金融リスク尺度へようこそ！

皆さん、こんにちは！今日はFRMカリキュラムの「バリュエーションとリスクモデル（Valuation and Risk Models）」セクションの中でも最も重要な章の一つを学びます。リスク測定とは、銀行や投資会社の「ダッシュボード（計器盤）」のようなものだと考えてください。パイロットが飛行高度や速度を知るために計器を必要とするのと同様に、リスク管理者は会社がどれだけの損失を被る可能性があるかを知るための特定のツールを必要とします。このノートを読み終える頃には、リスク指標の「2大巨頭」であるバリュー・アット・リスク（VaR）と期待ショートフォール（ES）、そしてあるリスク尺度が適切かどうかを判断する方法について理解できるようになっているはずです。

1. バリュー・アット・リスク (VaR): 業界のスタンダード

バリュー・アット・リスク（VaR）は、金融の世界で最も有名な数字です。これは「一定の期間において、与えられた信頼水準のもとで予想される最大損失額はいくらか？」という問いに答えるものです。

VaRは以下の2つの重要なパラメーターによって定義されます。
1. 期間（Time Horizon, T）： リスクを測定する期間（例：1日、10日など）。
2. 信頼水準（Confidence Level, \(1 - \alpha\)）： 通常は95%や99%が用いられます。

例： あるポートフォリオの1日・95% VaRが100万ドルである場合、それは「1日で100万ドルを超える損失が出る確率はわずか5%しかない」ことを意味します。言い換えれば、「損失が100万ドル以下に収まる確信が95%ある」ということです。

正規分布を用いたVaRの計算

収益率が正規分布（いわゆる「ベルカーブ」）に従うと仮定した場合、計算式は以下の通りです。
\( VaR = \mu - (z \times \sigma) \)
ここで：
- \( \mu \) は期待収益率（短期期間では0と仮定されることが多い）。
- \( \sigma \) は標準偏差（ボラティリティ）。
- \( z \) は正規分布表から得られる臨界値（例：95%なら1.65、99%なら2.33）。

ちょっとしたコツ： FRM試験で「95% VaR」を問われたら、通常は分布の「下側5%」の裾（テール）を見ます。最初は難しく感じるかもしれませんが、大丈夫です。信頼水準が高いほど（95%より99%の方が）、より「怖い」裾の奥深くまでを見ることになるため、VaRの値は必ず大きくなるということを覚えておきましょう。

よくある間違い： VaRは「最悪のシナリオ（絶対的な最大損失）」を教えてくれるわけではありません。あくまで境界線を教えてくれるだけです。もしVaRが100万ドルであっても、110万ドルの損失が出るかもしれませんし、1,000万ドル、あるいは全財産を失うリスクすらあります。VaRは「極端な裾（テール）」で何が起こるかについては沈黙しているのです。

2. 期待ショートフォール (ES): 境界線のその先を見る

VaRが「境界線」だとしたら、期待ショートフォール（ES）（別名：条件付VaR（CVaR））は、その線の先にあるすべての平均値です。これは「事態が本当に悪化し、VaRを超えてしまった場合、平均してどれくらいの損失が出るか？」という問いに答えます。

例え話： あなたが穴を飛び越えようとしていると想像してください。VaRは「穴がどれくらいの幅か」を教えてくれますが、ESは「万が一穴に落ちてしまった場合、その穴がどれくらい深いか」を教えてくれるのです。

なぜESを使うのか？
  • VaRよりもテールリスク（裾野のリスク）を正確に捉えることができるため。
  • 信頼水準を超えた先にある損失分布の形状に対して、より敏感であるため。
  • 劣加法性（subadditivity）と呼ばれる数学的性質を満たすため（VaRはこれに失敗することがあります。後ほど詳しく説明します！）。

重要なポイント： 同じ信頼水準であれば、ESは常にVaR以上になります。なぜならESは「最悪の事態」の損失の平均値だからです。

3. コヒーレント（整合的）なリスク尺度: 「黄金律」

1999年、研究者ら（Artznerら）は、あるリスク尺度が「優れている」あるいは「コヒーレント（整合的）」であると見なされるためには、4つの数学的ルールに従う必要があると定義しました。覚え方は「M-S-H-T」です。

