VaR at Its Extremes: Impossibilities and Conditions for One-Sided Random Variables

Dit artikel toont aan dat voor risico's op het interval [0,∞) Value-at-Risk (VaR) sub-additief is alleen in het triviale geval van co-monotonie, en introduceert vervolgens de voorwaarden 'negatieve simplex-afhankelijkheid' en 'simplex-dominantie' om de situaties te karakteriseren waarin VaR volledig super-additief is.

De kern

Het Verhaal van VaR: Waarom Diversificatie soms faalt en wanneer het werkt

Stel je voor dat je een bankier of verzekeraar bent. Je hebt een portefeuille met verschillende risico's: misschien een belegging in een tech-bedrijf, een verzekering voor natuurrampen, en een polis voor bedrijfsaansprakelijkheid. Je wilt weten: "Wat is het ergste scenario dat ik kan verwachten, met een kleine kans dat het gebeurt?"

In de financiële wereld noemen we dit VaR (Value-at-Risk). Het is als een "waarschuwingslicht" dat aangeeft hoe diep in de rood je kunt zakken.

De grote vraag in dit wetenschappelijke artikel is: Als je al deze risico's bij elkaar optelt, wordt het totale risico dan kleiner dan de som van de losse risico's?

In de ideale wereld (en voor de meeste mensen) is het antwoord "ja". Dit heet diversificatie: als je alles spreidt, val je minder hard. In wiskundetaal noemen we dit sub-additiviteit. Maar dit artikel, geschreven door Nawaf Mohammed, zegt: "Hé, wacht even. Voor bepaalde soorten risico's is dat niet waar. Soms wordt het totale risico juist groter dan de som der delen!"

Hier is de uitleg, vertaald naar alledaagse taal met een paar creatieve vergelijkingen.

---

1. De "Onmogelijke" Droom: Diversificatie werkt altijd?

Stel je voor dat je een verzameling van positieve risico's hebt (zoals verzekeringen of schulden, die nooit onder nul kunnen gaan). Je denkt: "Als ik deze allemaal bij elkaar doe, moet het risico toch dalen?"

Het artikel zegt: Nee, dat is onmogelijk, tenzij je een heel specifieke, rare situatie hebt.

• De Analogie: Stel je voor dat je een groep vrienden hebt die allemaal op een bootje zitten. Als de boot zinkt, zinken ze allemaal tegelijk. Als ze allemaal precies hetzelfde doen (ze bewegen als één enkel wezen), dan is het risico van de groep precies de som van de individuele risico's.
• De conclusie: Voor risico's die alleen maar "naar boven" kunnen (zoals verliezen), is het onmogelijk dat diversificatie het risico verlaagt (sub-additiviteit), tenzij ze perfect met elkaar meebewegen (co-monotonie). Als ze niet perfect synchroon lopen, zal het totale risico altijd groter zijn dan je denkt. Diversificatie faalt hier volledig.

2. De "Super-kracht": Wanneer wordt het risico explosief?

Nu komt het interessante deel. Soms is het totale risico niet alleen groter, maar enorm groter dan de som van de losse delen. Dit noemen we super-additiviteit.

Wanneer gebeurt dit? Het artikel introduceert twee geheimzinnige voorwaarden die samenwerken als een sleutel:

A. De "Negatieve Sierkussen" (Negative Simplex Dependence - NSD)

Stel je voor dat je een kamer hebt met mensen die elkaar haten. Als de één een slechte dag heeft, probeert de ander juist een goede dag te hebben. Ze vullen elkaar aan, maar op een manier die chaotisch is.
In de wiskunde betekent dit dat de risico's "negatief afhankelijk" zijn. Ze bewegen in tegengestelde richtingen.

• De Metafoor: Denk aan een groep dansers die proberen niet op elkaars voeten te trappen. Als ze te ver uit elkaar gaan, vallen ze. Als ze te dichtbij komen, botsen ze. Deze spanning (de "negatieve afhankelijkheid") zorgt ervoor dat de som van hun bewegingen (het totale risico) onvoorspelbaar en groot wordt.

B. De "Zware Staart" (Simplex Dominance - SD)

Dit gaat over de aard van de risico's zelf. Sommige risico's hebben een "zware staart". Dat betekent dat ze meestal klein zijn, maar soms enorm uit de hand lopen (zoals een orkaan of een beurscrash).

• De Analogie: Stel je voor dat je een zak met knikkers hebt. De meeste knikkers zijn licht. Maar er zitten een paar "goudstaven" tussen die zwaar zijn. Als je de zak schudt, is de kans klein dat je een goudstaaf trekt, maar als je dat doet, weegt de zak ineens heel zwaar.
• Het artikel zegt: Als je risico's deze "zware staart" hebben (ze hebben vaak geen eindeloze gemiddelde waarde, ze kunnen oneindig groot worden), en ze hebben die "negatieve spanning" (NSD) met elkaar, dan explodeert het totale risico.

