[VaR][위험가치][위험관리]VaR(위험가치, 위험관리)의 정의, 기본모형, VaR(위험가치, 위험관리)의 측정수단, 현황, VaR(위험가치, 위험관리)의 역사적 시뮬레이션분석방법, VaR(위험가치, 위험관리)의 델타분석방법

소개글

[VaR][위험가치][위험관리]VaR(위험가치, 위험관리)의 정의, 기본모형, VaR(위험가치, 위험관리)의 측정수단, 현황, VaR(위험가치, 위험관리)의 역사적 시뮬레이션분석방법, VaR(위험가치, 위험관리)의 델타분석방법에 대한 보고서 자료입니다.

목차

Ⅰ. 서론

Ⅱ. VaR(위험가치, 위험관리)의 정의

Ⅲ. VaR(위험가치, 위험관리)의 기본모형

Ⅳ. VaR(위험가치, 위험관리)의 측정수단
1. 기준요율 듀레이션(key rate duration: KRD)과 OAS 듀레이션
2. VaR 측정
3. VaR의 정보적 가치

Ⅴ. VaR(위험가치, 위험관리)의 현황

Ⅵ. VaR(위험가치, 위험관리)의 역사적 시뮬레이션분석방법

Ⅶ. VaR(위험가치, 위험관리)의 델타분석방법
1. 포지션에 포함된 각 금융자산의 위험요인을 결정하는 과정
2. 위험요인간의 상관관계를 추정하는 과정
3. 델타를 이용하여 포지션의 변동을 추정하는 과정

