Ganz einfach — Während VaR die Tür zum schlechten Rand der Verteilung markiert, fragt Expected Shortfall: Wie groß ist der Verlust dort im Mittel?
Der Expected Shortfall ist eine Tail-Risikokennzahl. In einem stetigen
einfachen Fall entspricht ES auf Niveau α dem bedingten Mittel der
Verluste, die den VaR auf diesem Niveau überschreiten:
ESα = E[L | L ≥ VaRα]Bei diskreten Verteilungen und Massenpunkten braucht die Definition eine präzisere Quantilbehandlung. Das ist nicht nur Mathematik: Bei wenigen großen Verlustbeobachtungen kann die Art, wie Beobachtungen an der Schwelle gewichtet werden, das Resultat verändern.
VaR und ES nicht vertauschen
VaR gibt ein Quantil an. ES mittelt den ungünstigen Bereich hinter diesem Quantil. Zwei Portfolios können denselben VaR besitzen, aber sehr verschiedene Expected Shortfalls, wenn eines viel schwerere Tail-Verluste aufweist.
ES ist unter üblichen Bedingungen eine kohärente Risikomaßzahl und kann Diversifikation konsistenter abbilden als ein allgemeiner VaR. Daraus folgt nicht, dass jede ES-Schätzung korrekt oder stabil ist. Kohärenz ist eine Eigenschaft der mathematischen Maßzahl, keine Garantie der verwendeten Daten.
Was eine ES-Angabe enthalten muss
Wie beim VaR werden Portfolio, Verlustdefinition, Einheit, Horizont, Konfidenzniveau, Bewertungsdatum und Methode genannt. Hinzu kommt die Frage, wie der Tail erzeugt wird: historische Beobachtungen, parametrische Verteilung, Simulation oder eine Mischung daraus. Ohne diese Koordinaten ist „ES 50.000“ nicht vergleichbar.
Das Problem knapper Tail-Daten
Bei 250 Tagesbeobachtungen bilden die schlechtesten 2,5 % nur wenige Werte. Ein einzelner Ausreißer kann das Mittel stark bewegen; fehlt ein relevantes Stressregime, kann das Ergebnis zu niedrig erscheinen. Längere Fenster liefern mehr Daten, können aber veraltete Strukturen enthalten. Modellierte Tails erweitern den Bereich, übernehmen dafür Verteilungs- und Abhängigkeitsannahmen.
Backtesting von ES ist anspruchsvoller als das Zählen einfacher Quantilüberschreitungen. Eine Validierung kombiniert statistische Diagnostik, P&L-Abstimmung, Benchmarkmodelle und Untersuchung einzelner großer Verluste.
Keine vollständige Verlustlandkarte
ES fasst einen Ausschnitt in einem Durchschnitt zusammen. Er zeigt nicht, welches konkrete Szenario den Verlust erzeugt, ob Positionen liquidierbar sind oder wann Sicherheiten benötigt werden. Ein sehr seltener Verlust außerhalb des modellierten Bereichs kann weiterhin fehlen. Deshalb ergänzen Stresstest, Szenarioanalyse und Liquiditätsprüfung die Kennzahl.
Typischer Fehler — Expected Shortfall als schlechtesten möglichen Verlust zu lesen. Er ist ein Mittelwert innerhalb eines modellierten Tails, nicht dessen äußerstes Ende.
Quellen
- Basel Committee, MAR33 — Internal models approach.
- Basel Committee, Explanatory note on minimum capital requirements for market risk.
- Acerbi und Tasche, Expected Shortfall: a natural coherent alternative to Value at Risk.
- Artzner et al., Coherent Measures of Risk.