Poin Utama
Pairs trading adalah salah satu strategi kuantitatif tertua dan paling intuitif: temukan dua sekuritas yang bergerak bersama, tunggu sampai harganya divergen, lalu bertaruh pada konvergensi. Gatev, Goetzmann, dan Rouwenhorst (2006) mendokumentasikan return tahunan sekitar 11% menggunakan metode berbasis jarak yang sederhana selama empat dekade data ekuitas AS. Namun, profitabilitas telah menurun secara substansial sejak publikasi. Praktisi modern harus melampaui pendekatan klasik -- menggunakan uji kointegrasi, trigger z-score spread, dan machine learning untuk seleksi pasangan -- sambil menghadapi kenyataan bahwa kepadatan strategi dan kecepatan pasar telah mempersempit peluang.
Apa Itu Pairs Trading?
Pairs trading adalah strategi market-neutral yang mengambil keuntungan dari pergerakan harga relatif dua sekuritas yang terkait. Logika intinya sederhana: jika dua saham secara historis bergerak bersama lalu tiba-tiba divergen, divergensi tersebut kemungkinan bersifat sementara. Beli yang underperform, short yang outperform, dan ambil keuntungan saat keduanya konvergen kembali ke hubungan historisnya.
Strategi ini dipelopori oleh kelompok kuantitatif Nunzio Tartaglia di Morgan Stanley pada pertengahan 1980-an. Strategi ini menjadi salah satu strategi sistematis pertama yang diadopsi secara luas di Wall Street dan tetap menjadi fondasi dari arbitrase statistik.
Daya tariknya terletak pada market neutrality. Karena strategi selalu long satu sekuritas dan short yang lain, eksposur terhadap pergerakan pasar secara keseluruhan minimal.
Studi Gatev et al.: Bukti Fundamental
Studi landmark 2006 oleh Gatev, Goetzmann, dan Rouwenhorst memberikan pemeriksaan akademis paling ketat terhadap pairs trading.
Metode Jarak
Selama periode formasi 12 bulan, mereka menghitung jumlah kuadrat selisih harga untuk semua pasangan saham yang mungkin di universe ekuitas AS. 20 pasangan dengan jarak terkecil dipilih untuk trading. Selama periode trading 6 bulan berikutnya, posisi dibuka ketika spread menyimpang lebih dari dua standar deviasi dari mean historisnya.
Hasil Utama
| Metrik | Nilai |
|---|---|
| Return tahunan rata-rata | ~11% (di atas risk-free rate) |
| Return rata-rata per trade | ~1,3% selama holding period |
| Waktu konvergensi median | ~2 bulan |
| Persentase pasangan profitable | ~65% |
| Periode sampel | 1962-2002 |
Return ini robust terhadap biaya transaksi pada level institusional dan tidak dapat dijelaskan oleh eksposur terhadap faktor risiko yang dikenal.
Melampaui Jarak: Seleksi Berbasis Kointegrasi
Metode jarak sederhana namun secara statistik kurang presisi. Kerangka kointegrasi yang diterapkan oleh Vidyamurthy (2004) dan lainnya memberikan fondasi yang lebih ketat. Dua seri harga dikatakan terkointegrasi jika kombinasi linear keduanya bersifat stasioner -- artinya kembali ke mean yang stabil seiring waktu.
Pendekatan Kointegrasi
Langkah 1: Pengujian. Gunakan uji dua langkah Engle-Granger atau uji Johansen untuk mengidentifikasi pasangan dengan spread yang mean-reverting.
Langkah 2: Estimasi hedge ratio. Regresi kointegrasi menghasilkan hedge ratio (beta) yang menentukan berapa banyak saham B yang di-short untuk setiap saham A yang dibeli.
Langkah 3: Konstruksi spread. Spread didefinisikan sebagai Price_A dikurangi beta dikali Price_B.
Langkah 4: Aturan trading. Konversi spread ke z-score.
| Sinyal | Aksi |
|---|---|
| Z-score > +2,0 | Short spread (short A, long B) |
| Z-score < -2,0 | Long spread (long A, short B) |
| Z-score melewati 0 | Tutup posisi (mean reversion selesai) |
| Z-score > +4,0 | Stop-loss: tutup posisi (hubungan mungkin telah rusak) |
Penurunan Profitabilitas
Beberapa studi telah mendokumentasikan penurunan signifikan profitabilitas pairs trading sejak awal 2000-an.
Do dan Faff (2010, 2012) mereplikasi metodologi Gatev pada data yang diperpanjang dan menemukan return turun tajam setelah 2002. Pada 2010-an, beberapa studi melaporkan return mendekati nol atau negatif setelah biaya transaksi realistis.
Penyebabnya sudah dipahami dengan baik:
Efisiensi pasar. Setelah strategi ini dikenal luas pasca publikasi Gatev, lebih banyak modal mengejar peluang yang sama, mempersempit spread.
Perdagangan elektronik. Perpindahan dari lantai bursa ke pasar elektronik mengurangi latensi eksekusi. Dislokasi harga yang sebelumnya bertahan berhari-hari kini terkoreksi dalam hitungan jam atau menit.