1. 単調性（Monotonicity）： ポートフォリオAの収益が、あらゆるシナリオにおいて常にポートフォリオBより悪いなら、AのリスクはBのリスクよりも高くなければならない。
2. 劣加法性（Subadditivity）： 2つのポートフォリオを組み合わせたときのリスクは、個々のリスクの合計以下でなければならない。（分散投資によってリスクは低減されるべき！）
3. 正の斉次性（Positive Homogeneity）： ポートフォリオの規模を2倍にすれば、リスクも2倍になる。 \( Risk(\lambda \times X) = \lambda \times Risk(X) \)。
4. 並進不変性（Translation Invariance）： ポートフォリオに現金（\(k\)）を加えると、そのリスクはその現金分だけ正確に減少する。 \( Risk(X + k) = Risk(X) - k \)。

知っていましたか？ VaRは常にコヒーレントであるとは限りません。特に、オプションやクレジット債券のように非正規分布を扱う場合、劣加法性のテストに失敗することがあります。これが、規制当局がESへと移行しようとしている大きな理由です。ESはコヒーレントだからです。

4. VaRとESの推定: 3つの主要な手法

実務ではどうやってこれらの数値を出すのでしょうか？主な「3つの手法」があります。

手法A: ヒストリカル・シミュレーション（過去のデータを使う方法）

過去500日や1,000日の実際の市場データを取り出し、その変動を現在のポートフォリオに適用します。
- メリット： 「ベルカーブ（正規分布）」を仮定する必要がなく、「ファットテール（厚い裾）」を捉えられる。
- デメリット： 未来が過去と全く同じ動きをすると仮定してしまう。

手法B: パラメトリック法 / 分散・共分散法（数学を使う方法）

分布（通常は正規分布）を仮定し、平均値と標準偏差を用います。
- メリット： 計算が非常に速く簡単。
- デメリット： 市場暴落時には全く役に立たない。極端なイベントの確率を過小評価してしまう（ファットテールを捉えられない）。

手法C: モンテカルロ・シミュレーション（コンピュータを使う方法）

コンピュータが、与えられたルールに基づいて何千ものランダムな「もしも」のシナリオを生成します。
- メリット： オプションやエキゾチック・デリバティブのような複雑なものをモデル化できる。
- デメリット： 計算コストが高く時間がかかる。「ゴミを入れたらゴミが出てくる（Garbage In, Garbage Out）」の原則通り、ルールが間違っていれば結果も間違ったものになる。

5. スペクトル・リスク尺度

少し高度な概念ですが、加重平均だと考えてください。スペクトル・リスク尺度は、投資家がどれだけリスクを嫌うか（リスク回避度）に応じて、異なる結果に重み付けを行います。
- ESは実はスペクトル・リスク尺度の一種です。VaRのしきい値を超えた損失に均等な重みを置き、それ以外の損失には重みを置かないというケースです。
- コヒーレントであるためには、スペクトル・リスク尺度の重みは「負ではなく、かつ増加する（大きな損失ほど重要視する）」必要があります。

6. バックテスト: 作業の検証

VaRモデルが正しく機能しているかをどうやって知るのでしょうか？バックテストを行います！過去のVaR予測と実際に発生した損失を比較するのです。

95%の1日VaRモデルであれば、5%の確率（100日中5日）で損失がVaRを超えると予想されます。
- 100日中20回も超えていれば、モデルはリスクを過小評価しています。
- 一度も超えなければ、モデルが保守的すぎる（リスクを過大評価している）可能性があり、資本を過剰に拘束していることになります。

クイックレビュー・ボックス

- VaR: \(X\%\)の信頼水準で、これを超えないという損失額。
- ES: VaRを超えたという前提での損失の平均値。
- コヒーレンス（整合性）: 単調性、劣加法性、斉次性、並進不変性を満たすこと。
- VaRの欠陥: VaRは常に劣加法性を持つとは限らないが、ESは持つ。
- ヒストリカル・シミュレーション: 実際の過去データを使用し、分布の仮定は不要。
- 正規分布のVaR計算式: \( \mu - z \sigma \)。

圧倒されなくて大丈夫です！ この章の核心は、「ダウンサイド（下振れ）」をいかに数値化するかを理解することに尽きます。VaRは「砂の上に引かれた境界線」、ESは「その線の向こう側にある損失の平均値」だと覚えておけば、すでに半分は理解したも同然ですよ！