压在最差的 alpha 部分上；指数族与幂族则把权重沿尾部平滑铺开，并通过一个集中度参数调节。