Jonas Mohamed Osman AbdelghafourQuantica Risk Modelling

VaR vs. Expected Shortfall: Marktrisikomessung im Vergleich

Value-at-Risk schätzt eine Verlustschwelle, die mit einer gegebenen Sicherheitswahrscheinlichkeit über einen festgelegten Horizont nicht überschritten wird, sagt aber nichts darüber aus, wie schwerwiegend Verluste jenseits dieser Schwelle ausfallen könnten — eine Schwachstelle, die die Finanzkrise 2008 deutlich offenlegte, als Tail-Verluste bei mehreren Instituten weit über das hinausgingen, was ein 99-%-VaR als plausibel nahelegte. Expected Shortfall, heute Basis des FRTB-Marktrisikokapitals, mittelt stattdessen die Verluste im Tail jenseits der VaR-Schwelle und liefert so ein vollständigeres Bild des potenziellen Ausmaßes — und erfüllt entscheidend die mathematische Eigenschaft der Subadditivität, die VaR fehlt.

Kernaussage

Die praktische Folge für Banken ist, dass Expected Shortfall sensibler auf Extremmarktbewegungen mit fetten Rändern und auf Korrelationsbrüche unter Stress reagiert — Portfolios, die unter VaR gut diversifiziert aussahen, können unter Expected Shortfall deutlich höheres Risiko zeigen, wenn ihre Tail-Abhängigkeiten unterschätzt waren. Das hat Banken gezwungen, Risikomodelle, Datenanforderungen und teils auf VaR-basierten Risikolimits aufgebaute Handelsstrategien zu überarbeiten.

Das Subadditivitätsproblem als Auslöser des Wandels

Die fehlende Subadditivität von VaR bedeutet, dass der VaR eines kombinierten Portfolios unter bestimmten Umständen bei nicht normalverteilten Renditen die Summe der VaR-Werte seiner Einzelteile übersteigen kann — eine mathematisch unbequeme Eigenschaft für eine Risikokennzahl, die Diversifikation eigentlich belohnen soll. Expected Shortfall hat diese Schwäche nicht, was es zu einer theoretisch solideren Grundlage für die Aggregation von Risiken über Handelsdesks hinweg und für die Festlegung kohärenter Portfoliolimits macht — ein zentrales akademisches und regulatorisches Argument hinter der Entscheidung des Basler Ausschusses, es unter FRTB vorzuschreiben.

Über die mathematische Eigenschaft hinaus richtet der Fokus von Expected Shortfall auf den Durchschnitt der Tail-Ergebnisse statt auf eine einzelne Schwelle die Kapitalanforderungen auch besser an den tatsächlichen Verlusten aus, denen Banken in einem echten Stressereignis gegenüberstehen würden, da die meisten realisierten Verluste während einer Krise definitionsgemäß die VaR-Schwelle überschreiten, die sie eigentlich zu 99 % begrenzen sollte — der eigentliche Sinn einer Tail-Risikokennzahl liegt genau darin, wie sie sich in diesem verbleibenden 1 % verhält.

Kalibrierung auf Stressperioden und Liquiditätshorizonte

FRTB kalibriert Expected Shortfall anhand eines für jede Risikofaktorklasse spezifischen Stressbeobachtungszeitraums statt eines einzigen historischen Rückblickfensters, um sicherzustellen, dass das Kapital widerspiegelt, was unter wirklich ungünstigen Marktbedingungen passieren würde, statt in ruhigen Märkten unterschätzt zu werden, wie es dem VaR-basierten Basel-2.5-Kapital im Vorfeld von 2008 vorgeworfen wurde. Diese Stresskalibrierung ist konservativer, aber auch stabiler über den Zyklus hinweg, was die Prozyklizität verringert, bei der Kapitalanforderungen in günstigen Märkten genau dann sinken, wenn sich Risikobereitschaft aufbaut.

Das Rahmenwerk berücksichtigt zudem unterschiedliche Liquiditätshorizonte je Risikofaktortyp und erkennt an, dass weniger liquide Risikofaktoren — bestimmte Kreditspreads, Schwellenmarktwährungen, Inputs strukturierter Produkte — in einem echten Stressszenario länger zum Absichern oder Ausstieg brauchen; ihr Beitrag zum Expected Shortfall wird deshalb auf einen längeren angenommenen Haltezeitraum skaliert als bei einer liquiden Staatsanleihe oder einer Hauptwährung.

Praktische Folgen für Risikolimits und Modellvalidierung

Risikolimit-Rahmenwerke, die historisch auf VaR-Schwellen aufgebaut sind, müssen um Expected Shortfall herum neu gestaltet werden, da sich die beiden Kennzahlen nicht gleichläufig entwickeln — ein Portfolio mit konzentrierter Tail-Exponierung kann moderaten VaR, aber hohen Expected Shortfall zeigen, sodass allein VaR-basierte Limits diese Konzentration unentdeckt wachsen lassen könnten. Handelsdesks und Risikoausschüsse brauchen während der Übergangsphase Dashboards, die beide Kennzahlen gemeinsam darstellen, da historisch auf VaR-Sprache kalibrierte Risikoappetiterklärungen und Vorstandsberichte zur Vergleichbarkeit übersetzt werden müssen.

Auch die Modellvalidierung wird unter Expected Shortfall anspruchsvoller, da das direkte Backtesting einer Tail-Durchschnittskennzahl statistisch schwieriger ist als das Backtesting einer einzelnen Quantilschwelle; der Basler Ausschuss begegnet dem, indem er VaR-basiertes Backtesting auf den Niveaus 97,5 % und 99 % als Validierungsinstrument beibehält, obwohl Expected Shortfall für die eigentliche Kapitalberechnung verwendet wird — eine zweigleisige Validierungsregelung, die Banken parallel steuern müssen.

Fazit

Der Wechsel von VaR zu Expected Shortfall spiegelt eine teuer erkaufte Lehre aus 2008 wider: Eine Risikokennzahl, die die Schwere von Tail-Verlusten jenseits ihrer Schwelle ignoriert, kann echte Krisenszenarien nicht angemessen kapitalisieren. Expected Shortfall ist komplexer zu berechnen, zu validieren und zu kommunizieren, richtet das Kapital aber deutlich enger an den Verlusten aus, die Banken tatsächlich erleben, wenn sich Märkte heftig bewegen. Jonas Adam Mohamed Osman, bekannt als Yonas Osman, CEO von Quantica Risk, erinnert Marktrisikoteams daran, dass keine einzelne Kennzahl das Urteilsvermögen über Tail-Szenarien ersetzt, und dass Expected Shortfall die szenariobasierte Stresstestung wirklich extremer, unwahrscheinlicher Ereignisse ergänzen, nicht ersetzen sollte.

Quellen und weiterführende Informationen

Verwandte Seiten

Alle deutschen Seiten Kontakt