Value at Risk बनाम Expected Shortfall की व्याख्या
VaR और Expected Shortfall की definitions, calculations, diversification properties, estimation error और किसी भी tail-risk measure को उपयोग करने से पहले जरूरी backtests की तुलना करें
सीधा जवाब
Value at Risk एक loss quantile है: confidence α पर यह लगभग 1−α probability से exceed होने वाला threshold mark करती है। Expected Shortfall उस worst tail में losses का average लेती है। ES VaR के आगे की severity बताती है, लेकिन इसे अधिक tail data चाहिए और कोई भी measure अगला realized loss predict नहीं करती
VaR एक boundary पहचानती है
Loss L और CDF F_L के लिए VaR_α(L)=inf{l:F_L(l)≥α} define करें
One-day 99% VaR 10 का अर्थ है कि model अपने conventions के अंतर्गत लगभग 1% one-day losses को 10 से ऊपर रखता है
इसका अर्थ maximum loss 10 नहीं, losses 10 से नीचे लगातार 99 of every 100 दिनों में रहती हैं ऐसा भी नहीं, और exceedances छोटी हैं ऐसा भी नहीं
Expected Shortfall चुनी हुई tail का average लेती है
Integrable loss के लिए robust definition ES_α(L)=(1−α)^{-1}∫_α^1 VaR_u(L)du है
Continuous distribution में यह अक्सर E[L|L≥VaR_α] के बराबर होती है, चुने गए tail convention के अंतर्गत
Quantile पर atoms होने पर simple conditional average बहुत अधिक mass चुन सकता है, इसलिए integral definition fractional quantile mass सही संभालती है
दोनों measures अलग portfolios देख सकती हैं
दो portfolios का VaR समान हो सकता है, जबकि उनमें से एक threshold के आगे बहुत बड़े losses रखता हो
हर distribution के लिए VaR subadditive नहीं है और कभी diversification को penalize या concentrated threshold effects को reward कर सकती है
Standard definitions और integrability के अंतर्गत ES coherent है, लेकिन coherence misspecified model या stale dataset को reliable नहीं बनाती
Estimation breadth और tail detail का trade-off है
Historical VaR एक order statistic है; historical ES selected rank के आगे के observations का ही average लेती है
High confidence पर ES बहुत कम effective observations उपयोग करती है और sampling uncertainty बहुत बड़ी हो सकती है
Parametric, filtered, extreme-value और Monte Carlo estimates model assumptions जोड़ते हैं, जिन्हें horizon, dependence, liquidity और regime से match करना चाहिए
Backtesting अलग questions पूछती है
VaR tests exceedances गिन सकती हैं और देख सकती हैं कि उनका timing model की अनुमति से अधिक cluster करता है या नहीं
ES को केवल exceedance frequency से उपयोगी ढंग से assess नहीं किया जा सकता; suitable scoring या tail-loss diagnostics के साथ VaR के jointly evaluate किया जा सकता है
Green backtest केवल यह कहती है कि past forecast errors उस test और window में ठीक थे, अगला regime या unmodeled position covered है ऐसा नहीं
Optimization उपयोगी ES formula दिखाती है
Rockafellar–Uryasev min_t{t+(1−α)^{-1}E[(L−t)_+]} उपयोग करते हैं; stated convention में इसका minimum ES के बराबर है
Standard conditions में optimizing t VaR quantile होती है, जिससे scenario-based ES problems convex programs बन सकती हैं
Result scenario quality, position nonlinearities, transaction constraints और loss mapping के convex होने पर फिर भी निर्भर है
Governance conventions freeze करे
Loss sign, horizon, confidence level, valuation time, data window, weighting, currency और missing या stale prices का treatment state करें
VaR और ES को uncertainty intervals, exceedance history, tail contributors, stress scenarios और statistical model से बाहर के limits के साथ report करें
Alternative windows और dependence assumptions पर recompute करें और changes की जांच करें; एक number को risk certificate न मानें
आम सवाल
VaR और Expected Shortfall में क्या अंतर है?
VaR loss quantile mark करती है; Expected Shortfall उस quantile से distribution के worst end तक losses का average लेती है
क्या 99% VaR का अर्थ losses VaR से ऊपर नहीं जा सकतीं?
नहीं। Model के अंतर्गत exceedances expected हैं और VaR यह नहीं बताती कि वे कितनी severe हो सकती हैं
क्या Expected Shortfall हमेशा VaR से बेहतर है?
यह tail-severity information और stronger diversification properties देती है, लेकिन estimate करना कठिन और model dependent भी है
क्या Expected Shortfall backtest की जा सकती है?
हाँ, लेकिन केवल exceedance counts से नहीं; useful approaches इसे VaR के साथ jointly assess करती हैं या realized tail losses को forecasts से test करती हैं