기대 손실(ES): VaR가 전체 그림을 보여주지 못하는 이유

기대 손실(ES): VaR가 전체 그림을 보여주지 못하는 이유

리스크 시스템이 매일 아침 보고하는 숫자가 실제로 포트폴리오를 파괴할 수 있는 시나리오를 놓치고 있다면 어떻게 됩니까? 수십 년간 Value at Risk는 "얼마나 잃을 수 있는가?"라는 질문에 대한 표준 답변으로 활용되었습니다. 그러나 VaR는 이 질문의 좁은 버전에만 답합니다. 주어진 신뢰 수준에서 손실 임계값을 식별한 후, 그 너머에 대해서는 침묵합니다. 99% 일일 VaR가 500만 달러라는 것은 연간 약 2.5회 손실이 이 수치를 초과한다는 의미입니다. 그러한 초과 손실이 평균 550만 달러인지 5,000만 달러인지, VaR는 동일하게 취급합니다.

2002년, Carlo Acerbi와 Dirk Tasche는 이 침묵을 구조적 결함으로 재정의하는 증명을 발표하였습니다. 그들의 논문 "On the Coherence of Expected Shortfall"은 기대 손실(ES)이 이산분포를 포함한 모든 분포 유형에서 일관적 리스크 측도에 필요한 네 가지 수학적 공리를 모두 충족함을 입증하였습니다. 이 결과는 규제 기관에 글로벌 은행 표준에서 VaR를 ES로 대체할 이론적 기반을 제공하였습니다.

VaR의 일관성 결함

Artzner 등 (1999)은 합리적인 리스크 측도가 충족해야 할 네 가지 공리를 이미 확립하였습니다: 이동 불변성, 부분가산성, 양의 동차성, 단조성입니다. VaR는 세 가지를 통과하지만 부분가산성에서 실패합니다. 이는 분산투자가 리스크를 증가시켜서는 안 된다는 원칙을 부호화하는 공리입니다.

이 실패는 구체적입니다. 각각 집중 포지션을 보유한 두 트레이딩 데스크를 고려하십시오. 데스크 A의 99% VaR는 210만 달러, 데스크 B의 것은 180만 달러입니다. 회사가 두 장부를 통합하면 합산 99% VaR가 430만 달러를 초과할 수 있으며, 이는 부분의 합인 390만 달러를 넘어섭니다. VaR 하에서 포지션 합병은 분산투자가 리스크를 증가시키는 것처럼 보이게 할 수 있습니다. 이 병리현상은 VaR가 단일 분위수만을 검사하기 때문에 발생합니다.

Acerbi와 Tasche의 증명 내용

Acerbi와 Tasche (2002)의 기여는 기술적 격차를 해소한 것입니다. Artzner 등은 연속분포에 대해 ES가 일관적임을 보여주었지만, 많은 실무 손실분포는 이산적입니다(유한 시나리오 집합, 제한된 데이터의 역사적 시뮬레이션). Acerbi와 Tasche는 단순한 꼬리 평균이 아닌 조건부 기대값을 포함하는 표현을 통해 부분가산성을 확립함으로써, ES가 연속, 이산, 혼합 등 모든 분포 유형에서 일관적임을 증명하였습니다.

이것이 중요했던 이유는 실무자들이 정당한 반론을 제기했기 때문입니다: ES가 이상화된 분포 가정에서만 작동한다면, VaR에 대한 이론적 우위는 학문적일 뿐입니다. 2002년 증명은 이 반론을 완전히 제거하였습니다.

별도로, Acerbi (2002)는 이 결과를 스펙트럴 리스크 측도의 전체 클래스로 확장하였으며, ES는 그중 가장 단순한 구성원입니다. 스펙트럴 측도는 꼬리 손실을 비감소 함수로 가중치를 부여하여, 극단적 결과에 대한 다양한 수준의 혐오를 표현할 수 있게 합니다.

VaR와 ES가 실무에서 괴리되는 지점

VaR와 ES 사이의 실무적 격차는 꼬리의 두께에 의존합니다. 정규분포 하에서 95% ES는 95% VaR의 약 1.28배로, 적당한 차이입니다. 신용, 상품, 스트레스 기간의 주식 시장에서 흔한 팻테일 분포 하에서는 이 비율이 극적으로 확대됩니다.

