Математика управления рисками: показатель Expected Shortfall (ES)

Если VaR задает лишь квантиль распределения потерь (порог, который с заданной вероятностью не будет превышен), то ES — это математическое ожидание всех потерь, которые превышают этот порог. Математически: $ES_alpha = mathbb{E}[L | L ge VaR_alpha]$. Эта мера является когерентной, что математически означает выполнение свойства субаддитивности: риск портфеля, состоящего из двух частей, не превышает сумму рисков каждой из них. Это делает ES гораздо более надежной мерой для управления капиталом в условиях рыночной нестабильности.

Для вычисления ES в практических моделях часто используют метод Монте-Карло. После генерации $N$ сценариев потерь, мы сортируем их от худших к лучшим. VaR на уровне $alpha$ — это значение на позиции $N(1-alpha)$. Тогда ES — это среднее всех значений, которые находятся "левее" этого уровня. В случае непрерывных распределений (нормальное, Стьюдента) существуют аналитические формулы для ES, которые зависят от квантилей и плотности распределения.

Внедрение ES в банковский риск-менеджмент (стандарт Базель III / FRTB) призвано предотвратить катастрофические последствия, которые часто остаются незамеченными при использовании классического VaR. Понимание математики ES требует анализа хвостов распределений, что ведет к необходимости применения теории экстремальных значений (EVT). Это позволяет точнее оценивать риск редких, но крайне разрушительных событий на фондовых и товарных рынках.

Список литературы:
1. Acerbi C., Tasche D. On the Coherence of Expected Shortfall. — Journal of Banking & Finance, 2002.
2. Rockafellar R.T., Uryasev S. Optimization of Conditional Value-at-Risk. — Journal of Risk, 2000.
3. Халл Дж. Управление рисками. — М.: Вильямс, 2021.
Эксперты: Карло Ацерби, Дирк Таше, Станислав Урясев.