손실기피(limited down side risk) 선호를 가진 투자자의 경우 통상적으로 사용하는 위험도의 척도인 분산 혹은 표준편차 대신에 하방 위험성에 더 관심을 가지게 되는데, 이러한 경우 평균-VaR 모형이 평균-분산 모형보다 더 적합한 모형일 수 있다. 이 논문에서는 두 모형을 이용하여 최적자산배분 문제를 실증분석하고 그 결과의 차이를 비교하였다. 수익률의 분포에 정규분포 가정이 아닌 두터운 꼬리(fat tail) 분포 가정을 도입하여 극단적인 위험을 고려한 최적자산배분 문제를 분석을 하였다. 각 이론이나 가정들의 강건성(robustness)을 살펴보기 위하여 역사적 분포를 이용한 분석을 비교 기준으로 하였다. 경험적 혹은 역사적 분포를 이용한 분석을 통해서, 극단적인 위험을 고려하는 손실기피적인 선호체계에서의 최적화 행위는 정규분포의 가정이나 평균-분산 모형이 적절하지 않은 것으로 확인되었다. 일상적인 수준을 능가하는 극단적인 손실 위험성을 고려하기에 적합한 모형은 수익률의 두터운 꼬리를 반영하는 분포 가정에 기초한 평균-VaR 모형인 것으로 나타났다.
In this paper, we examine a portfolio selection model in which a safety-first investor maximizes expected return subject to a downside risk constraint. We use the Value-at-Risk as the downside risk measure. We exploit the fact that returns are fat-tailed, and use a semi-parametric method suggested by Jansen, Koedijk and de Vries(2000). We find a more realistic asset allocation than the one suggested by the literature based on the traditional mean-variance framework. For the robustness check, we provide empirical analyses using empirical quantiles. The results highlight that for optimal portfolio selection involving downside risks that are far in the tails of the distribution, our mean-VaR model with a fat-tailed distribution is superior.
