시장위험
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
시장 위험은 기업이 불리한 상황으로 인해 손실을 볼 가능성을 의미하며, 이러한 위험을 관리하고 잠재적 이익과의 균형을 맞추는 방법을 연구하는 것이다. 시장 위험은 주가 변동, 금리 변동, 환율 변동 등 다양한 형태로 나타나며, 특히 대한민국과 같은 수출 중심 경제에서는 환율 변동 위험 관리가 중요하다. 시장 위험을 측정하기 위해 VaR(Value at Risk)이 전통적으로 사용되었으나, VaR은 포트폴리오 구성의 고정, 가산성 부재 등의 한계를 지닌다. 이러한 단점을 보완하기 위해 CVaR(Conditional Value at Risk)과 몬테카를로 시뮬레이션 등의 방법이 제안되었으며, 비대칭 의존성을 고려하는 것이 중요하게 여겨진다. 시장 위험 관리는 바젤 위원회의 규제와 미국 기업의 연례 보고서 공시 의무와도 관련이 있으며, 실물 투자에서도 시장 위험이 발생할 수 있다.
더 읽어볼만한 페이지
- 시장 실패 - 정보 비대칭
정보 비대칭은 한쪽 당사자가 다른 당사자보다 더 많은 정보를 가져 불공정한 거래나 의사 결정이 발생하는 상황을 의미하며, 역선택, 도덕적 해이 등의 모델로 설명되고 신호, 스크리닝 등의 해결책이 제시된다. - 시장 실패 - 독점
독점은 상품의 유일한 판매자가 존재하고 대체재가 없으며 진입 장벽이 높은 시장 구조를 의미하며, 생산량 감소와 가격 상승을 초래하여 사회적 후생 손실을 발생시키고 정부의 규제를 받기도 한다. - 가격 결정 - 페이퍼뷰
페이퍼뷰는 케이블 TV, 위성방송, IPTV 등에서 특정 콘텐츠 시청 횟수에 따라 요금을 부과하는 방식이며, 스포츠, 영화 등 다양한 프로그램에 적용되고, 1972년 케이블 TV 시스템 도입을 통해 현재와 같은 형태가 시작되었다. - 가격 결정 - 클릭당 지불
클릭당 지불 광고는 광고주가 광고 클릭당 비용을 지불하는 온라인 광고 방식으로, 정액제와 입찰 기반 모델이 있으며 검색엔진 결과 페이지 등에 게재되고 키워드 매칭, 광고 품질, 실시간 입찰 등이 노출 순위에 영향을 미치며 클릭 사기 등의 문제점도 존재하지만 인공지능 기반 타겟팅 기술과 함께 진화하고 있다.
| 시장위험 | |
|---|---|
| 시장 위험 개요 | |
| 정의 | 시장 위험은 시장 가격이나 금리의 변동으로 인해 발생하는 손실 위험을 말함. |
| 설명 | 시장 위험은 기업의 자산과 부채의 가치에 영향을 미치며, 투자 포트폴리오의 수익률 변동성을 야기할 수 있음. 시장 위험은 금리 위험, 주식 위험, 통화 위험, 상품 위험 등 다양한 형태로 나타날 수 있음. 시장 위험은 거시 경제 상황, 정치적 사건, 자연 재해 등 다양한 요인에 의해 발생할 수 있음. |
| 시장 위험 유형 | |
| 금리 위험 | 금리 변동으로 인해 발생하는 손실 위험 |
| 주식 위험 | 주가 변동으로 인해 발생하는 손실 위험 |
| 통화 위험 | 환율 변동으로 인해 발생하는 손실 위험 |
| 상품 위험 | 상품 가격 변동으로 인해 발생하는 손실 위험 |
| 변동성 위험 | 기초 자산의 변동성 변화로 인해 발생하는 손실 위험 |
| 체계적 위험 | 시장 전체에 영향을 미치는 위험 |
| 시장 위험 관리 | |
| 위험 측정 | VaR (Value at Risk): 특정 기간 동안 특정 신뢰 수준에서 발생할 수 있는 최대 손실 금액을 추정하는 방법 스트레스 테스트: 극단적인 시장 상황에서 포트폴리오의 손실 가능성을 평가하는 방법 민감도 분석: 시장 변수의 변화에 따른 포트폴리오 가치의 변화를 분석하는 방법 |
| 위험 완화 | 헤징: 파생 상품 등을 이용하여 시장 위험을 회피하는 방법 다변화: 다양한 자산에 투자하여 시장 위험을 분산하는 방법 포지션 조정: 시장 상황 변화에 따라 포트폴리오의 자산 비중을 조절하는 방법 |
2. 위험 관리
모든 기업은 불리한 상황이 발생할 가능성과 그러한 불리한 상황의 비용이라는 두 가지 요소를 기반으로 위험을 감수한다. 위험 관리는 위험을 통제하고 이익 가능성의 균형을 맞추는 방법에 대한 연구이다.
