VaR（バリュー・アット・リスク）の世界へようこそ！
こんにちは！今日は、金融の世界で最も有名（かつ不可欠）な概念であるVaR（Value at Risk：バリュー・アット・リスク）について深く掘り下げていきます。銀行やヘッジファンドが、「通常の市場環境下において、一定期間内に被る最大の損失額はいくらか？」という問いにどう答えているのか気になったことはありませんか？まさにその答えがここにあります。VaRは、下方リスク（ダウンサイドリスク）を単一の数値で定量化するための標準的なフレームワークを提供します。シンプルな論理と実践的な例を使って、ステップバイステップで紐解いていきましょう。
1. VaRとは正確には何か？
VaRの本質は、所定の有意水準において特定の期間内に予想される最小損失額、あるいは同じことですが、所定の信頼水準において超えることのない最大損失額を測定するものです。
VaRを定義するには、常に2つのパラメータが必要です。
1. 保有期間（Time Horizon,
\(T\)）：分析対象とする期間のことです（例：1日、10日、1年など）。
2. 信頼水準（Confidence Level,
\(1 - \alpha\)）：どれくらいの確信を持ちたいかです（例：95%や99%など。ここで \(\alpha\) は有意水準を表します）。
例：あるポートフォリオの1日・95% VaRが100万ドルであるとは、通常の市場環境下において、ポートフォリオの1日の損失が100万ドルを超える確率はわずか5%しかない、という意味です。
VaRを解釈する3つの同等な表現
• ポートフォリオの損失が1日を通じて100万ドルを超えないと95%確信している。
• 1日の損失が100万ドル以上となる確率は5%である。
• 100営業日の期間において、100万ドルを超える損失が約5日発生すると予想される。
重要なポイント：VaRは損失分布における閾値（カットオフ）を指定するものですが、その閾値を超えた場合にどれほどの規模の損失が発生するかについては特定していません。
2. VaRの計算：パラメトリック法（デルタ・ノーマル法）
パラメトリック法（デルタ・ノーマル法と呼ばれることが多い）は、リスクファクターの収益率が特定の分布、典型的には正規分布に従うと仮定します。
計算式
有意水準 \(\alpha\) における臨界値 \(z_{\alpha}\)、標準偏差 \(\sigma_{p}\)、期待収益率 \(\mu_{p}\)、およびポートフォリオの価値 \(V\) を用いて金額ベースの損失を測定する場合：
\( VaR = (z_{\alpha} \times \sigma_{p} - \mu_{p}) \times V \)
注意：1日のような短い期間の場合、期待収益率（\(\mu_{p}\)）はゼロと仮定されることが多く、計算式は次のように簡略化されます：
\( VaR = z_{\alpha} \times \sigma_{p} \times V \)
暗記必須の標準正規分布の臨界値（ \(z\)スコア）
• 95%信頼水準の場合（片側5%のテール）：\( z_{0.05} = 1.645 \)
• 99%信頼水準の場合（片側1%のテール）：\( z_{0.01} = 2.326 \) （または2.33）
99%水準は95%水準よりも不利なテールのより深い領域まで入り込むため、所与の分布において99% VaRは常に95% VaRよりも厳密に大きくなります。
3. VaRのスケーリング：「時間の平方根」ルール
収益率が一定のボラティリティを伴い、独立かつ同一に分布（i.i.d.）していると仮定される場合、標準偏差は時間の平方根に比例してスケーリングされます：
\( \sigma_{T} = \sigma_{1} \times \sqrt{T} \)
全期間にわたって平均収益率をゼロと仮定すると：
\( VaR_{T} = VaR_{1} \times \sqrt{T} \)
注意：\(\sqrt{T}\) によるスケーリングは、i.i.d. の仮定の下でのみ有効です。収益率に自己相関（平均回帰やトレンド形成）やボラティリティ・クラスタリングが見られる場合、このルールはリスクを過小または過大に見積もることになります。
4. 線形 vs. 非線形ポートフォリオとデリバティブ
VaRの適用方法は、ポートフォリオを構成する資産の線形または非線形の特性に大きく依存します。
線形デリバティブ（先渡、先物、スワップ）
線形契約のペイオフは、原資産価格に直接比例して変化します。ポートフォリオの価値変化は近似的に次のようになります：
