CVaR（条件付きVaR）で学ぶリスク管理と損失回避の基本

CVaR（条件付きVaR）の基本から活用まで徹底解説

VaRを信頼しているあなたは、最悪の1%の損失を完全に見落としている可能性があります。

CVaR（条件付きVaR）とは何か？VaRとの決定的な違い

株式や投資信託を保有しているとき、「最悪どれくらい損するのか」を測る代表的な指標がVaR（バリュー・アット・リスク）です。VaRは「信頼水準95%で1日の損失が3%を超えることはない」といった形で、特定の確率水準における「損失の境目」を示します。直感的でわかりやすく、証券会社のリスク管理ツールにも広く使われています。

ただし、VaRには致命的な盲点があります。それは「その境目を超えた先がどうなるのか」を一切教えてくれない点です。

例えば、信頼水準95%のVaRが「-3%」だとします。この数字は「100日のうち95日は損失が3%以内に収まる」という意味に過ぎず、残り5日に何が起きるかは分かりません。ここで考えてほしいのが、「最悪の5日が全員-3.1%なのか、-10%なのか」という違いです。VaRだけではその差が見えないのです。

CVaR（Conditional Value at Risk、条件付きVaR）は、この問いに直接答えます。つまり、「VaRを超えてしまった場合の損失の平均」を示す指標です。期待ショートフォール（Expected Shortfall、ES）とも呼ばれ、世界の金融機関で採用が進んでいます。

わかりやすく例えると、VaRは「崖の縁の高さ」、CVaRは「崖から落ちたときに平均してどれくらい深く落ちるか」です。同じ崖の縁の高さでも、崖の向こうが浅い池なのか、深い谷なのかで、落ちたときのダメージはまったく違います。

指標	何を示すか	テールリスクへの対応
VaR	特定の確率水準での最大損失（境目）	❌ 無視する
CVaR	VaRを超えた場合の損失の平均	✅ 直接測定できる

CVaRは理論的にも優れています。Artznerらの1999年の研究では、望ましいリスク指標が満たすべき4つの公理（単調性・準加法性・正の同次性・並進不変性）をコヒーレントなリスク尺度として定義しました。VaRはこのうち「劣加法性（準加法性）」を満たさない場合があり、複数の資産を合算したときにリスクが逆に増えるという直感に反する結果を出すことがあります。一方、CVaRはこれら4つの公理をすべて満たします。分散投資の恩恵を正確に数値で確認できる、という意味でも信頼できる指標です。

つまりVaRとCVaRの違いはここが核心です。

▶ Conditional Value at Risk (CVaR)：VaRが捉えきれない「テールリスク」の測定と管理（AsymmetrySignal）
コヒーレントなリスク尺度の解説、VaRとCVaRの数学的な違い、ヘッジファンドへの適用など、理論と実践の両面から丁寧に解説されています。

CVaR（条件付きVaR）の計算方法：ヒストリカル法・パラメトリック法・モンテカルロ法

CVaRの計算は「難しそう」と感じる人が多いですが、基本的な考え方はシンプルです。損益データを悪い順に並べ、信頼水準のしきい値（VaR）より悪い部分の平均を取るだけです。

🔹 ヒストリカル法（過去データを直接使う）

最も直感的な方法です。実際の過去リターンを使って計算するため、市場の非対称性や急落をそのまま反映できます。

具体的なイメージを示すと、こうなります。100日分のポートフォリオ日次損益を悪い順に並べて、下位5件（5%）が「-7.2%、-6.1%、-5.9%、-5.8%、-5.1%」だったとします。この場合、95%VaRは「-5.1%」で、CVaRはこの5件の平均である「約-6.02%」です。

この数字の意味は重要です。VaRが「-5.1%」と示しているのに対し、CVaRは「最悪の5日に当たってしまった場合、平均して-6.02%の損失になる」と教えてくれます。

ただし注意点があります。過去に前例のない暴落（ブラックスワン）はデータに含まれないため、テールリスクを過小評価する危険性があります。計算は簡単です。ただしデータ期間の選び方次第で数値は大きく変わります。平時だけのデータを使うと、テールが浅く見えすぎます。リーマンショックやコロナショックのような荒れた相場を含めて計算するのが基本です。

🔹 パラメトリック法（分布を仮定して理論値を出す）

リターンが正規分布やt分布に従うと仮定し、平均・分散・形状パラメータから理論的にCVaRを計算します。計算は高速で扱いやすいですが、株式のテールリスクを過小評価しがちです。

正規分布を前提にした95%CVaRの計算式は以下のとおりです。

$$\text{CVaR}_{95\%} = \mu - \sigma \cdot \frac{\phi(z_{0.05})}{\Phi(-z_{0.05})}$$