위험 관리는 위험을 통제하고 이익의 가능성을 균형 있게 유지하는 방법을 연구하는 것이다. 은행, 투자 회사 및 일반 기업에서의 (시장) 위험 관리 실무에 대한 논의는 금융 위험 관리#적용을 참조하라.
3. 시장 위험의 종류
주요 시장 위험은 다음과 같다.3. 1. 주가 변동 위험
주가 등의 가격 변동으로 인해 발생하는 위험을 가격 변동 위험이라고 한다. 선물 거래 등을 통해 이러한 위험을 헤지(Hedge)할 수 있다.
3. 2. 금리 위험
금리 변동에 따른 위험이다. 금리 스와프 등을 통해 위험을 헤지할 수 있다.[1]
3. 3. 환율 위험
외국환율의 변동에 따른 위험이다. 통화 스와프, 환헤지 등을 통해 위험을 헤지할 수 있다. 특히 대한민국은 수출 중심 경제 구조를 가지고 있으므로, 환율 변동 위험 관리가 매우 중요하다.
4. 시장 위험의 측정
시장 위험으로 인한 잠재 손실액은 여러 가지 방법으로 측정될 수 있다. 전통적으로 VaR(Value at Risk)이 널리 사용되었으나, VaR은 몇 가지 제한적인 가정을 포함하고 있어 정확성에 한계가 있다. 예를 들어, 측정 대상 포트폴리오 구성이 일정 기간 동안 변하지 않는다고 가정하는데, 이는 장기적으로 비현실적일 수 있다.[2] 또한 VaR는 가산성이 없어 일관성 있는 위험 측정이 아니라는 문제점도 있다.[2]
이러한 VaR의 단점을 보완하기 위해 CVaR(조건부 VaR)이 제안되기도 한다.[3] 또한, 과거 시뮬레이션 대신 몬테카를로 시뮬레이션을 활용하여 시장 위험을 측정할 수 있다. 특히 금융 위기 상황과 같이 변동성이 크고 시장 혼란이 있는 기간에는 비대칭 상관 관계 또는 비대칭 의존성을 고려하는 것이 중요하다.[4]
더불어, 포트폴리오 내 금융 포지션의 중간 현금 흐름, 내재 옵션, 변동 금리 이자율 변화에도 주의를 기울여야 하며, 그 영향이 크다면 무시할 수 없다.
4. 1. VaR (Value at Risk)
VaR(Value at Risk)는 전통적으로 널리 사용되는 시장 위험 측정 방법이다. 그러나 VaR는 몇 가지 한계를 가지고 있다.첫째, VaR는 측정 대상 포트폴리오의 구성이 정해진 기간 동안 변하지 않는다고 가정한다. 짧은 기간 동안에는 이 가정이 합리적일 수 있지만, 기간이 길어지면 포트폴리오 구성이 변할 수 있어 VaR의 유효성이 떨어진다.[2]
둘째, VaR는 가산성이 없어서 일관성 있는 위험 측정이 아니다.[2] 이러한 문제점 때문에, 이산 분포를 포함한 일반적인 손실 분포에 대해 일관성이 있고 가산성이 있는 CVaR(조건부 VaR)이 시장 위험 측정 방법으로 제안되기도 한다.[3]
VaR을 계산하는 분산 공분산 및 과거 시뮬레이션 방식은 과거 상관 관계가 안정적이며 미래에도 변하지 않거나, 시장 스트레스 상황에서도 붕괴되지 않는다고 가정한다. 그러나 이러한 가정은 시장 변동성이 크고 혼란스러운 기간 동안 과거 상관 관계가 무너지는 경향이 있기 때문에 부적절하다. 금융 위기 상황에서는 모든 산업 부문이 상승 추세 시장과는 반대로 상관 관계가 크게 증가하는 경향을 보인다. 이러한 현상은 비대칭 상관 관계 또는 비대칭 의존성이라고도 한다. 과거 시뮬레이션 대신 잘 지정된 다변량 모델을 사용한 몬테카를로 시뮬레이션이 좋은 대안이 될 수 있다. 예를 들어, 가우시안 코풀라와 잘 지정된 주변 분포를 기반으로 몬테카를로 시뮬레이션을 통해 자산 분포의 예측을 생성하여 분산 공분산 행렬의 추정을 개선할 수 있다.[4] 자기 회귀, 비대칭 변동성, 왜도 및 첨도와 같은 주식 수익률의 경험적 특성을 모델링 과정에서 고려하는 것이 중요하다. 이러한 속성을 고려하지 않으면 상관 관계 및 분산 공분산 추정에서 심각한 오류가 발생하여 음의 편향(실제 값의 70%까지)이 발생할 수 있다.[5] 분산 공분산 행렬을 사용하여 대규모 자산 포트폴리오에 대한 VaR 또는 CVaR을 추정하는 것은 기본 수익률 분포가 비대칭 의존성을 나타내는 경우 부적절할 수 있다. 이러한 시나리오에서는 VaR 또는 CVaR을 사용하여 테일 리스크를 계산할 때 자산 포트폴리오 전체에서 비대칭 의존성(예: Clayton, Rotated Gumbel)을 허용하는 바인 코풀라가 가장 적합하다.[6]
또한 포트폴리오 내 금융 포지션의 중간 현금 흐름, 내재 옵션, 변동 금리 이자율의 변화에 대해 주의를 기울여야 한다. 그 영향이 클 수 있다면 무시할 수 없다.