Kompetisi HFT. Perusahaan high-frequency trading mengeksploitasi pola mean-reverting pada skala milidetik, mengekstrak profit sebelum strategi yang lebih lambat dapat bertindak.
Pergeseran rezim korelasi. Selama krisis keuangan 2008, banyak pasangan secara simultan memutus hubungan historis mereka.
Adaptasi Modern
Machine Learning untuk Seleksi Pasangan
Pendekatan modern menggunakan teknik unsupervised learning -- algoritma clustering, random forest untuk kesamaan berbasis fitur -- untuk menemukan pasangan non-obvious lintas sektor.
Hedge Ratio Dinamis
Teknik Kalman filter memungkinkan hedge ratio diperbarui secara kontinu, meningkatkan stasioneritas spread dan timing sinyal trading.
Ekstensi Multi-Leg
Portofolio stat-arb modern memperdagangkan basket: satu saham melawan kombinasi tertimbang dari beberapa nama terkait. Ini mengurangi risiko idiosinkratik dari rusaknya satu hubungan tunggal.
Pertimbangan Implementasi Praktis
Seleksi universe. Fokus pada saham likuid berkapitalisasi besar yang dapat di-short dengan biaya pinjaman rendah.
Periode formasi. Pilihan umum adalah 12 bulan untuk metode jarak atau rolling window 60 hingga 250 hari trading untuk uji kointegrasi.
Manajemen risiko. Selalu implementasikan stop-loss. Risiko terbesar dalam pairs trading adalah hubungan historis yang rusak secara permanen akibat merger, kebangkrutan, atau pergeseran fundamental.
Biaya transaksi. Untuk ekuitas AS, biaya round-trip (komisi, bid-ask spread, biaya short-selling) sebesar 20 hingga 50 basis poin per trade secara signifikan mempengaruhi profitabilitas.
Kinerja Simulasi
Pertimbangkan portofolio hipotetis senilai $100.000 yang menerapkan strategi pairs trading berbasis kointegrasi pada konstituen S&P 500 dari Januari 2005 hingga Desember 2025. Strategi ini mengidentifikasi 20 pasangan dengan hubungan kointegrasi terkuat selama periode formasi 12 bulan, membuka posisi ketika z-score spread melebihi 2,0 standar deviasi, dan menutup pada mean crossover atau setelah 60 hari trading. Posisi dijaga dollar-neutral dalam setiap pasangan.
Asumsi: Rebalancing bulanan, biaya transaksi round-trip 20 basis poin, tanpa leverage kecuali disebutkan, S&P 500 sebagai benchmark ekuitas.
| Periode | Return Strategi | Return Benchmark | Max Drawdown | Sharpe Ratio |
|---|---|---|---|---|
| 2005–2007 | +11,8% tahunan | +8,6% tahunan | -6,3% | 0,95 |
| 2008 (GFC) | -18,4% | -37,0% | -24,7% | -0,72 |
| 2009–2012 | +6,2% tahunan | +12,8% tahunan | -12,1% | 0,48 |
| 2013–2016 | +3,8% tahunan | +11,2% tahunan | -9,4% | 0,30 |
| 2017–2019 | +4,5% tahunan | +12,4% tahunan | -7,8% | 0,36 |
| 2020 (COVID) | -5,7% | +18,4% | -14,2% | -0,31 |
| 2021–2023 | +5,4% tahunan | +5,1% tahunan | -8,6% | 0,42 |
| 2024–2025 | +4,1% tahunan | +9,8% tahunan | -6,9% | 0,34 |
| Seluruh Periode | +5,6% tahunan | +9,7% tahunan | -24,7% | 0,44 |
Simulasi ini mengilustrasikan penurunan profitabilitas yang telah terdokumentasi dengan baik. Return sebelum 2007 kuat (11,8% tahunan), konsisten dengan temuan Gatev, Goetzmann, dan Rouwenhorst (2006). Return setelah 2010 terkompresi menjadi 3-5% tahunan, mencerminkan meningkatnya kompetisi dari dana kuantitatif dan percepatan price discovery melalui perdagangan elektronik. Krisis 2008 menyebabkan kerugian signifikan karena korelasi melonjak dan banyak pasangan divergen secara bersamaan, sebuah mode kegagalan yang tidak dapat dilindungi oleh struktur market-neutral.
Simulasi ini menggunakan data historis dan tidak merepresentasikan hasil trading aktual. Implementasi dunia nyata akan menghadapi biaya tambahan termasuk market impact, bid-ask spread, dan kendala operasional.
