← 홈으로

페어 트레이딩과 통계적 차익거래

페어 트레이딩과 통계적 차익거래

개요

페어 트레이딩(Pairs Trading)은 통계적 차익거래(Statistical Arbitrage)의 가장 대표적인 형태로, 역사적으로 함께 움직이는 두 자산 간의 가격 관계가 일시적으로 이탈할 때 이를 이용해 수익을 추구하는 퀀트 투자 전략이다. 한 자산을 매수하고 동시에 다른 자산을 공매도(Short Sell)함으로써 시장 전체의 방향성(베타 리스크)에 상관없이 두 자산 간의 스프레드(Spread) 변화만을 포착한다.

이 전략은 1980년대 후반 모건 스탠리(Morgan Stanley)의 퀀트 애널리스트인 제랄드 뱀버거(Gerald Bamberger)가 처음 체계화하였으며, 이후 에드 소프(Ed Thorp)와 누메리코(Numerix) 등 유명 퀀트 헤지펀드들이 적극적으로 활용하면서 제도권에서 널리 알려졌다. 시장 중립적(Market Neutral) 성격 덕분에 변동성이 높은 시장 환경에서도 안정적인 수익을 추구할 수 있다는 점이 큰 장점이다.

핵심 개념

1. 공적분(Cointegration)

페어 트레이딩의 통계적 근거는 공적분(Cointegration) 관계에 있다. 두 시계열 X와 Y가 각각은 비정상(Non-stationary) 시계열이더라도, 특정 선형 결합 Z = X − β·Y가 정상(Stationary) 시계열을 이룰 때 이 두 시계열은 공적분 관계에 있다고 한다.

  • β (헤지 비율, Hedge Ratio): 두 자산 간의 가격 비율. 통상 OLS(최소자승법) 회귀분석으로 추정한다.
  • 스프레드(Spread): Z = X − β·Y. 공적분 관계가 성립하면 이 스프레드는 장기적으로 평균으로 회귀(Mean Reversion)하는 성질을 가진다.
  • 엥글-그레인저 검정(Engle-Granger Test): 공적분 여부를 판단하는 가장 기본적인 방법. X를 Y에 회귀시킨 잔차에 대해 단위근 검정(ADF Test, Augmented Dickey-Fuller Test)을 수행한다. p-값이 유의수준(예: 0.05) 이하이면 공적분 관계가 존재한다고 판단한다.

2. Z-스코어(Z-Score)

스프레드가 현재 얼마나 평균에서 이탈해 있는지를 표준화한 지표다.

Z = (현재 스프레드 − 스프레드 평균) / 스프레드 표준편차
  • Z-스코어가 +2 이상: 스프레드가 과도하게 확대된 상태 → X 매도, Y 매수
  • Z-스코어가 −2 이하: 스프레드가 과도하게 축소된 상태 → X 매수, Y 매도
  • Z-스코어가 0 근처: 스프레드가 평균에 회귀 → 포지션 청산

3. 평균 회귀(Mean Reversion)

페어 트레이딩의 핵심 가정은 스프레드가 결국 장기 평균으로 되돌아온다는 것이다. 이 성질은 공적분 관계가 유지되는 동안만 유효하며, 두 자산의 경제적·구조적 연결고리(예: 같은 산업군, 같은 기업의 우선주와 보통주, ETF와 구성 종목 등)가 파괴되면 공적분 관계도 붕괴될 수 있다.

4. 적합한 페어 선정

좋은 페어는 다음 조건을 충족해야 한다.

  • 경제적으로 논리적인 관계(동일 섹터, 대체재, 모자 관계 등)
  • 통계적으로 공적분 관계가 확인됨
  • 스프레드의 반감기(Half-life)가 너무 길거나 짧지 않음(통상 5~60 거래일)
  • 거래 비용(슬리피지, 수수료) 대비 스프레드 변동성이 충분

구현 방법 및 실전 적용

단계별 구현 절차

Step 1. 후보 종목 선정

동일 산업군 내에서 상관계수가 높은 종목 쌍을 1차 필터링한다. 한국 시장에서는 삼성전자/SK하이닉스(반도체), 현대차/기아(자동차), 혹은 동일 기업의 보통주/우선주 등이 자주 활용된다.

Step 2. 공적분 검정

엥글-그레인저 검정 또는 요한센 검정(Johansen Test)으로 공적분 여부를 확인한다. Python의 statsmodels 라이브러리의 coint() 함수를 활용하면 간편하게 구현 가능하다.

Step 3. 헤지 비율 추정

OLS 회귀 또는 칼만 필터(Kalman Filter)를 사용해 동적으로 β를 추정한다. 칼만 필터는 헤지 비율이 시간에 따라 변화하는 경우에 더 적합하다.

Step 4. Z-스코어 계산 및 신호 생성

롤링 윈도우(예: 60일)로 스프레드의 평균과 표준편차를 계산하고 Z-스코어를 산출한다. 진입/청산 임계값(예: ±2.0 진입, 0 청산)을 설정한다.

Step 5. 백테스팅 및 리스크 관리

거래 비용, 슬리피지, 공매도 비용을 반영한 백테스트를 수행한다. 최대 낙폭(MDD), 샤프 비율(Sharpe Ratio)을 평가 지표로 활용한다.

실전 고려사항

  • 유동성 리스크: 한쪽 종목의 거래량이 부족하면 원하는 가격에 포지션을 구축하기 어렵다.
  • 공적분 붕괴 모니터링: 정기적으로(예: 분기별) 공적분 관계를 재검정하여 관계가 깨진 페어는 전략에서 제외해야 한다.
  • 포지션 사이징: 두 자산의 변동성을 고려해 달러 중립(Dollar Neutral) 또는 베타 중립(Beta Neutral) 포지션을 구성한다.

장단점

장점

  • 시장 중립성: 시장 전체의 등락에 노출되지 않아 체계적 리스크(Systematic Risk)를 크게 줄일 수 있다.
  • 다양한 적용 범위: 주식뿐 아니라 ETF, 선물, 외환(FX), 암호화폐 등 다양한 자산군에 적용 가능하다.
  • 명확한 진입·청산 규칙: 감정 개입 없이 통계적 신호에 따라 기계적으로 매매할 수 있어 백테스팅과 자동화가 용이하다.
  • 낮은 상관관계: 전통적인 롱온리(Long-only) 전략과 상관관계가 낮아 포트폴리오 분산 효과를 제공한다.

단점

  • 공적분 붕괴 리스크(Regime Change): 기업 합병, 규제 변화, 산업 구조 변화 등으로 두 자산 간의 관계가 영구적으로 파괴될 경우 큰 손실이 발생할 수 있다.
  • 복잡한 구현: 공매도 비용, 증거금 관리, 양쪽 레그(Leg) 동시 체결 등 운영상의 복잡성이 크다.
  • 수익 기회 축소: 많은 퀀트 투자자가 동일한 전략을 사용하면서 알파(초과수익)가 점차 소진되는 경향이 있다.
  • 반감기 불확실성: 스프레드가 언제 평균으로 회귀할지 알 수 없어 자본이 장기간 묶일 수 있다.
  • 공매도 제약: 한국 시장의 경우 공매도 규제로 인해 전략 구현에 제약이 따를 수 있다.

참고 자료