ES 대 VaR 비율이 2.0을 넘어서면, 손실분포가 정규 가정이 암시하는 것보다 의미 있게 더 두꺼운 꼬리를 가지고 있음을 나타냅니다. 이러한 체제에서 VaR는 포트폴리오에 실존적 위험을 제기하는 바로 그 사건의 심각성을 과소 보고합니다. Yamai와 Yoshiba (2005)가 기록한 바와 같이, 높아진 꼬리 위험 기간 동안 VaR에만 의존한 기관들은 자본 필요량을 체계적으로 과소평가하였습니다.

이 괴리는 꼬리 위험 헤징 전략을 이끄는 우려와 직접 연결됩니다: 포트폴리오 생존에 가장 중요한 손실은 VaR가 버리는 바로 그 손실입니다. VaR 임계값을 중심으로 설계된 헤징 프로그램은 실제로 지급능력을 위협하는 낙폭에 포트폴리오를 노출시킬 수 있습니다.

규제적 결과

바젤은행감독위원회는 Basel II 이후 은행 자본을 지배했던 99% VaR 표준을 대체하여, 트레이딩 북의 근본적 검토 (2019)에서 97.5% 기대 손실을 주요 시장 위험 자본 측도로 채택하였습니다. 99% ES가 아닌 97.5% ES의 선택은 의도적이었습니다: 정규분포에서 97.5% ES는 크기에서 99% VaR와 대략 일치하여, 리스크 측도의 수학적 속성을 근본적으로 업그레이드하면서 자본 수준의 대략적 연속성을 보장합니다.

이 전환은 특정 규제 차익거래를 해소하였습니다. VaR 기반 자본 규칙 하에서 트레이더는 보고된 VaR에 영향을 주지 않으면서 꾸준한 프리미엄 수입을 산출하는 심외가격 옵션을 매도할 수 있었습니다. ES는 전체 꼬리에 걸쳐 평균을 내기 때문에 구조적으로 그러한 손실을 포착합니다. Embrechts, McNeil, Straumann (2002)은 상관관계 의존적 포트폴리오에서 정확히 이 유형의 취약성에 대해 경고한 바 있습니다.

인정할 가치가 있는 한계

ES에도 절충점이 없는 것은 아닙니다. ES의 백테스팅은 VaR보다 어렵습니다. 임계값 위반을 검증하는 것보다 평균을 검증하는 데 더 많은 데이터 포인트가 필요하기 때문입니다. Tasche (2002)는 유도 가능성 우려를 논의하였습니다. ES는 단독으로는 유도 가능성이 없지만, VaR와 함께라면 유도 가능해집니다. 이 결과는 FRTB의 자본에는 ES를, 백테스팅에는 VaR를 사용하는 하이브리드 접근법에 반영되었습니다.

ES는 또한 극단 꼬리의 추정 오차에 더 민감합니다. 제한된 역사적 데이터로는 최악의 2.5% 관측값의 평균이 상당한 표본 불확실성을 수반합니다. 이것이 VaR로 회귀해야 할 이유는 아니지만, ES 추정치에는 신뢰 구간이나 스트레스 시나리오 보완이 필요합니다.

프레임워크 연결

자산 클래스 전반에서 리스크 프리미엄을 관리하는 투자자에게 리스크 측도의 선택은 포트폴리오 구성 결정을 형성합니다. 최대 낙폭 프레임워크는 경로 의존적 최악의 사례를 포착하는 반면, ES는 한 시점의 분포적 꼬리 심각성을 포착합니다. 이러한 관점은 서로를 대체하기보다 보완합니다. 일상적 임계값 관리에 VaR를, 자본 배분과 꼬리 인식에 ES를, 누적 경로 위험에 최대 낙폭을 모니터링하는 기관은 단일 지표에 의존하는 기관보다 실질적으로 더 완전한 그림을 확보합니다.

Acerbi와 Tasche의 증명은 이러한 도구들 중에서 기대 손실이 분산투자의 수학을 존중하면서 가장 중요한 시나리오에서 무엇이 발생하는지를 드러내는 도구임을 확립하였습니다.