3. De Gouden Formule

Het artikel geeft een nieuwe manier om te voorspellen of dit "explosieve" gedrag gaat gebeuren. Je hoeft niet naar elke mogelijke combinatie te kijken. Je hoeft alleen te checken:

1. Hebben de risico's die "negatieve spanning" (NSD)?
2. Zijn de risico's zelf zwaar genoeg in hun staart (SD)?

Als het antwoord op beide "ja" is, dan is het totale risico altijd groter dan de som van de losse risico's. Diversificatie werkt hier niet; het is juist gevaarlijk om te denken dat je veilig bent door te spreiden.

4. Wat als de risico's een "vloer" of "plafond" hebben?

Het artikel kijkt ook naar situaties waar risico's niet bij nul beginnen, maar bij een bepaald bedrag (bijvoorbeeld een franchise in een verzekering).

• De conclusie: Als er een "vloer" is (je kunt niet onder een bepaald bedrag zakken), werkt de regel van "diversificatie faalt" nog steeds.
• Als er een "plafond" is (je kunt niet boven een bepaald bedrag uitkomen), draait het verhaal om. Dan werkt diversificatie juist wel, en is het totale risico vaak kleiner.

Samenvatting voor de Leek

Dit artikel is een waarschuwing voor iedereen die met risico's werkt (bankiers, verzekeraars, beleggers):

1. Pas op met "positieve" risico's: Als je alleen maar risico's hebt die kunnen groeien (zoals verliezen), en je denkt dat spreiden je veilig maakt, heb je het mis. Tenzij alles perfect synchroon beweegt, is diversificatie een illusie. Het totale risico is vaak groter dan je denkt.
2. Kijk naar de "zware staarten": Als je risico's kunnen uitdijen tot onmogelijke maten (heavy tails) en ze zijn negatief afhankelijk (ze vullen elkaar aan op een chaotische manier), dan wordt het totale risico explosief.
3. Geen magische formule: Je kunt niet zomaar zeggen "diversificatie is goed". Het hangt af van hoe de risico's met elkaar omgaan en hoe zwaar hun "staart" is.

Kortom: In de wereld van extreme risico's is "niet alle eieren in één mandje" soms niet genoeg. Soms is het mandje zelf zo zwaar en onstabiel, dat het breken van de eieren (het samenvoegen van risico's) juist leidt tot een grotere ramp dan je had verwacht. Dit artikel helpt ons te begrijpen wanneer dat gebeurt.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "VaR at Its Extremes: Impossibilities and Conditions for One-Sided Random Variables" van Nawaf Mohammed, in het Nederlands.

Titel: VaR op zijn Extremen: Onmogelijkheden en Voorwaarden voor Eenzijdige Random Variabelen

1. Probleemstelling

De paper onderzoekt het aggregatiegedrag van de Value-at-Risk (VaR) voor sommen van random variabelen, specifiek gericht op eenzijdige variabelen (variabelen ondersteund op $[0, \infty)$ of met een eindige onder- of bovengrens).
In het risicomanagement is VaR een standaardmaatstaf, maar het heeft een bekend nadeel: het is niet altijd sub-additief. Sub-additiviteit ($VaR(S) \leq \sum VaR(X_i)$) is een wenselijke eigenschap die diversificatievoordelen weerspiegelt. Echter, bij zware staarten (heavy tails) kan VaR juist super-additief zijn ($VaR(S) \geq \sum VaR(X_i)$), wat betekent dat diversificatie faalt en het totale risico groter is dan de som van de individuele risico's.

De centrale vraag is: onder welke voorwaarden is VaR uniform sub-additief of super-additief over alle betrouwbaarheidsniveaus ($p \in (0,1)$) voor sommen van eenzijdige risico's?

2. Methodologie

De auteur gebruikt een strikt wiskundig raamwerk gebaseerd op de theorie van copula's, stochastische dominantie en eigenschappen van verdelingsfuncties.

• Definitie: VaR wordt gedefinieerd als de linkse kwantiel: $VaR_p[Z] = \inf\{z : F_Z(z) \geq p\}$.
• Benadering: De analyse begint met variabelen ondersteund op $[0, \infty)$ en wordt later uitgebreid naar variabelen met willekeurige eindige onder- of bovengrenzen.
• Technieken:
  • Truncatie en Monotone Convergentie: Om resultaten voor variabelen met oneindig gemiddelde te bewijzen, worden截teerde (afgeknipte) variabelen gebruikt die naar de originele variabelen convergeren.
  • Structurale Voorwaarden: De auteur introduceert twee nieuwe concepten om super-additiviteit te karakteriseren: Negative Simplex Dependence (NSD) voor de gezamenlijke verdeling en Simplex Dominance (SD) voor een marginale functionaal.
  • Analyse van Functies: Er wordt diep ingegaan op de monotonie van functies van de vorm $\phi(x) = x \log F_X(x)$ en hun relatie met de omgekeerde hazard-rate.