ここで、$$\mu$$は平均リターン、$$\sigma$$は標準偏差、$$\phi$$は標準正規分布の確率密度関数、$$\Phi$$は累積分布関数です。現実の株式市場はファットテール（裾の厚い分布）を持つため、正規分布仮定のパラメトリック法はリスクを低く見積もりすぎる傾向があります。

裾の厚いt分布を仮定することで、より現実に近い推計が可能になります。これは使えそうです。

🔹 モンテカルロ法（大量シナリオを生成する）

相関やボラティリティの変化、価格のジャンプなどを取り込んだモデルから何万通りものリターンパスを生成し、得られた損益分布からCVaRを推計します。オプションを含む複雑なポートフォリオや、市場間の相関変化を考慮したい場合に有効です。一方で、モデル設定に強く依存し、計算コストも高くなります。

手法	特徴	主な適用場面	主な注意点
ヒストリカル法	過去データをそのまま使用	株式・債券の標準的な管理	過去データに依存・前例外リスク不可
パラメトリック法	分布を仮定して理論計算	計算速度重視・単純な資産	正規分布仮定でテールを過小評価
モンテカルロ法	大量のシナリオを生成	デリバティブ・複雑な相関	モデル依存・計算コスト高

信頼水準の選択も重要です。95%（下位5%）か99%（下位1%）が標準ですが、99%を選ぶとデータ量が大幅に必要になります。短期の資金管理には日次・95%、極端なストレス耐性のチェックには99%というように、目的に合わせて使い分けるのが実務的です。

ヒストリカル法の具体的な計算例や、信頼水準・期間の選び方の実践的な解説が充実しています。

CVaR（条件付きVaR）とバーゼル規制：世界の金融機関が採用した理由

CVaRの重要性は個人投資家の世界だけにとどまりません。世界の銀行規制の中枢でも、すでに採用が決定しています。

バーゼル銀行監督委員会（BCBS）は、2012年に「市場リスク管理におけるリスク指標をVaRから期待ショートフォール（ES＝CVaR）へ移行する」という提言を公表しました。その理由は明確で、「VaRはテールリスクを捕捉できないから」というものです。

この方針はその後、「トレーディング勘定の抜本的見直し（FRTB：Fundamental Review of the Trading Book）」として制度化されました。バーゼルIIまでの99%VaRに代わり、バーゼルIII最終化では97.5%の期待ショートフォール（ES）が内部モデル方式の標準指標になっています。

野村ホールディングスの2025年3月末の自己資本規制開示資料によれば、「期待ショートフォールモデルにおいてヒストリカル・シミュレーション法を採用し、信頼水準を97.5%（片側）とし、流動性ホライズンを考慮して計算している」と明記されています。これは世界水準の金融機関がCVaRを実運用していることの具体的な証拠です。

なぜ99%VaRではなく97.5%CVaRに移行したのでしょうか？

テールリスクの観点から比べると、99%VaRが「下位1%の損失の境目」しか示さないのに対し、97.5%CVaRは「下位2.5%のケースに当たったときの平均損失」を示します。リーマンショックのような金融危機時には、97.5%CVaRのほうが実際の損失規模をよりよく捉えることができるとされています。

規制が変わると自己資本が変わります。これは銀行の貸出能力や財務健全性に直結するため、機関投資家だけでなく、銀行株に投資している個人投資家にとっても無視できない変化です。

VaRから期待ショートフォールへの移行の背景と、バーゼル委員会の制度改定の全体像が詳しく解説されています。

▶ バーゼルⅢ最終化の全体像と重要論点（The Finance）
内部モデル方式がVaR方式から期待ショートフォール方式へ変わった点や、実務上の影響が整理されています。

CVaR（条件付きVaR）を使ったポートフォリオ管理の実践法

CVaRの概念を理解したら、次は実際のポートフォリオ管理に活かす段階です。数値を知るだけでなく、意思決定に組み込む方法を見ていきましょう。

📌 銘柄選定と配分比率への応用

同じボラティリティ（標準偏差）を持つ銘柄Aと銘柄Bがあったとしても、急落時の下落の深さは大きく異なることがあります。例えば、同じ標準偏差15%でも、銘柄Aの95%CVaRが-8%、銘柄Bが-18%だったとすれば、どちらをどれくらい組み込むかの判断は変わるはずです。CVaRが大きい（テールが深い）銘柄は配分比率を抑えるか、ヘッジを加える。これがCVaRを使った銘柄配分の基本です。

さらに「増分CVaR」という考え方もあります。ある銘柄をポートフォリオに少し増やしたとき、全体のCVaRがどれだけ変わるかを見る指標で、どの銘柄がポートフォリオ全体のテールリスクを引き上げているかを特定できます。