4. 2. CVaR (Conditional Value at Risk)
CVaR(조건부 VaR)은 VaR(Value at Risk)의 단점을 보완하기 위해 제안된 시장 위험 측정 방법이다.[3] CVaR은 이산 분포를 포함한 일반적인 손실 분포에 대해 일관성 있는 위험 측정이며, 가산성이 있다.[3]4. 3. 몬테카를로 시뮬레이션
VaR(Value at Risk)나 CVaR(조건부 VaR)은 과거 데이터에만 의존하는 반면, 몬테카를로 시뮬레이션은 다양한 시나리오를 생성하여 시장 위험을 측정한다. 특히, 가우시안 코풀라와 잘 지정된 주변 분포를 기반으로 몬테카를로 시뮬레이션을 활용하면 자산 분포의 예측을 개선할 수 있다.[4]과거 시뮬레이션 방식은 과거 상관 관계가 안정적이며 향후 변경되지 않거나 시장 스트레스 상황에서 붕괴되지 않는다고 가정한다. 그러나 이러한 가정은 변동성이 크고 시장 혼란이 있는 기간 동안 과거 상관 관계가 무너지는 경향이 있기 때문에 부적절하다. 금융 위기 동안 모든 산업 부문이 상승 추세 시장과는 반대로 상관 관계가 크게 증가하는 현상인 비대칭 상관 관계 또는 비대칭 의존성이 발생하기 때문이다.
따라서 과거 시뮬레이션 대신 잘 지정된 다변량 모델을 사용한 몬테카를로 시뮬레이션이 훌륭한 대안이 될 수 있다. 예를 들어, 분산 공분산 행렬의 추정을 개선하기 위해 가우시안 코풀라와 잘 지정된 주변 분포를 기반으로 몬테카를로 시뮬레이션을 통해 자산 분포의 예측을 생성할 수 있다.[4] 자기 회귀, 비대칭 변동성, 왜도 및 첨도와 같은 주식 수익률의 경험적 특성을 모델링 프로세스에서 고려하는 것이 중요하다. 이러한 속성을 고려하지 않으면 상관 관계 및 분산 공분산 추정에서 심각한 오류가 발생하여 음의 편향(실제 값의 70%까지)이 발생한다.[5]
분산 공분산 행렬을 사용하여 대규모 자산 포트폴리오에 대한 VaR 또는 CVaR을 추정하는 것은 기본 수익률 분포가 비대칭 의존성을 나타내는 경우 부적절할 수 있다. 이러한 시나리오에서는 VaR 또는 CVaR을 사용하여 테일 리스크를 계산할 때 자산 포트폴리오 전체에서 비대칭 의존성(예: Clayton, Rotated Gumbel)을 허용하는 바인 코풀라가 가장 적합하다.[6]
4. 4. 비대칭 의존성 고려
VaR(Value at Risk)을 계산하는 분산 공분산 및 과거 시뮬레이션 방식은 과거 상관관계가 안정적이며, 향후 변경되지 않거나 시장 스트레스 상황에서 붕괴되지 않는다고 가정한다. 그러나 이러한 가정은 변동성이 크고 시장 혼란이 있는 기간 동안 과거 상관관계가 무너지는 경향이 있기 때문에 부적절하다.[4]직관적으로, 이는 모든 산업 부문이 상승 추세와는 반대로 상관관계가 크게 증가하는 금융 위기 동안 명백하다. 이러한 현상은 비대칭 상관관계 또는 비대칭 의존성이라고도 한다. 과거 시뮬레이션을 사용하는 대신, 잘 지정된 다변량 모델을 사용한 몬테카를로 시뮬레이션이 훌륭한 대안이다. 예를 들어, 분산 공분산 행렬의 추정을 개선하기 위해, 가우시안 코풀라와 잘 지정된 주변 분포를 기반으로 몬테카를로 시뮬레이션을 통해 자산 분포의 예측을 생성할 수 있다.[4]
자기 회귀, 비대칭 변동성, 왜도 및 첨도와 같은 주식 수익률의 경험적 특성을 모델링 과정에서 고려하는 것이 중요하다. 이러한 속성을 고려하지 않으면 상관관계 및 분산 공분산 추정에서 심각한 오류가 발생하여 음의 편향(실제 값의 70%까지)이 발생한다.[5] 분산 공분산 행렬을 사용하여 대규모 자산 포트폴리오에 대한 VaR 또는 CVaR(조건부 VaR)을 추정하는 것은 기본 수익률 분포가 비대칭 의존성을 나타내는 경우 부적절할 수 있다. 이러한 시나리오에서는 VaR 또는 CVaR을 사용하여 테일 리스크를 계산할 때 자산 포트폴리오 전체에서 비대칭 의존성(예: Clayton, Rotated Gumbel)을 허용하는 바인 코풀라가 가장 적합하다.[6]
5. 금융 상품의 중간 현금 흐름 및 내재 옵션
포트폴리오 내 금융 상품의 중간 현금 흐름, 내재 옵션, 변동 금리 이자율의 변화는 시장 위험에 큰 영향을 미칠 수 있으므로, 이러한 요소들을 면밀히 고려해야 한다.[6]
