꼬리위험: VaR 임계값 너머에 남는 것

임계값은 최대치가 아니다

위험가치, 즉 VaR은 명시된 기간과 신뢰수준의 손실 분위수를 요약합니다. 1일 95% VaR은 모형상 하루 손실 분포의 상단 꼬리와 관련된 임계값입니다. 가능한 최대 손실도, 약속된 스톱 수준도, 내일의 손실에 한계가 있다는 진술도 아닙니다.

신뢰수준만으로는 불완전합니다. 금액은 포트폴리오 규모, 보유자산, 평가 방법, 사용한 분포에 따라 달라집니다. 역사적 방법, 모수적 방법, 모의실험 방법은 서로 다른 가정을 하므로 다른 답을 낼 수 있습니다. 부호 기준을 항상 명시하세요. 어떤 체계는 양의 손실 금액을 보고하고 다른 체계는 음의 수익률 임계값을 표시합니다.

더 나쁜 결과가 얼마나 심각한지 묻기

기대손실은 이산 분위수 경계를 적절히 처리하면서 선택한 최악의 결과 구간의 평균 손실을 살펴봅니다. 따라서 분위수 하나가 숨길 수 있는 꼬리의 심각성을 설명합니다. 두 포트폴리오의 VaR이 비슷해도 그 임계값 너머 손실은 매우 다를 수 있습니다.

이 추가 정보가 지표를 무오류로 만들지는 않습니다. 꼬리 관측치는 드물어 추정치가 불안정할 수 있습니다. 짧은 표본에는 다음 위기와 닮은 위기가 전혀 없을 수 있습니다. 규제상 시장 위험 체계는 특정 모형에서 기대손실을 사용하지만, 학습용 계산은 규제 자본 평가가 아니며 그 용어의 권위를 빌려서는 안 됩니다.

손실 분포에 같은 값이 반복되면 예상손실(ES)을 단순히 VaR보다 큰 관측값의 평균으로 계산해서는 안 됩니다. 확률 97%로 손실 0, 2%로 손실 100, 1%로 손실 1,000인 예에서 최악의 5%에는 손실 0인 경우도 2%포인트 포함됩니다. 따라서 95% ES는 (0.02 × 100 + 0.01 × 1,000) / 0.05 = 240입니다.

과거에 없었다고 불가능한 것은 아니다

역사적 모의실험은 과거 변화 아래에서 현재 포트폴리오를 재평가하거나 근사합니다. 투명성은 유용하지만 표본 밖 사건을 자동으로 반영하지는 못합니다. 레버리지, 거래 장소, 상품 자체의 구조적 변화로 익숙한 역사적 충격도 오늘날에는 다르게 작용할 수 있습니다.

모수 모형도 검토가 필요합니다. 수익률의 정규분포를 가정하면 일부 극단적 결과와 의존 관계를 과소평가할 수 있습니다. 하루 위험을 시간의 제곱근으로 확대하는 것은 의존성과 분포에 관한 제한적인 가정에 기대며, 비유동 포지션이나 비선형 상품의 보편 법칙이 아닙니다. 모형 하나를 포트폴리오의 객관적 속성으로 제시하는 대신 대안 가정에 대한 민감도를 보여주세요.

꼬리 의존성과 유동성을 함께 다루기

극단적인 동조 움직임은 평소의 상관관계와 다를 수 있습니다. 자금조달이 위축되면 분산 효과가 있어 보이는 여러 포지션을 동시에 팔기 어려워질 수 있습니다. 손실은 담보 요구를 늘리고, 이는 매도를 강제하여 추가적인 가격 압력을 만들 수 있습니다. 정적인 수익률 분포는 이 피드백을 빠뜨릴 수 있습니다.

스프레드 확대, 체결 지연, 이용 불가능한 헤지 시나리오를 포함하세요. 옵션이나 레버리지 상품은 작은 움직임의 추정치 하나를 외삽하지 말고 민감도 변화 아래에서 포지션을 재평가하세요. 운영 중단도 감당할 만한 불리한 가격 움직임을 더 큰 실현손실로 바꿀 수 있습니다. 모든 꼬리 사건에서 청산 과정이 완벽하게 작동한다고 가정하면 위험 측정은 불완전합니다.

여러 관점으로 보고 예외를 검토하기

정량적 꼬리 지표를 시나리오 손실, 집중도 보고, 현금흐름 스트레스 테스트와 함께 사용하세요. 각각 다른 것을 보여줍니다. 실현손실이 모형의 VaR 임계값을 넘으면 사건이 의도한 초과 빈도와 일치하는지, 모형이 올바르게 구현되었는지, 기초 분포가 변했는지 조사하세요.

최근 예외를 없애기 위한 목적으로만 다시 보정하지 마세요. 모형을 정직하게 평가할 수 있도록 이전 예측을 보존하세요. 유용한 꼬리 위험 보고서는 포함된 것과 제외된 것, 추정의 불확실성, 그것에 의존하는 결정을 설명합니다. 가장 큰 위험은 흔히 간결한 통계를 그것을 만든 가정을 무시해도 된다는 허가로 여기는 데 있습니다.

이산 분포의 꼬리와 예외 횟수 해석하기

이 예에서 양의 손실만 평균내면 전체 확률의 3%만 사용하게 됩니다. 95% 수준의 최악 5%를 평균내는 계산과 다른 값입니다. 연속 분포에서 쓰는 설명을 이산 표본에 그대로 옮기기보다, 분위수 경계에 같은 손실이 여러 개 있을 때 필요한 확률 질량을 어떻게 배분할지 정해야 합니다. 보고서에 ES 계산 규칙을 남기세요.

예측한 위험이 고정된 보유 포지션의 손익을 대상으로 하는지, 실제 계좌의 다음 날 손익을 대상으로 하는지도 중요합니다. 실제 계좌에는 장중 거래, 수수료, 입출금과 포지션 변경이 섞입니다. 예측과 다른 대상을 비교하면 모형이 나빠 보이거나 반대로 문제가 가려질 수 있습니다. 가상 고정 포지션 손익과 실제 손익을 구분해 대조하세요.

99% VaR가 올바르게 보정되어 있어도 250번 관측에서 기대 초과 횟수는 2.5번입니다. 독립이라는 추가 가정 아래 한 번 이상 초과할 확률은 1 − 0.99의 250제곱으로 약 91.9%입니다. 따라서 초과가 한 번 있었다고 모형을 곧바로 폐기할 수는 없습니다. 반대로 초과가 여러 날 연속되거나 규모가 매우 크다면 단순 횟수 외의 문제를 살펴야 합니다.

1,000개 관측치에서 최악의 1%는 대략 열 개뿐입니다. 이 작은 집합에 관측치 하나를 더하거나 빼면 추정 ES가 크게 바뀔 수 있습니다. 표본 길이와 관측 빈도, 스트레스 구간 포함 여부를 공개하고 민감도를 비교하세요. VaR나 ES 한 숫자를 최대 손실 한도처럼 제시하지 말고, 그 밖의 손실 경로와 현금 부족을 별도로 점검해야 합니다.