81 lines
2.8 KiB
Plaintext
81 lines
2.8 KiB
Plaintext
# 📉 SVaR (Stressed Value at Risk) 개념 정리
|
|
|
|
---
|
|
|
|
## ✅ SVaR이란?
|
|
|
|
**Stressed Value at Risk (SVaR)**는 일반적인 VaR보다 더 **극단적인 시장 상황(= 스트레스 시나리오)**을 가정하여
|
|
리스크를 측정하는 방식입니다.
|
|
|
|
> "만약 시장이 최근과 같은 스트레스 상황에 빠진다면, 우리는 어느 정도 손실을 감당해야 하는가?"
|
|
|
|
---
|
|
|
|
## 🧠 SVaR과 VaR의 차이점
|
|
|
|
| 항목 | VaR | SVaR |
|
|
|------|-----|------|
|
|
| 기준 수익률 | 전체 수익률 분포 | **특정 스트레스 기간** 수익률만 사용 |
|
|
| 위험 수준 | 일반적인 리스크 측정 | **비정상적이고 급격한 시장 상황에 초점** |
|
|
| 보수성 | 보통 수준 | **보다 보수적인 손실 예측** |
|
|
|
|
---
|
|
|
|
## 📌 예시 (실제 의미)
|
|
|
|
- VaR 95% = -2.8% → “95% 확률로 -2.8% 이상 손해는 안 본다.”
|
|
- SVaR 95% = -4.7% → “급락장이 온다면, 최대 -4.7%까지 손실을 볼 수 있다.”
|
|
|
|
---
|
|
|
|
## 🔢 SightRay에서의 계산 방식 (MVP)
|
|
|
|
- 최근 N일(기본: 30일)을 **스트레스 구간**으로 간주
|
|
- 이 구간의 수익률 분포만으로 VaR을 다시 계산
|
|
- 계산 방식은 히스토리컬 방식과 동일
|
|
|
|
```python
|
|
# 스트레스 수익률 기준 SVaR
|
|
stress_returns = df['return'].iloc[-30:]
|
|
sorted_returns = np.sort(stress_returns)
|
|
svar = abs(sorted_returns[int((1 - 0.95) * len(sorted_returns))])
|
|
```
|
|
|
|
---
|
|
|
|
## 📈 시각적 차이 (개념)
|
|
|
|
```
|
|
전체 수익률 분포 스트레스 기간 수익률 분포
|
|
─────────────── ───────────────
|
|
▁▁▂▃▅▆██▇▅▃▂ ▁▂▃▅▇██▇▅▃▁
|
|
↑ VaR ↑ SVaR
|
|
```
|
|
|
|
---
|
|
|
|
## ⚙️ 사용 목적 (SightRay 기준)
|
|
|
|
- 데이터 분석 엔진의 결과 종목 중 **최근 급락에 취약한 종목 필터링**
|
|
- 일반 VaR보다 더 **보수적인 리스크 기준** 적용
|
|
- 리스크 점수 산출 시 가중치를 크게 부여 가능
|
|
|
|
---
|
|
|
|
## 🚧 한계점
|
|
|
|
| 항목 | 설명 |
|
|
|------|------|
|
|
| 스트레스 정의 주관성 | 어느 기간을 스트레스로 볼 것인가는 분석가 판단에 따라 달라질 수 있음 |
|
|
| 시장 구조 변화 반영 부족 | 과거 스트레스가 미래 스트레스로 반복될 것이라는 보장은 없음 |
|
|
| 기간 설정 영향 큼 | window 값을 20, 30, 60일 등으로 설정할 때 결과가 많이 달라짐 |
|
|
|
|
---
|
|
|
|
## ✅ 정리
|
|
|
|
**SVaR은 극단적인 시장 환경을 가정한 리스크 관리 수단이며**, SightRay에서는 **최근 급변 구간 수익률**만을 이용해 VaR을 다시 계산하는 방식으로 적용됩니다.
|
|
|
|
> 📘 기본 설정: 30일 스트레스 구간, 95% 신뢰 수준
|
|
> → 향후: 위기 기간 자동 탐지 기능 등으로 확장 가능
|