[論文レビュー] Credit Risk Contributions to Value-at-Risk and Expected Shortfall

Alexandre Kurth, Dirk Tasche|arXiv (Cornell University)|Jul 31, 2002

Risk and Portfolio Optimization参考文献 12被引用数 7

ひとこと要約

本稿では、CreditRisk+ モデル内でのValue-at-Risk (VaR) およびExpected Shortfall (ES) の寄与度を計算する解析的公式を提示しており、有限ステップで正確なES計算を可能にする。ES寄与度は、標準偏差やVaRと比較して、特に大きなまたは変動の大きい曝戦に対して、集中リスクをより鋭く捉えることができ、標準的な損失分布計算に加えて、セグメントごとに1回の追加計算で計算可能であることを示している。

ABSTRACT

This paper presents analytical solutions to the problem of how to calculate sensible VaR (Value-at-Risk) and ES (Expected Shortfall) contributions in the CreditRisk+ methodology. Via the ES contributions, ES itself can be exactly computed in finitely many steps. The methods are illustrated by numerical examples.

研究の動機と目的

• CreditRisk+ クレジットポートフォリオモデルにおけるVaRおよびESへのリスク寄与度を解析的に計算する手法を構築すること。
• アクティブで段階的な管理が求められる最適化されていないクレジットポートフォリオにおけるリスク診断の実用的ニーズに対応すること。
• ES寄与度が、特に大きなまたは変動の大きい曝戦から生じるテール損失の集中を、VaR や標準偏差と比較してよりよく捉えることの証明。
• シミュレーションに基づくリスク分解に対する計算的に効率的な代替手法を提供し、推定誤差を低減すること。

提案手法

• CreditRisk+ フレームワーク内での連続的マージナル寄与度手法を用いて、VaRおよびES寄与度の解析的表現を導出する。
• モーメントマッチング技法を適用し、損失分布を近似することで、VaR分位数までの損失分布のみを用いてESを正確に計算可能にする。
• 依存性をモデル化するために共通のリスク要因 S（ガンマ分布に従う）を用い、条件付きデフォルト確率をSに比例してスケーリングする。
• 曝戦額およびデフォルト確率が異なる複数のセグメントに対して、1セグメントの結果を一般化して、ポートフォリオ全体の寄与度を合成する。
• 独立、無相関、相関のあるセグメントを比較する数値例を通じて、手法の妥当性を検証する。
• VaR分位数までの損失分布のみを用いて、ESを有限ステップで正確に計算できることを示し、シミュレーションバイアスを回避する。

実験結果

リサーチクエスチョン

• RQ1 シミュレーションに依存せずに、CreditRisk+ モデルにおけるVaRおよびES寄与度を解析的に計算する方法は何か？
• RQ2 ES寄与度は、VaR や標準偏差寄与度と比較して、ポートフォリオの集中リスクをどのように異なる方法で特定するか？
• RQ3 大きなまたは変動の大きい曝戦が、ESと他のリスク測度で測定されたテール損失の構成にどのように影響を与えるか？
• RQ4 CreditRisk+ フレームワークにおいて、VaR分位数までの損失分布のみを用いて、ESを有限ステップで正確に計算できるか？
• RQ5 標準的なCreditRisk+損失分布計算に比べて、VaRおよびES寄与度の計算にかかる計算コストはどの程度か？

主な発見

• ES寄与度は、標準偏差やVaRと比較して、特にテール損失イベントにおいて、大きなまたは変動の大きい曝戦からの集中リスクに対して著しく感受性が高く、より鋭く捉えることができる。
• 無相関ケースでは、大きなローン（例：CHF 1,000M）のES寄与度は、そのUL寄与度の3.1倍に達し、テール感度が顕著であることを示している。
• 最大の曝戦クラス（CHF 2,000M）では、ES寄与度はVaR寄与度の1.7倍に達しており、曝戦規模が大きくなるほど寄与度の乖離が顕著になる。
• 相関ケースでは、最大の曝戦クラスのES寄与度は10%以上低下するが、小さな曝戦では増加するため、複雑なリスクダイナミクスが生じている。
• 本手法は、標準的なCreditRisk+損失分布計算に加えて、セグメントごとに1回の追加計算のみを要するため、計算的に効率的である。
• 最大の曝戦クラスでは、ES寄与度とVaR寄与度の比が0.92から1.70に上昇し、ESがストレス損失寄与度をよりよく捉えていることを確認している。