• 재무관리연구
• /
• 제26권3호
• /
• pp.139-169
• /
• 2009

본 연구는 새로운 VaR 추정모형으로 수정 VaR(modified VaR)을 소개하고, 수정 VaR의 예측성과를 역사적 시뮬레이션 모형이나 Riskmetrics 등 전통적인 모형들과 비교하였다. 수정 VaR은 분산뿐만 아니라 왜도, 첨도를 VaR 계산에 고려함으로써 금융자산분포의 비대칭성과 꼬리가 굵은 성질이 위험측정치에 반영될 수 있는 장점이 있다. 수정 VaR은 6개국의 주가지수 수익률을 이용한 표본외 예측성과검증에서 다른 모형들에 비해 가장 우수한 예측성과를 보였다. VaR 예측의 독립성검증에서는 Riskmetrics와 GARCH 모형이 우수한 것으로 나타났으나 수정 VaR에 대해 서도 독립성이 기각되지 않았다. 특정한 표본을 이용한 예측성과분석에서 나타날 수 있는 data snooping 문제를 해결하기 위해 skew t 분포를 이용한 시뮬레이션분석을 시도하였는데, 시뮬레이션 검증결과에서도 수정 VaR이 가장 양호한 예측성과를 보였다. 포트폴리오 VaR에 대한 표본외 예측성과에서도 수정 VaR은 단일변량모형이나 다변량 정규분포모형에 비해 우수한 성과를 보였다. 다변량 수정 VaR은 포트폴리오 구성자산 간의 선형상관관계뿐 아니라 공왜도(coskewness)와 공첨도(cokurtosis)를 통한 비선형 상호의존관계도 고려할 수 있다는 점에서 포트폴리오 위험에 대한 우수한 예측성과는 당연한 결과라고 할 수 있다. 6개국 주가지수로 구성된 포트폴리오의 VaR을 component VaR로 분할한 실증분석에서는 포트폴리오 VaR의 분할결과가 적극적인 위험관리와 포트폴리오 최적화를 위한 자산재배분에 효과적으로 활용될 수 있음을 확인하였다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.689-697
• /
• 2016

금융시장 위험관리 수단으로 많이 사용하는 기법 중의 하나는 Morgan이 제안한 최대손실금액을 추정하는 VaR (Value at Risk)이다. VaR은 한 산업의 금융위험 측정도구로 사용되어지지만 실제 생활에서는 여러 회사 또는 국내 전체의 산업의 VaR를 추정하는 경우가 많다. 따라서 투자할 여러 산업에 대하여 특정한 포트폴리오가 설정된 경우에 다변량분포에 대한 VaR를 추정하는 문제가 필요하다. 본 연구에서는 다변량분포에 대한 VaR를 추정하기 위하여, 다차원 분위 벡터를 제안하고, 이를 바탕으로 다차원 공간에서의 Vector at Risk를 정의한다. 다변량분포에 대하여 특정한 포트폴리오가 설정된 경우에, Vector at Risk 중에서의 한 점을 가장 적절한 VaR로 설정하는 방법을 제안한다. 이를 대안적인 VaR이라고 정의하고, 다변량 분포에 대한 이 방법에 대하여 토론한다. 2변량과 3변량의 예제를 통해 본 연구의 대안적인 VaR과 Morgan의 VaR를 각각 구하고, 비교 설명하면서 대안적인 VaR의 특징을 탐색한다.

• 응용통계연구
• /
• 제25권5호
• /
• pp.757-773
• /
• 2012

Traditional value at risk(S-VaR) has a difficulity in predicting the future risk of financial asset prices since S-VaR is a backward looking measure based on the historical data of the underlying asset prices. In order to resolve the deficiency of S-VaR, an economic value at risk(E-VaR) using the risk neutral probability distributions is suggested since E-VaR is a forward looking measure based on the option price data. In this study E-VaR is estimated by assuming the generalized gamma distribution(GGD) as risk neutral density function which is implied in the option. The estimated E-VaR with GGD was compared with E-VaR estimates under the Black-Scholes model, two-lognormal mixture distribution, generalized extreme value distribution and S-VaR estimates under the normal distribution and GARCH(1, 1) model, respectively. The option market data of the KOSPI 200 index are used in order to compare the performances of the above VaR estimates. The results of the empirical analysis show that GGD seems to have a tendency to estimate VaR conservatively; however, GGD is superior to other models in the overall sense.

• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1453-1463
• /
• 2016

가장 선호하는 금융위험 측정 방법은 통계적으로 최대손실금액을 추정하는 VaR (Value at Risk)이다. 포트폴리오를 구성하는 여러 산업에 대한 VaR (Value at Risk)는 분산공분산 행렬과 특정한 포트폴리오가 포함되어 변환된 일변량 위험을 이용하여 추정한다. Hong 등 (2016)은 다변량 분위벡터를 바탕으로 Vector at Risk를 정의하였으며, 특정한 포트폴리오가 설정되면 Vector at Risk 중의 한 점을 최적의 VaR 즉, 대안적인 VaR (AVaR)로 제안하였다. 본 연구에서는 다변량 정규분포에 대하여 AVaR의 특성을 탐색한다. 여러 종류의 분산공분산 행렬과 다양한 포트폴리오 가중값 벡터인 경우의 이변량과 삼변량의 정규분포를 따르는 모의실험 자료와 실증예제를 이용하여 대안적인 최대손실금액인 AVaR을 구하고 VaR과 비교 분석한다. 다변량 분위벡터를 이용한 AVaR는 VaR보다 작게 추정함을 발견하였으며, 이런 특징과 함께 AVaR의 특성을 토론한다.

• KDI Journal of Economic Policy
• /
• 제32권3호
• /
• pp.71-99
• /
• 2010

Adrian and Brunnermeier(2009)가 제안한 CoVaR는 위기의 파급효과를 측정하는 데 유용한 도구이다. 특히 어떤 금융기관이 금융시스템에 대해 어느 정도의 잠재적 리스크를 갖고 있는지를 측정할 수 있다. 본 연구는 CoVaR를 추정하는데 있어서 Adrian and Brunnermeier(2009)가 사용한 분위수 회귀방식이 아니라 이변량 정규분포 및 $S_U$-정규분포 등 모수적 분포함수를 이용하여 CoVaR를 추정하는 방법을 제안한다. 이들 모형을 이용하여 국내 은행산업을 대상으로 CoVaR를 추정하고, 이를 통해 CoVaR의 현실적 유용성을 점검함과 동시에 각 모형들의 추정 성과를 비교한다. 추정 결과, 은행들이 시스템리스크에 양(+)의 기여를 하고 있는 것으로 나타났다. 모형별로는 $S_U$-정규분포모형에 비해 분위수 회귀와 정규분포모형이 CoVaR를 (절댓값에서) 크게 과소평가하며, 위기수준을 높일수록 그 정도가 심해지는 것으로 나타났다.

• 응용통계연구
• /
• 제24권3호
• /
• pp.523-533
• /
• 2011

위험관리수단으로 시장위험을 정확하게 측정하는 방법 중의 하나로 VaR를 선호한다. 현실생활에서는 단일분포가 아닌 두 개 이상의 다변량분포에 대한 VaR를 추정해야 하는 경우가 많다. 이런 경우에는 VaR를 추정하기 위해 다변량분포를 고려해야 한다. 본 연구는 확률변수들의 종속적 구조를 파악하고 비정규성의 특성을 갖는 다변량 분포함수를 생성하기 위하여 Copula 함수를 사용한다. 여러 산업의 수익률분포에 적합한 Clayton, Gumbel, Frank Copula 함수가 포함된 Archimedean Copula 함수를 추정하여 다변량 수익률 분포함수를 결정하고 이에 대응하는 VaR를 유도한다. 국내의 두 산업체의 자료를 실증예제로 하여 세 종류의 Copula 함수의 모수를 추정하고 이에 대응하는 이변량 분포로부터 VaR와 각각의 주변 분포의 VaR를 구한다. 실제의 VaR를 기준으로 기존 방법으로 구한 VaR와 비교 분석하여 추정의 정확성을 토론한다.

• 지능정보연구
• /
• 제8권1호
• /
• pp.1-13
• /
• 2002

비상장기업이나 신규상장기업의 경우 주식거래량과 거래가격이 없거나 불충분하므로 최근 활발히 연구되고 있는 VaR(Value-at-Risk)를 파악하지 못한다. 본 연구에서는 비상장기업 및 신규상장기업의 미래 가격위험의 척도인 VaR를 추정하는 방법론을 제시하고, 이를 시스템(VAS-CBR)으로 구현하였다. 구체적으로는 사례기반추론(Case Based Reasoning: CBR) 기법을 이용하여 기존의 상장회사들 중에서 신규 및 비상장기업과 유사한 재무적, 비재무적 특성을 갖는 상장기업을 찾아내고, 유사기업의 VaR를 근거로 신규 및 비상장기업의 VaR를 간접적으로 추정하였다. 또한 개발 시스템의 예측력 제고를 위한 운용방안 및 시스템의 예측력을 실험을 통하여 밝혔다.