Ⅷ. 결론 및 시사점

참고문헌

본문내용

얼마나 변할 것인가를 나타내는 민감도는 각 상품의 성격에 따라 조금씩 다른 방법으로 정의된다. 위험요인과 상품이 일치하는 경우의 민감도는 1이고, 옵션의 경우에는 델타값으로 얻어진다. 또한 채권의 경우에는 듀레이션(duration) 으로 정의되며, 주식의 경우 그 위험요인이 주가지수라면 이때에는 베타를 이용할 수 있을 것이다. 이러한 민감도들은 옵션의 경우가 널리 알려져 있어서 통칭하여 델타라고 불리우며 이에따라 이러한 측정방법을 델타분석법 또는 분산-공분산 방법이라고 부른다.
이 델타분석법은 각 자산의 가치를 평가하는 가격모형을 요구하지 않는다는 장점과, Riskmetrics와 같이 손쉽게 이용할 수 있는 데이터와 이 방법에 따른 팩키지화된 소프트웨어들이 존재하여 비교적 많이 이용되고 있다. 그러나 이 델타분석법에서는 델타에 의존하여 시장위험을 측정하기 때문에, 옵션과 같이 비선형 수익구조를 가진 상품이 포트폴리오에 포함되어 있는 경우에는 측정된 시장위험이 부정확해 진다는 단점이 있다. 이에따라 이러한 단점을 보완하기 위해 델타 외에 감마(델타의 민감도) 까지 감안하여 시장위험을 측정하는 방법이 제시되고 있다.
Ⅷ. 결론 및 시사점
금융기관들이 직면하는 위험의 정도를 통계학적으로 측정하기 위해 고안된 VaR(Value at Risk)는 그 개념적 단순성과 이용의 편리성 때문에 금융기관들 사이에서 널리 사용되어지고 있다. 특히, 국제결제은행(BIS)에 의해 1998년부터 도입된 은행에 대한 신자기자본규제에서 금융기관의 내부모형(internal model) 사용이 허용된 이후, 위험을 보다 정확하게 측정하기 위한 다양한 연구가 활발히 이루어지고 있다.
표준적인 VaR모형에서는 위험을 측정하는데 있어서 변동성(volatility)이 매우 중요한 역할을 한다. J.P. Morgan에 의해 개발된 위험관리 프로그램인 Riskmetrics에서 사용하고 있는 분산공분산(variance-covariance) 방법을 예로 들면, 시장위험요인의 시계열자료로부터 가격변화율의 분포를 추정하고 이로부터 VaR를 추정한다. 특히, 이 방법에서는 계산의 부담을 덜기 위하여 정규분포와 단순한 조건부 분산의 동학적 모형을 가정하여, 시계열자료의 변동성에다가 유의수준을 나타내는 적절한 상수를 곱하여 VaR를 계산한다.
그런데 우리가 관심을 가지고 정확하게 측정하려고 하는 것은 분포의 꼬리영역에 있어서의 급격한 움직임에 대한 정보에 대한 것인데, 표준모형에서 위험을 측정하기 위해 사용되는 변동성(volatility)의 개념은 분포의 꼬리부분에서의 급격한 움직임(extreme movement)을 설명하기에는 다소 거리가 있는 개념이다. 즉, 서로 다른 두 자산가격의 변동성이 비록 같더라도, 시장에서 자산가격의 극값들이 보이는 움직임은 서로 완전히 다를 수 있다. 변동성이란 우리가 흔히 확률변수의 분산으로 이해되는 개념으로 분포의 전체적인 흩어짐의 정도를 나타내는 것이며, 극값(extremes)의 움직임이란 분포의 다른 영역과 분리되어 분포의 꼬리 형태만이 보여주는 특징이기 때문이다.
따라서 좀 더 위험을 통계적으로 정확하게 측정하기 위해서는 위험요인(risk factor)의 극값들과 이들이 모여 있는 분포의 꼬리영역에 대해서 관심의 초점을 맞출 필요가 있게 된다. 또한, 이와 더불어 현실적으로 관찰되는 수익률 시계열의 동태적 이분산성(heteroscedasticity)도 고려할 필요가 있다. 흔히 GARCH류 모형으로 대변되는 조건부 이분산 모형들은 수익률 시계열의 변동성이 보여주는 밀집현상(clustering) 등과 같은 경험적 특징들을 잘 반영하고 있다. 따라서 실제로 위험을 측정하는 경우에는 분포의 꼬리영역에 대한 정보뿐만 아니라, 이러한 모형들로부터 얻을 수 있는 동태적 이분산성에 대한 정보도 명시적으로 이용하는 것이 보다 정확한 위험의 측정을 위해 중요한 요소가 된다.
이러한 접근방법의 장점은 첫째, 표준적인 VaR 모형에 의한 위험측정은 대다수의 자료가 평균 근처에 위치하기 때문에 분포의 중심부 근처에서만 정확하게 측정되므로, 관측치가 많지 않은 극값들이 있는 꼬리부분의 통계적 성격을 규명하기에는 적절하지 않은데 반하여, 극치분포 모형에서는 이들을 명시적으로 고려한다는 점이다. 극값(extreme value) 또는 극사건(extreme event)은 그 정의상 드물게 발생하는 사건들이므로, 이들만의 근사적 함수형태를 제공하는 통계적 이론이 유용할 수 있게 된다.
둘째, 대부분의 자산가격 변화율의 분포, 즉 수익률분포는 그 꼬리부분이 두터우며 정규분포를 따르지 않는 것으로 알려져 있다. 따라서 수익률분포에 대해서 로그정규분포와 같이 특정한 형태를 가정하는 것보다 분포의 꼬리영역을 점근적으로 근사할 수 있는 비모수적 방법이 보다 적절할 수 있다.
셋째, 시장에서의 일상적인 가격의 움직임과 구조적으로 다른 메카니즘에 의해서 자산가격의 급격한 움직임이 일어날 가능성이 있다. 예를 들어, 외환위기나 대우문제의 발생 등과 같이 시장에서 예기치 못한 사건의 발생이나 투기적 버블로 인해 자산가격의 급격한 움직임이 발생하게 되며, 이러한 경우 수익률분포의 성질도 변하게 된다. 이러한 구조적 변화가 있는 경우 VaR를 계산하는 함에 있어 분포의 꼬리영역만을 다른 영역과 분리하여 고려하는 것이 필요하다. 즉, 분포의 꼬리영역만을 분리하여 그 정보를 최대로 이용하는 방안이 필요하며, 다음의 극치분포모형은 이러한 일을 적절하게 수행할 수 있는 통계적 도구를 제공한다.
참고문헌
ⅰ. 강병호(1997), 위험가치(VaR)모형의 의의와 그 유용성 2, 전국은행연합회
ⅱ. 김건우(2010), VaR의 문제점과 그 대안, 경희대학교 산업관계연구소
ⅲ. 김현중 외 5명(2008), 운영리스크 VaR 추정값의 안정성검증 방법 연구, 한국통계학회
ⅳ. 서성효(2010), 극단 손실값을 이용한 VaR의 추정과사후검증, 경상대학교
ⅴ. 이대환(2000), 위험가치(VaR)모형 추정방법 및 시장위험 측정에 관한 실증연구, 한양대학교
ⅵ. 조지호(1999), 위험가치 모형을 이용한 새로운 신용평가기법, 한양대학교경영연구소

키워드

VaR,   위험가치,   위험관리,   시뮬레이션분석방법,   델타분석방법