통계적 차익거래: 현대 시장의 페어 트레이딩

핵심 요약

페어 트레이딩은 가장 오래되고 직관적인 퀀트 전략 중 하나입니다: 함께 움직이는 두 증권을 찾고, 가격이 벌어지면 수렴에 베팅합니다. Gatev, Goetzmann, Rouwenhorst(2006)는 40년간의 미국 주식 데이터에서 단순 거리 기반 방법으로 연 약 11%의 수익을 기록했습니다. 그러나 발표 이후 수익성은 크게 감소했습니다. 현대 실무자들은 공적분 검정, 스프레드 Z-스코어, 머신러닝 기반 페어 선별 등 고전적 접근을 넘어서야 하며, 동시에 과밀화와 고속 시장이 기회를 축소시킨 현실에 직면해야 합니다.

페어 트레이딩이란?

페어 트레이딩은 두 관련 증권의 상대적 가격 변동에서 수익을 얻는 시장중립 전략입니다. 핵심 논리는 단순합니다: 역사적으로 함께 움직이던 두 주식의 가격이 갑자기 벌어지면, 그 괴리는 일시적일 가능성이 높습니다. 저평가된 쪽을 매수하고 고평가된 쪽을 공매도하여 수렴 시 수익을 얻습니다.

이 전략은 1980년대 중반 모건스탠리의 눈지오 타탈리아 퀀트 그룹이 개척했습니다. 월스트리트에서 최초로 광범위하게 채택된 체계적 전략 중 하나이며, 통계적 차익거래의 기초 구성요소로 남아있습니다.

매력은 시장중립성에 있습니다. 항상 한 증권을 매수하고 다른 증권을 공매도하므로, 시장 전체 움직임에 대한 노출이 최소화됩니다.

Gatev 등의 연구: 기초적 증거

2006년 Gatev, Goetzmann, Rouwenhorst의 연구는 페어 트레이딩에 대한 가장 엄밀한 학술적 검증을 제공했습니다.

거리 기반 방법

12개월의 형성기간 동안 미국 주식 전체에서 모든 가능한 주식 쌍의 제곱 가격차 합계를 계산합니다. 거리가 가장 작은 20개 쌍을 거래용으로 선택합니다.

이후 6개월의 거래기간 동안, 스프레드가 역사적 평균에서 2 표준편차 이상 벌어지면 포지션을 개설합니다: 상대적으로 저렴한 주식을 매수, 비싼 주식을 공매도. 가격이 평균으로 수렴하거나 거래기간 종료 시 청산합니다.

주요 결과

수익은 일반적인 기관투자자 수준의 거래비용에 강건했으며, 알려진 위험 팩터 노출로 설명되지 않았습니다.

거리를 넘어: 공적분 기반 선별

거리 기반 방법은 단순하지만 통계적으로 부정확합니다. 두 주식이 경제적 연관 없이 우연히 형성기간에 작은 가격차를 보일 수 있습니다.

Vidyamurthy(2004) 등이 적용한 공적분 프레임워크는 더 엄밀한 기초를 제공합니다. 두 가격 시계열의 선형결합이 정상성을 갖는 경우 -- 개별 시계열은 비정상적이더라도 시간이 지남에 따라 안정적 평균으로 회귀하는 경우 -- 공적분 관계에 있습니다.

공적분 접근법

1단계: 검정. Engle-Granger 2단계 검정이나 Johansen 검정으로 스프레드가 평균회귀하는 페어를 식별합니다. 역사적으로 우연히 동행한 페어를 걸러냅니다.

2단계: 헤지 비율 추정. 공적분 회귀가 헤지 비율(베타)을 산출합니다. A 주식 1주 매수 시 B 주식을 몇 주 공매도할지 지정합니다.

3단계: 스프레드 구성. 스프레드는 Price_A 마이너스 beta 곱하기 Price_B로 정의됩니다. 페어가 진정으로 공적분 관계라면 이 스프레드는 정상적이고 평균회귀합니다.

4단계: 거래 규칙. 스프레드를 Z-스코어(평균으로부터의 표준편차 수)로 변환합니다.