• 응용통계연구
• /
• 제23권2호
• /
• pp.219-234
• /
• 2010

시가총액에 따른 인덱스(INDEX) 투자를 했을 경우에, VaR(Value at Risk)을 종합주가지수(KOSPI)로부터 얻은 수익율의 극단 손실값들로부터 추정한다. 이를 위해, 극단값 이론 중 BM(Block Maxima) 모형을 적용하며, 극단 손실값들의 비독립적 발생을 고려하기 위하여, extremal index 역시 추정한다. 모형의 타당성을 알아보기 위해, 실패율방법을 이용한 사후검정 (back-testing) 을 실시한다. 사후검정을 통해, BM 모형을 적용한 VaR의 추정이 적절함을 알 수 있었다. 또한, 일반적으로 많이 사용되는 GARCH 모형을 이용한 VaR의 추정과 비교한다. 이를 통해, 오차가 t-분포를 따른다고 가정하는 경우, GARCH 모형을 이용한 VaR의 추정이 BM 모형을 이용한 경우와 사후 검정결과에 차이가 없음을 확인하였다. 그러나, GARCH 모형을 통한 VaR 추정은 추정시점근방의 극단 손실값들에 민감하게 반응하지만, BM 모형은 그렇지 않았다. 따라서, 현 시점으로부터 단기간동안의 손실위험은 GARCH 모형을 이용한 VaR의 추정값을 사용하는 것이 적절하며, 장기간동안의 손실위험은 BM 모형으로부터 얻은 VaR의 추정값을 사용하는 것이 적절하다.

• 응용통계연구
• /
• 제26권3호
• /
• pp.471-481
• /
• 2013

J. P. Morgan의 RiskMetrics을 기반으로 하는 현행 VaR 모형은 구조적으로 미래 경기상황을 반영할 수 없는 단점으로 인해 불안정한 경기상황에서는 손실이 VaR을 초과하는 결정적인 문제점을 내포하고 있다. 어느 기업의 미래의 주가는 해당 기업만의 고유요인은 물론 모든 기업의 주가에 공통적으로 영향을 미치는 경기변동 공통요인에 의해 결정된다. 따라서 본 연구에서는 주가의 변동요인을 기업의 고유요인과 경기변동 공통요인으로 구분하여, 미래 경기변동 공통요인에 대해서는 현재시점에서 예측한 값을 사용하는 원-팩터(One-factor) VaR 모형을 제안한다. 이와 같은 원-팩터 VaR 모형은 미래의 예측된 경기상황을 반영을 반영하여 손실이 VaR을 초과하는 현행 VaR 모형의 문제점을 해결할 수 있을 뿐만 아니라 자산의 목표보유기간을 증가시켜 경기변동에 따른 손실을 최소화하기 위한 포트폴리오에 대한 자산구성과 자금이전을 선제적으로 실시할 수가 있다.

• 응용통계연구
• /
• 제23권3호
• /
• pp.471-485
• /
• 2010

금융위험의 위험관리를 위한 도구로서 현재 VaR가 널리 이용되고 있다. VaR의 측정은 사용의 편리상 정규분포를 가정하여 이루어져 왔으나 좀 더 정확한 VaR의 산출을 위해 최근 극단치이론을 이용한 추정방법이 관심을 끌고 있다. 지금까지 극단치이론을 이용하여 VaR의 추정을 위한 확률모형에는 주로 GEV모형과 GPD모형이 사용되고 있다. 본 논문에서는 기존의 EV모형이 갖는 문제점들을 극복하고 좀 더 정확한 VaR를 측정하기위한 노력으로 PP모형을 제시하였다. PP모형은 확률과정의 관점에서 GEV모형과 GPD모형을 포괄하는 모형으로서 기존의 EV모형을 일반화시키는 모형이라고 할 수 있다. PP모형이 기존의 정규분포와 두 EV모형에 비해 VaR추정의 성과가 우수함을 실증분석을 통해 보여주었다.