📌 リスク予算（リスクバジェット）の設定

総資産に対して「月次CVaRは-5%まで」などとリスク予算を定め、それを超えたらポジションを縮小するか、ヘッジを強めるというルール化が可能です。ボラティリティだけをリスクの物差しにすると、テールの深さの変化を見落とす恐れがあります。CVaRベースの予算を設けることで、平時も有事もブレにくい資金管理が実現できます。

📌 分散投資の「効き方」をテールで確認する

分散投資の落とし穴があります。平時の相関が低くても、暴落時には相関が急上昇することが知られています（コロナショック、リーマンショックがその典型例）。表面上の相関係数を見て「分散できている」と判断するだけでは不十分です。荒れた相場の日のリターンだけに絞ってCVaRを測れば、「本当に効く分散」と「いざというときに崩れる分散」を見分けられます。

📌 ヘッジの効果測定にも使える

プロテクティブ・プット（株を保有しながらプット・オプションを買うヘッジ）やインバースETFで下値をカバーした場合、ヘッジ前後のCVaRを比較することで、「どれだけテールが浅くなったか」を定量的に確認できます。ヘッジコストに見合う効果があるかどうかの判断基準にも使えます。これは使えそうです。

• 📊 日次CVaR：短期の資金管理・デイトレ向け（95%が標準）




• 📆 週次・月次CVaR：長期積立・長期投資向け（99%も有効）




• 🔄 定期計測：月次・四半期ごとに測定。相場急変時は臨時で再計測




• ⚠️ データの前処理：配当落ち・株式分割・銘柄入替の影響を正確に反映する

▶ 株式の下方リスク抑制戦略（三菱UFJ信託銀行）
CVaR最小化ポートフォリオ戦略と最小分散戦略の比較、実際の日本株データを用いた効果検証が丁寧に解説されています。

CVaR（条件付きVaR）の注意点と他の指標との賢い使い分け方

CVaRは非常に強力な指標ですが、万能ではありません。正しく使うためには、その限界と他指標との役割分担をきちんと理解しておく必要があります。

⚠️ CVaRの主な限界と落とし穴

まず「平常時バイアス」の問題があります。市場が落ち着いている期間だけでCVaRを計算すると、テールが非常に浅く見えます。リーマンショック（2008年）やコロナショック（2020年）のような急落期を含めない計算結果は、実態よりもリスクが小さく見えてしまいます。荒れた相場を意図的にデータに入れ、ストレス期間を含んだCVaRも合わせて確認するのが基本です。

次に「推定誤差の問題」があります。99%水準でCVaRを計算する場合、下位1%のデータしか使えません。1,000日分のデータがあっても使えるのは約10日分です。これは統計的に不安定で、数値が大きくブレます。ブートストラップ（再標本化）で安定性を点検するか、95%水準を使うなど、データ量とのバランスを考えることが重要です。

また「モデル依存」も見逃せません。パラメトリック法で正規分布を仮定した場合、現実の株式市場のファットテールを大幅に過小評価します。ヒストリカル法との相互チェックが有効です。

過去データに依存する以上、未知の出来事（ブラックスワン）は予測できません。これが原則です。

📐 他の指標との役割分担

指標	何を測るか	得意な場面
ボラティリティ（標準偏差）	日常の揺れ幅	普段のリスク感覚・比較
VaR	損失の境目（閾値）	損失の上限ラインの確認
CVaR（期待ショートフォール）	テールの平均損失	最悪ケースの深さの把握
最大ドローダウン	ピークから谷までの最大下落	長期の下落耐性チェック
シャープレシオ	リスク1単位当たりのリターン	運用効率の比較

実務的な優先順位は、目的によって変わります。短期の資金管理ではCVaRとボラティリティを日次で確認し、長期の耐性評価では月次CVaRと最大ドローダウンを組み合わせる。この使い分けが現場で有効です。

特に個人投資家にとって使いやすいツールとして、SBI証券や楽天証券の一部ツール、またPortfolioVisualizerなどの無料オンラインツールでは、ポートフォリオのCVaRを簡易計算できる機能があります。数式が難しくても、まずツールで実際の数字を確認してみることが最初の一歩になります。

CVaRだけ覚えておけばOKです、という指標ではありません。ボラティリティは「普段の揺れ」、VaRは「境目の位置」、CVaRは「境目の向こう側の平均」、最大ドローダウンは「谷の深さ」です。4つ合わせて使うことで、リスクの全体像が初めて見えてきます。

コヒーレントなリスク尺度の4公理の詳細と、VaR・CVaRそれぞれが各公理を満たすかどうかの理論的検証が詳しく解説されています。

日本銀行による期待ショートフォール（CVaR）の計算方法・最適化手法・サンプルポートフォリオを用いた具体的な計算例が収録されています。