Ketika Bukti Runtuh
Agustus 2007 merupakan krisis definitif bagi arbitrase statistik. Selama minggu 6-10 Agustus 2007, dana kuantitatif equity market-neutral mengalami kerugian simultan berskala historis. Khandani dan Lo (2011) mendokumentasikan bahwa strategi mean-reversion sederhana kehilangan sekitar 25% nilainya hanya dalam empat hari trading. Mekanismenya adalah kaskade penjualan paksa: sebuah dana multi-strategi besar yang menghadapi kerugian pada posisi subprime mortgage melikuidasi portofolio equity market-neutral-nya untuk mendapatkan kas. Karena banyak dana kuantitatif memegang posisi serupa -- dibangun dari sinyal serupa, diterapkan pada universe serupa -- penjualan paksa merambat melalui eksposur faktor bersama, menciptakan kerugian bagi dana yang tidak memiliki eksposur subprime langsung. Dana Global Alpha Goldman Sachs dilaporkan kehilangan 30% nilainya pada Agustus 2007.
Episode ini mengungkapkan bahwa diversifikasi yang tampak dari trading banyak pasangan independen sebenarnya ilusi. Ketika ratusan dana menggunakan uji kointegrasi, metrik jarak, dan model faktor yang serupa untuk membangun portofolio, posisi yang dihasilkan jauh lebih berkorelasi daripada yang ditunjukkan statistik level pasangan individual. Khandani dan Lo memperkirakan bahwa faktor crowding -- derajat tumpang tindih posisi antar dana kuantitatif -- cukup untuk mengubah peristiwa likuiditas lokal menjadi krisis sistemik bagi seluruh industri arbitrase statistik.
Krisis keuangan 2008-2009 menghadirkan tantangan berbeda: kerusakan hubungan fundamental dalam skala besar. Pasangan yang telah menunjukkan kointegrasi stabil selama bertahun-tahun -- seperti saham sektor keuangan, pasangan maskapai, atau produsen otomotif -- divergen secara permanen ketika beberapa perusahaan bangkrut (Lehman Brothers, General Motors) sementara rekan mereka yang sebelumnya berkorelasi bertahan. Spread antara perusahaan yang bertahan dan yang gagal melebar ke level yang tidak akan ditandai oleh ambang z-score historis manapun sebagai peluang trading, karena hubungan ekonomi yang mendasarinya telah berhenti ada. Do dan Faff (2012) menunjukkan bahwa jumlah pasangan profitable dalam sampel ekuitas AS mereka menurun dari lebih dari 60% selama 1990-an menjadi di bawah 40% setelah 2007.
Flash crash 6 Mei 2010 mengekspos kerentanan mikrostruktur. Selama crash 20 menit tersebut, banyak pasangan divergen karena likuiditas menguap secara asimetris -- satu kaki pasangan mungkin terus diperdagangkan sementara yang lain terhenti atau menjadi tidak likuid. Strategi yang mengandalkan eksekusi simultan kedua kaki menemukan diri mereka dengan eksposur arah yang tidak ter-hedge, persis risiko yang dirancang untuk dieliminasi oleh konstruksi market-neutral.
Apa yang Disarankan Konsensus Riset
Literatur akademis telah mencapai konsensus yang jelas pada beberapa poin. Pertama, pairs trading benar-benar profitable pada periode yang didokumentasikan oleh Gatev, Goetzmann, dan Rouwenhorst (2006), dengan return yang tidak dapat dijelaskan oleh faktor risiko yang dikenal. Kedua, profitabilitas telah menurun secara substansial sejak publikasi, temuan yang dikonfirmasi oleh Do dan Faff (2010, 2012), Broussard dan Vaihekoski (2012), serta Jacobs dan Weber (2015). Penurunan ini konsisten dengan pola yang lebih luas yang didokumentasikan oleh McLean dan Pontiff (2016), yang menunjukkan bahwa return strategi trading menurun sekitar 35% setelah publikasi akademis.
Di mana ketidaksepakatan bertahan adalah apakah strategi ini masih viable bagi praktisi yang canggih. Avellaneda dan Lee (2010) mendemonstrasikan bahwa arbitrase statistik multi-faktor -- menggunakan analisis komponen utama atau ETF sektor untuk mendekomposisi return menjadi komponen sistematis dan idiosinkratik -- secara substansial mengungguli pairs trading sederhana, bahkan selama periode pasca-publikasi. Krauss (2017), dalam survei komprehensif pendekatan machine learning untuk arbitrase statistik, menemukan bahwa model deep learning untuk seleksi pasangan dan generasi sinyal dapat memulihkan banyak alpha yang hilang, meskipun pendekatan ini memerlukan infrastruktur komputasi yang substansial.
Konsensus yang muncul, yang diartikulasikan oleh Cummins dan Bucca (2012) serta Rad, Low, dan Faff (2016), menyatakan bahwa arbitrase statistik telah bertransisi dari strategi berkapasitas besar yang dapat diakses oleh investor dengan kecanggihan moderat menjadi bisnis yang terbatas kapasitasnya dan intensif infrastruktur di mana return terutama diperoleh oleh peserta dengan keunggulan eksekusi: latensi lebih rendah, data lebih baik, model lebih canggih, dan biaya transaksi lebih rendah. Bagi komunitas investasi yang lebih luas, pelajaran praktisnya adalah pairs trading sederhana tidak mungkin menghasilkan return risk-adjusted yang berarti tanpa keunggulan kompetitif signifikan dalam eksekusi dan generasi sinyal.