수익성 감소

2000년대 초 이후 페어 트레이딩 수익성의 유의미한 감소가 다수의 연구에서 기록되었습니다.

Do와 Faff(2010, 2012)는 확장된 데이터에서 Gatev 방법론을 복제했고, 2002년 이후 수익이 급감했음을 발견했습니다. 2010년대에는 현실적 거래비용 차감 후 수익이 거의 0이거나 마이너스라는 연구도 여럿 있습니다.

원인은 잘 알려져 있습니다:

시장 효율화. Gatev 논문 발표 이후 전략이 널리 알려지면서 같은 기회를 추구하는 자본이 증가하여 스프레드가 축소되었습니다.

전자거래. 장내거래에서 전자거래로의 전환이 체결 지연을 줄였습니다. 이전에 수일간 지속되던 가격 괴리가 수시간 또는 수분 만에 교정됩니다.

고빈도 거래(HFT) 경쟁. HFT 기업들이 밀리초 단위로 평균회귀 가격 패턴을 포착하여 느린 전략이 행동하기 전에 수익을 추출합니다.

상관관계 체제 변화. 2008년 금융위기와 이후 높은 상관관계 시기에 많은 페어가 동시에 역사적 관계를 이탈하여 광범위한 손실을 야기했습니다.

현대적 적응

고전적 접근의 우위가 약화되었음에도, 진화할 의지가 있는 실무자에게 통계적 차익거래는 여전히 유효합니다.

머신러닝 기반 페어 선별

전통적 방법은 동일 섹터 내 주식을 검토합니다. 현대적 접근은 비지도학습 기법 -- 클러스터링 알고리즘, 특성 기반 유사성을 위한 랜덤 포레스트 -- 으로 섹터를 초월한 비직관적 페어를 발굴합니다.

동적 헤지 비율

칼만 필터 기법으로 헤지 비율을 연속적으로 갱신하여 스프레드의 정상성과 거래 신호의 정확도를 개선합니다.

다수 종목 확장

단일 페어 대신 현대 통계적 차익거래 포트폴리오는 바스켓을 거래합니다: 한 주식 대 여러 관련 종목의 가중 조합. 개별 관계 붕괴에 따른 고유 위험을 줄여줍니다.

실전 구현 고려사항

종목 선정. 공매도가 가능하고 차입비용이 낮은 유동성 대형주에 집중하세요.

형성기간. 거리 기반 방법은 12개월, 공적분 검정은 60~250거래일의 롤링 윈도우가 일반적입니다.

위험 관리. 반드시 손절매를 구현하세요. 페어 트레이딩의 최대 위험은 합병, 파산, 근본적 변화로 인해 역사적 관계가 영구적으로 붕괴하는 것입니다.

거래 비용. 미국 주식 기준 왕복 비용(수수료, 매수-매도 스프레드, 공매도 비용)이 거래당 20~50bp로 수익성에 상당한 영향을 미칩니다.

시뮬레이션 성과

2005년 1월부터 2025년 12월까지 S&P 500 구성종목에 공적분 기반 페어 트레이딩 전략을 적용한 가상의 $100,000 포트폴리오를 고려합니다. 12개월 형성기간 동안 공적분 관계가 가장 강한 20개 페어를 식별하고, 스프레드 Z-스코어가 2.0 표준편차를 초과하면 포지션을 개설하며, 평균 회귀 시 또는 60거래일 후 청산합니다. 각 페어 내에서 달러중립을 유지합니다.

가정: 월간 리밸런싱, 왕복 거래비용 20bp, 별도 언급 없는 한 무레버리지, S&P 500을 주식 벤치마크로 사용.

시뮬레이션은 잘 문서화된 수익성 감소를 보여줍니다. 2007년 이전 수익은 강력했으나(연 11.8%), Gatev, Goetzmann, Rouwenhorst(2006)의 결과와 일치합니다. 2010년 이후 수익은 연 3-5%로 압축되었으며, 퀀트 펀드의 경쟁 심화와 전자거래를 통한 가격 발견 가속화를 반영합니다. 2008년 위기는 상관관계가 급등하고 많은 페어가 동시에 괴리되면서 시장중립 구조로도 방어할 수 없는 실패 모드를 야기했습니다.

