테일밸류앳리스크 (Tail Value at Risk)
쉽게 풀면
테일밸류앳리스크(TVaR)는 '최악의 상황들 중에서도 평균적으로 얼마나 손해를 볼까'를 계산하는 지표입니다. 예를 들어 발생 확률이 낮은 상위 1% 최악의 시나리오들만 따로 모아서, 그 시나리오들의 평균 손실액을 구하는 방식입니다. 특정 한 지점의 손실만 보는 위험가치보다 극단적인 꼬리 위험을 더 잘 반영한다는 평가를 받습니다.
왜 중요한가
일반적인 VaR 지표가 특정 신뢰수준을 넘는 손실의 발생 가능성만 알려주는 데 비해, 그 초과 구간의 평균적 손실 규모까지 함께 측정할 수 있어 극단적 리스크에 대한 자본 적정성 평가에서 더 보수적이고 정보량이 많은 지표로 활용됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 매우 드물게 일어나는 최악의 시나리오들만 골라 그 평균 손실을 계산해서, 회사가 쌓아야 할 자본의 근거로 삼았다는 것을 설명합니다.
가장 나쁜 시나리오들의 평균을 보는 이 지표는 특정 확률 지점 하나만 보는 지표보다 더 안전 쪽으로 값이 나온다는 설명이다.
조금 더 깊게 보면
테일밸류앳리스크는 VaR보다 계산이 복잡하고 손해 분포의 꼬리 부분 추정 오차에 민감하게 반응할 수 있어, 데이터가 충분하지 않은 경우 산출 결과의 신뢰도를 신중하게 검토해야 합니다. TVaR은 일관성 있는 위험측도의 조건(부분가법성 등)을 만족하는 반면 VaR은 만족하지 못해, 포트폴리오를 분산해도 VaR은 오히려 커질 수 있는 역설이 있는 데 비해 TVaR은 이런 문제에서 자유롭습니다. 다만 조건부 기대값을 계산하려면 분포의 꼬리 형태를 정확히 알아야 해 데이터가 부족한 실무에서는 근사 오차가 상당할 수 있습니다.
주의할 점
테일밸류앳리스크는 극단적인 꼬리 구간의 데이터가 적을수록 추정 오차가 커질 수 있어 손해분포모형의 적합성 검증이 중요하다.
데이터가 부족한 신상품이나 신흥 리스크 영역에서는 TVaR 산출에 필요한 꼬리 분포 정보 자체가 부족해 극단값이론 등 보완적 통계기법을 함께 적용해야 하는 경우가 많다. 손해 분포의 형태를 잘못 가정하면 TVaR 값이 실제보다 과소 또는 과대 산출될 수 있어, 여러 분포를 비교 검증하는 절차가 함께 요구된다.