87 lines
2.6 KiB
Plaintext
87 lines
2.6 KiB
Plaintext
# 📉 VaR (Value at Risk) 개념 정리
|
||
|
||
---
|
||
|
||
## ✅ VaR이란?
|
||
|
||
**Value at Risk (VaR)**는 일정 기간 동안 특정 신뢰 수준(confidence level)에서
|
||
금융 자산이나 포트폴리오가 감수할 수 있는 **최대 손실 금액**을 추정하는 지표입니다.
|
||
|
||
> 쉽게 말해:
|
||
> "95% 확률로, 내일 이 자산의 손실이 **3%를 넘지 않을 것이다."
|
||
|
||
---
|
||
|
||
## 📌 공식 정의
|
||
|
||
> **VaR(신뢰수준 α)** = 수익률 분포에서 **하위 (1-α)% 지점의 손실 크기**
|
||
|
||
예를 들어:
|
||
- 95% 신뢰 수준 → 하위 5% 수익률 지점의 절대값
|
||
- 99% 신뢰 수준 → 하위 1% 수익률 지점의 절대값
|
||
|
||
---
|
||
|
||
## 💡 사용 목적
|
||
|
||
| 목적 | 설명 |
|
||
|------|------|
|
||
| **위험 평가** | 특정 포지션 또는 포트폴리오의 손실 한계치를 수치화 |
|
||
| **투자 판단 기준** | 리스크 관리 기준으로 활용 (리스크가 과도한 종목 배제 등) |
|
||
| **자본 관리** | 기관의 자기자본 대비 리스크 노출 통제 수단 |
|
||
|
||
---
|
||
|
||
## 🔢 계산 방식
|
||
|
||
1. 과거 수익률(%)을 계산
|
||
2. 수익률들을 정렬 (오름차순)
|
||
3. 하위 (1 - confidence level)% 위치의 값 추출
|
||
4. 절대값을 취해 **손실 크기**로 사용
|
||
|
||
예시 (Python 기준):
|
||
```python
|
||
import numpy as np
|
||
sorted_returns = np.sort(df['return'].values)
|
||
var_index = int((1 - 0.95) * len(sorted_returns))
|
||
VaR = abs(sorted_returns[var_index])
|
||
```
|
||
|
||
---
|
||
|
||
## 📊 시각적 이해
|
||
|
||
```
|
||
수익률 분포 (히스토그램)
|
||
|
||
▲
|
||
│ ▁▆█▇▆▅▄▃▂
|
||
│ ▂▃▅▆█▇▇▅▃▂
|
||
VaR → ▁▂▃ ← 손실 구간 (좌측 꼬리)
|
||
│
|
||
──────────┼────────────────────▶ 수익률
|
||
│ ↑
|
||
신뢰 수준 (예: 95%)
|
||
```
|
||
|
||
---
|
||
|
||
## 🚧 한계점
|
||
|
||
| 항목 | 설명 |
|
||
|------|------|
|
||
| **정규분포 가정 문제** | 실무에서는 수익률 분포가 비대칭/두꺼운 꼬리(heavy-tail)인 경우가 많음 |
|
||
| **극단 리스크 무시** | 신뢰 수준 바깥(1% 이하)의 극단적인 손실은 반영하지 않음 |
|
||
| **과거 기반** | 과거 수익률만을 기반으로 미래 위험을 추정함 |
|
||
|
||
---
|
||
|
||
## ✅ SightRay에서의 사용 목적
|
||
|
||
- 분석 엔진에서 선별한 종목들에 대해 **예측 ROI에 비해 감수할 리스크가 과도한지 판단**
|
||
- `risk_score`에 반영되어 **전략 엔진으로 전달 여부 결정**
|
||
- 향후 SVaR, Monte Carlo와 함께 **리스크 통합 점수화 기준 중 하나**
|
||
|
||
---
|
||
|
||
> 📘 참고: SightRay는 VaR을 히스토리컬 방식으로 계산하며, 신뢰 수준은 기본 95%로 설정되어 있습니다. |