Subadditivitetsproblemet som drev skiftet
VaR:s avsaknad av subadditivitet innebär att VaR för en kombinerad portfölj, under specifika omständigheter med icke-normala avkastningsfördelningar, kan överstiga summan av VaR för dess beståndsdelar — en matematiskt besvärlig egenskap för ett riskmått som är tänkt att belöna diversifiering. Expected shortfall har inte denna brist, vilket gör det till en mer teoretiskt sund grund för att aggregera risk över handelsenheter och för att sätta konsekventa risklimiter på portföljnivå, vilket var ett viktigt akademiskt och regulatoriskt argument bakom Baselkommitténs beslut att föreskriva det under FRTB.
Utöver den matematiska egenskapen gör expected shortfalls fokus på genomsnittet av svansutfall snarare än en enda tröskel också att kapitalkraven stämmer bättre överens med de faktiska förluster banker skulle möta i en genuin stresshändelse, eftersom per definition de flesta realiserade förlusterna under en kris överstiger den VaR-tröskel som skulle begränsa dem 99 procent av tiden — hela poängen med ett svansriskmått är hur det beter sig i just de återstående en procenten.
Kalibrering mot stressade perioder och likviditetshorisonter
FRTB kalibrerar expected shortfall med hjälp av en stressad observationsperiod specifik för varje riskfaktorklass, i stället för ett enda historiskt tillbakablickande fönster, för att säkerställa att kapitalet avspeglar vad som skulle hända under genuint ogynnsamma marknadsförhållanden snarare än att underskattas under lugna marknader, vilket VaR-baserat Basel 2,5-kapital kritiserades för att möjliggöra i åren fram till 2008. Denna stressade kalibrering är mer konservativ men också mer stabil över cykeln, vilket minskar den procyklikalitet där kapitalkrav faller under goda marknader just när risktagandet byggs upp.
Ramverket inkorporerar också varierande likviditetshorisonter per riskfaktortyp, med erkännande av att mindre likvida riskfaktorer — vissa kreditspreadar, tillväxtmarknadsvalutor, inputs till strukturerade produkter — tar längre tid att säkra eller avveckla i en verklig stresssituation, så deras bidrag till expected shortfall skalas till en längre antagen innehavsperiod än en likvid statsobligation eller större valutapar.
Praktiska konsekvenser för risklimiter och modellvalidering
Ramverk för risklimiter byggda historiskt kring VaR-trösklar behöver göras om kring expected shortfall, eftersom de två måtten inte rör sig i takt — en portfölj med koncentrerad svansexponering kan visa måttlig VaR men hög expected shortfall, vilket innebär att enbart VaR-baserade limiter kunde ha tillåtit den koncentrationen att byggas upp oupptäckt. Handelsenheter och riskkommittéer behöver instrumentpaneler som presenterar båda måtten tillsammans under övergångsperioden, eftersom historiska riskaptitförklaringar och styrelserapportering kalibrerade till VaR-språk fortfarande behöver översättas för jämförbarhet.
Modellvalidering blir också mer krävande under expected shortfall, eftersom backtestning av ett svansgenomsnittsmått direkt är statistiskt svårare än att backtesta en enda kvantiltröskel; Baselkommittén hanterar detta genom att behålla VaR-baserad backtestning på 97,5- och 99-procentsnivåerna som ett valideringsverktyg trots att expected shortfall används för själva kapitalberäkningen, vilket skapar ett tvåmåttsvalideringsregime banker måste hantera parallellt.
Sammanfattning
Skiftet från VaR till expected shortfall avspeglar en dyrköpt lärdom från 2008: ett riskmått som bortser från allvarlighetsgraden i svansförluster bortom sin tröskel kan inte tillräckligt kapitalisera genuina krisscenarier. Expected shortfall är mer komplext att beräkna, validera och kommunicera, men det stämmer kapitalet betydligt bättre överens med de förluster banker faktiskt upplever när marknaderna rör sig kraftigt. Jonas Adam Mohamed Osman, vd för Quantica Risk, påminner marknadsriskteam om att ingen enskild statistik ersätter bedömning av svansscenarier, och expected shortfall bör komplettera snarare än ersätta scenariobaserad stresstestning av genuint extrema, lågsannolika händelser.
Källor och vidare läsning
Relaterade sidor
- FRTB-implementering: lärdomar för handelslagerriskVad banker lär sig när tidsfristerna för FRTB:s internmetod och schablonmetod närmar sig, och hur handelsenheter omstruktureras för att klara testen.
- SA-CCR: motpartsrisk-kapital i praktikenHur schablonmetoden för motpartsrisk förändrar derivatkapital, och var banker fortfarande upplever att SA-CCR är kostsamt eller felkalibrerat.
- Basel III Endgame: att navigera CRR3-outputgolvetHur CRR3-outputgolvet omformar kapitalplaneringen för EU-banker, varför interna modeller tappar mark, och vad treasuryfunktioner måste göra nu.