\( \Delta P \approx \Delta \times \Delta S \)
関係性が線形であるため、原資産の収益率が正規分布に従っていればポートフォリオの変化も正規分布に従うことになり、デルタ・ノーマル法は正確かつ容易に適用できます。
非線形デリバティブ（オプション）
オプションは、ガンマ（\(\Gamma\)）によって測定される曲率（非線形性）に起因する非対称なペイオフを特徴とします：
\( \Delta P \approx \Delta \times \Delta S + \frac{1}{2} \Gamma (\Delta S)^2 \)
• デルタ・ノーマルVaR：\(\Gamma\) の項を無視し、オプションをそのデルタ等価値（\(\Delta \times S\)）に等しい線形ポジションとして扱います。計算は高速ですが、大きな価格変動に対しては重大な誤差を生じます。ショート・オプション・ポジション（ネガティブ・ガンマ）のリスクを過小評価し、ロング・オプション・ポジション（ポジティブ・ガンマ）のリスクを過大評価してしまいます。
• 全再評価法（Full Revaluation）：シミュレートされた各シナリオや過去のショックごとに、価格評価モデル（例：ブラック・ショールズ・マートンなど）を用いてオプション価格を完全に再計算します。これにより、ガンマや高次の感応度を正確に捉えることができます。
5. ヒストリカル・シミュレーションとモンテカルロ・シミュレーション
ヒストリカル・シミュレーション
このノンパラメトリック手法は、過去の一定期間（例：直近500日）における市場リスクファクターの実際のパーセンテージ変化を現在のポートフォリオに適用し、仮想的な損益の実証分布を構築します。
• 長所：分布の仮定を必要とせず、ファットテール、歪度、非線形のオプション・ペイオフを自然に組み込むことができます。
• 短所：完全に過去志向であり、過去に例のないショックを予測することはできません。また、過去の観測値が均等に加重され、かつ独立であると仮定しています。
モンテカルロ・シミュレーション
モンテカルロ法は、リスクファクターのパラメトリックな分布を構築し、相関性を持たせた数千もの疑似ランダムなパスを生成して、各パスにわたってポートフォリオを評価するために全再評価法を適用します。
• 長所：柔軟性が極めて高く、経路依存型や複雑な非線形デリバティブのモデル化が可能で、複数資産間の相互作用にも対応できます。
• 短所：計算負荷が非常に高く、深刻なモデルリスクやパラメータ推定誤差の影響を受けやすくなります。
6. 相関の内崩（コリレーション・ブレイクダウン）とワーストケース・シナリオ分析
相関の内崩（コリレーション・ブレイクダウン）
標準的なVaRモデルにおける分散投資の恩恵は、資産間のヒストリカルな相関推定値に依存しています。しかし、深刻な市場のストレス局面では、実証的な相関関係が崩壊することが頻繁にあります：
• 通常は無相関または負の相関関係にある資産が、しばしば急激かつ同時に下落を示し、相関が+1に向かって推移します。
• 相関の内崩（コリレーション・ブレイクダウン）として知られるこの現象は、保護が最も必要とされるまさにその瞬間にポートフォリオの期待される分散効果を消失させ、実際の損失がモデルによって予測されたVaRを大幅に上回る原因となります。
ワーストケース・シナリオ分析 vs. VaR
VaRが通常の市場環境下において特定の統計的信頼度で発生しうる損失を示すのに対し、ワーストケース・シナリオ（WCS）分析は、過去の確率分布にかかわらず、起こり得る深刻なストレスシナリオの下での最大潜在損失を検証します。
• VaR：分布に依存し、パーセンタイルに基づき、カットオフを超えるテールの深刻度については何も示しません。
• ワーストケース・シナリオ分析：統計的関係性や相関関係が破綻する極端なテールの結果、ストレスシナリオ、および構造的なレジームシフトに焦点を当てます。
7. VaRの限界のまとめ
1. テールの不可知性（テール・ブラインドネス）：VaRは損失の閾値を示すだけであり、その閾値を超えた損失の規模については何も明らかにしません。テールの平均損失を測定するために、VaRと併せて期待ショートフォール（ES）が使用されます。
2. 非劣加法性：VaRは劣加法性に反する可能性があるため、一般的にはコヒーレントなリスク尺度ではありません。ポートフォリオ全体のVaRが、個々のVaRの合計を超えることがあります。
3. モデルリスク：正規性、安定した相関、ボラティリティの動態に関する前提が不正確であると、リスク推定値が歪められることになります。