6. 규제 관점
바젤 위원회는 2016년 1월 시장 위험에 대한 개정된 최소 자본 요구 사항을 설정했다.[7]
이러한 개정 사항인 "거래 계정의 기본 검토"는 시장 위험 자본 계산을 위한 기존의 '내부 모델' 및 '표준화된 방식'과 관련된 결함을 해결하며, 특히 다음 사항을 논의한다.
- "거래 계정"과 "은행 계정" 사이의 경계
- 스트레스 시 위험 측정에 대한 위험 가치 대 예상 부족액 사용
- 시장 비유동성 위험
7. 미국 기업 연례 보고서에서의 활용
미국에서, 시장 위험에 관한 부분은 SEC[8]에 의해 양식 10-K로 제출되는 모든 연례 보고서에 의무적으로 포함되어야 한다. 회사는 자사의 실적이 금융 시장에 어떻게 직접적으로 의존하는지 자세히 설명해야 한다. 이는 예를 들어, 일반적인 유제품 회사에 투자한다고 믿는 투자자에게, 해당 회사가 복잡한 파생 상품이나 외환 선물 투자와 같은 비유제품 활동도 수행하고 있다는 것을 보여주기 위해 설계되었다.
8. 실물 투자에서의 시장 위험
실물 자본과 같은 부동산은 시장 가치를 잃을 수 있고 연료 비용과 같은 비용 구성 요소는 시장 가격에 따라 변동할 수 있기에, 실물 투자 역시 시장 위험에 직면한다.[9] 반면에 실물 자본에 대한 일부 투자는 위험을 줄일 수 있으며, 위험 감소의 가치는 금융 시장의 시장 위험이 추정되는 것처럼 금융 계산 방법으로 추정할 수 있다. 예를 들어, 에너지 효율 투자는 연료 비용을 줄이는 것 외에도 연료 가격 위험에 대한 노출을 줄인다. 연료 소비가 줄어들면서 더 작은 비용 구성 요소가 연료 가격 변동에 취약해진다. 이러한 위험 감소의 가치는 투오미넨-세파넨 방법을 사용하여 계산할 수 있으며, 일반적인 에너지 효율적인 건물에 대한 직접적인 비용 절감과 비교하여 약 10%인 것으로 나타났다.[10]
참조
[1]
간행물
A glossary of terms used in payments and settlement systems
http://www.bis.org/p[...]
Bank for International Settlements
[2]
논문
Coherent measure of risk
1999-07
[3]
논문
Conditional value-at-risk for general loss distributions
2002-07
[4]
논문
Enhancing mean-variance portfolio selection by modeling distributional asymmetries
https://espace.libra[...]
2016
[5]
논문
The effects of misspecified marginals and copulas on computing the value at risk: A Monte Carlo study.
2009
[6]
논문
Canonical vine copulas in the context of modern portfolio management: Are they worth it?
2013
[7]
논문
Minimum capital requirements for market risk
http://www.bis.org/b[...]
2016-01-14
[8]
웹사이트
SEC Market Disclosure Rules
https://www.sec.gov/[...]
FAQ on the United States
[9]
간행물
Estimating the Value of Energy Efficiency to Reduce Wholesale Energy Price Volatility
https://aceee.org/re[...]
ACEEE
2018
[10]
논문
Estimating the Value of Price Risk Reduction in Energy Efficiency Investments in Buildings
http://www.mdpi.com/[...]
2017
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com