VaR (Value at Risk) 계산기
선택한 신뢰수준에서 포트폴리오의 최대 예상 손실을 추정하세요 — 파라메트릭(분산-공분산) 방법 또는 직접 입력한 과거 수익률 시리즈(히스토리컬 방법) 중 선택할 수 있습니다.
결과
—
—
VaR(Value at Risk) 읽는 법
VaR은 '이 신뢰수준에서, 이 기간 동안 얼마나 손실을 볼 수 있는가?'라는 질문에 답합니다. 10만 달러 포트폴리오에서 95% 1일 VaR이 3,000달러라면, 하루 동안 포트폴리오가 3,000달러 이상 손실을 볼 확률이 5%(즉 넘지 않을 확률이 95%)라는 뜻입니다. 파라메트릭 VaR은 변동성과 정규분포 가정으로 빠르게 계산하지만, 꼬리가 두껍거나 비대칭적인 수익률 분포를 가진 자산(암호화폐에서 흔함)에서는 리스크를 과소평가할 수 있습니다. 히스토리컬 VaR은 대신 실제 과거 수익률에서 최악의 백분위수를 직접 읽어와 실제로 발생한 분포 형태를 그대로 반영하지만, 실제 수익률 시리즈가 필요하고 보유한 과거 데이터 양에 제약을 받습니다. 두 방법 모두 손실에 절대적인 한도를 두지 않습니다 — 정의상, 신뢰수준의 여집합(95% VaR의 경우 5%)이 실제 손실이 VaR 값을 초과하는 빈도 그 자체입니다.
자주 묻는 질문
95% VaR이 5,000달러라는 것은 실제로 무슨 의미인가요?
사용된 모델과 데이터를 기준으로, 선택한 기간 동안 포트폴리오의 손실이 5,000달러를 넘지 않을 확률이 95%이며, 따라서 넘을 확률이 5%라는 뜻입니다. VaR은 임계값과 신뢰수준을 나타내는 것이지, 절대적인 최악의 한도가 아닙니다.
파라메트릭 VaR과 히스토리컬 VaR 중 어느 것을 써야 하나요?
파라메트릭 VaR은 빠르고 변동성 추정치만 있으면 되지만, 수익률이 정규분포를 따른다고 가정합니다 — 이 가정은 암호화폐처럼 큰 움직임이 자주 발생하는 자산에서는 리스크를 과소평가하는 경향이 있습니다. 히스토리컬 VaR은 분포 가정 없이 실제 과거 수익률을 사용하므로 실제 팻테일과 비대칭성을 포착하지만, 정확도는 충분히 대표성 있는 과거 데이터가 있는지에 따라 달라집니다.
VaR 비율이 왜 시간의 제곱근으로 스케일되나요?
수익률이 기간마다 독립적이라는 일반적인 가정 하에서, 변동성(표준편차)은 시간의 제곱근에 비례해 증가하고 평균 수익률은 시간에 선형적으로 비례해 증가합니다 — 이것이 파라메트릭 VaR에서 변동성 항에 기간을 직접 곱하지 않고 √(기간)을 곱하는 이유입니다.