3. Belangrijkste Bijdragen en Resultaten

A. Onmogelijkheid van VaR Sub-additiviteit (Theorema 2.2)
Voor random variabelen ondersteund op $[0, \infty)$ (inclusief die met een oneindig gemiddelde) geldt een sterk onmogelijkheidsresultaat:

• VaR sub-additiviteit is onmogelijk, tenzij er sprake is van exacte additiviteit.
• Exacte additiviteit ($VaR_p(S) = \sum VaR_p(X_i)$) treedt alleen op onder co-monotonie (de extremste vorm van positieve afhankelijkheid).
• Conclusie: In de klasse van niet-negatieve risico's is er geen enkele afhankelijkheidsstructuur die diversificatievoordelen (sub-additiviteit) biedt, behalve in het triviale geval dat alle risico's perfect gesynchroniseerd bewegen. Dit generaliseert eerdere resultaten van Imamura en Kato (2025) naar variabelen zonder eindige momenten.

B. Karakterisering van VaR Super-additiviteit (Theorema 3.5)
Om te bepalen wanneer VaR volledig super-additief is, introduceert de auteur een nieuw raamwerk dat twee voorwaarden combineert:

1. Negative Simplex Dependence (NSD): Een voorwaarde voor de gezamenlijke verdeling waarbij de overlevingskans van de som begrensd wordt door het product van de marginale overlevingskansen op de diagonaal:
   $$F_S(t) \leq \prod_{i=1}^n F_{X_i}(t), \quad \forall t \geq 0.$$
   Opmerking: Dit is een zwakkere voorwaarde dan Negative Lower Orthant Dependence (NLOD) en omvat bredere afhankelijkheidsstructuren.
2. Simplex Dominance (SD): Een voorwaarde voor een marginale aggregator-functie $\Phi$. Specifiek moet de functie $\Phi(x_1, \dots, x_n) = \sum x_i \log F_{X_i}(x_i)$ voldoen aan:
   $$\Phi(x_1, \dots, x_n) \geq \Phi(s, \dots, s), \quad \text{waarbij } s = \sum x_i.$$
   Een voldoende voorwaarde hiervoor is dat elke componentfunctie $\phi_i(x) = x \log F_{X_i}(x)$ niet-stijgend is.

Resultaat: Als een vector $X$ NSD is en de functie $\Phi$ SD is, dan is $X$ VaR super-additief voor alle $p \in (0,1)$.

C. Specifieke Distributions en Eigenschappen

• Niet-integreerbaarheid: De auteur bewijst (Propositie 3.12) dat voor VaR super-additiviteit (onder de gegeven voorwaarden) de random variabelen niet-integreerbaar moeten zijn (oneindig gemiddelde). Dit is een noodzakelijke voorwaarde voor de monotonie van $\phi_i$.
• Verdelingsklassen: Er wordt een lijst gegeven van verdelingen (zoals Fréchet, Pareto II, Lévy, Inverse-Gamma) waarbij de voorwaarde $\phi_i$ niet-stijgend is, vaak gekoppeld aan een vormparameter $\alpha \leq 1$.
• NLOD vs. NSD: Het paper toont aan dat NSD een bredere klasse is dan NLOD. Er wordt een voorbeeld gegeven van een vector die NSD is maar niet NLOD, en toch VaR super-additief gedraagt.

D. Generalisaties (Sectie 4)
De resultaten worden uitgebreid naar:

• Variabelen met een willekeurige eindige ondergrens $a_i > -\infty$ (bijv. franchise deductibles). Hier geldt dat sub-additiviteit onmogelijk is tenzij co-monotoon.
• Variabelen met een willekeurige eindige bovengrens $b_i < \infty$. Hier is de situatie omgekeerd: super-additiviteit is onmogelijk tenzij co-monotoon.
• Transformaties: De eigenschappen blijven behouden onder strikt stijgende, convexe transformaties die de grenzen respecteren.

4. Significatie en Implicaties

• Theoretische Inzicht: De paper legt een scherpe dichotomie bloot. Voor ondergrens-variabelen (zoals verzekeringsverliezen) is VaR structureel ongeschikt als diversificatiemaatstaf (sub-additief), maar kan het zeer goed werken als maatstaf voor het falen van diversificatie (super-additief) bij zware staarten en negatieve afhankelijkheid.
• Praktische Toepassing: De geïntroduceerde NSD- en SD-voorwaarden bieden een eenvoudig verifieerbaar raamwerk voor actuariële en financiële professionals. Ze kunnen nu bepalen of een portfolio met heterogene marges en complexe afhankelijkheden (buiten de standaard NLOD) gegarandeerd super-additief gedrag vertoont.
• Uitbreiding van Literatuur: Het werk generaliseert eerdere studies (zoals Chen & Shneer, 2026) door niet-identieke marges toe te staan en een bredere reeks van negatieve afhankelijkheidsstructuren te omvatten, zonder de restrictie van onafhankelijkheid of identieke verdelingen.

Conclusie:
De paper concludeert dat VaR sub-additiviteit voor niet-negatieve risico's een illusie is, behalve in het geval van perfecte synchronisatie. Daarentegen biedt het een robuust theoretisch fundament voor het begrijpen en modelleren van VaR super-additiviteit, wat cruciaal is voor het beheer van extreme verliezen in scenario's met zware staarten en complexe negatieve afhankelijkheden.