이 시뮬레이션은 과거 데이터를 사용하며 실제 거래 결과를 나타내지 않습니다. 실제 구현에서는 시장 충격, 매수-매도 스프레드, 운영 제약 등 추가 비용이 발생합니다.

증거가 무너질 때

2007년 8월은 통계적 차익거래의 결정적 위기입니다. 2007년 8월 6-10일 주간, 시장중립 퀀트 펀드들이 역사적 규모의 동시다발적 손실을 겪었습니다. Khandani와 Lo(2011)는 단순 평균회귀 전략이 불과 4거래일 만에 약 25%의 가치를 잃었다고 기록했습니다. 메커니즘은 강제매도 연쇄였습니다: 서브프라임 모기지 포지션에서 손실을 입은 대형 멀티전략 펀드가 현금 확보를 위해 시장중립 포트폴리오를 청산했고, 많은 퀀트 펀드가 유사한 신호, 유사한 종목군에서 구성된 유사 포지션을 보유하고 있었기 때문에 공유 팩터 노출을 통해 강제매도가 전파되었습니다. 골드만삭스의 Global Alpha 펀드는 2007년 8월에 가치의 30%를 잃은 것으로 보도되었습니다.

이 사건은 많은 독립적 페어를 거래함으로써 얻어지는 분산효과가 환상이었음을 드러냈습니다. 수백 개 펀드가 유사한 공적분 검정, 거리 측정, 팩터 모델을 사용하여 포트폴리오를 구성하면, 결과적 포지션은 개별 페어 수준의 통계가 시사하는 것보다 훨씬 높은 상관관계를 갖습니다. Khandani와 Lo는 과밀화 요인 -- 퀀트 펀드 간 포지션 중복 정도 -- 이 국지적 유동성 이벤트를 통계적 차익거래 산업 전체의 체계적 위기로 전환시키기에 충분했다고 추정했습니다.

2008-2009년 금융위기는 다른 도전을 제시했습니다: 대규모 근본적 관계 붕괴. 수년간 안정적 공적분을 보여온 페어들 -- 금융 섹터 주식, 항공사 페어, 자동차 제조업체 등 -- 이 일부 기업이 파산(리만 브라더스, 제너럴 모터스)하면서 영구적으로 괴리되었고, 이전에 상관관계가 있던 동종기업은 생존했습니다. 생존기업과 파산기업 간 스프레드는 과거 Z-스코어 기준으로는 거래 기회로 포착할 수 없는 수준까지 확대되었습니다. 기저 경제적 관계 자체가 소멸했기 때문입니다. Do와 Faff(2012)는 미국 주식 표본에서 수익성 있는 페어 비율이 1990년대 60% 이상에서 2007년 이후 40% 미만으로 감소했음을 보여주었습니다.

2010년 5월 6일의 플래시 크래시는 미시구조적 취약성을 노출했습니다. 20분간의 폭락 동안 유동성이 비대칭적으로 증발하면서 많은 페어가 괴리되었습니다 -- 한 쪽은 계속 거래되는 반면 다른 쪽은 거래가 중단되거나 비유동적이 되었습니다. 양 쪽의 동시 체결에 의존하던 전략들은 비헤지된 방향성 노출을 갖게 되었으며, 이는 시장중립 구조가 제거하도록 설계된 바로 그 위험이었습니다.

연구 합의가 시사하는 바

학술 문헌은 몇 가지 지점에서 명확한 합의에 도달했습니다. 첫째, 페어 트레이딩은 Gatev, Goetzmann, Rouwenhorst(2006)가 기록한 기간에 진정으로 수익성이 있었으며, 알려진 위험 팩터로 설명되지 않는 수익을 산출했습니다. 둘째, 발표 이후 수익성이 크게 감소했으며, 이는 Do와 Faff(2010, 2012), Broussard와 Vaihekoski(2012), Jacobs와 Weber(2015)에 의해 확인되었습니다. 이러한 감소는 McLean과 Pontiff(2016)가 기록한 광범위한 패턴과 일치합니다. 그들은 거래 전략의 수익이 학술 발표 후 약 35% 감소한다는 것을 보여주었습니다.

논쟁이 지속되는 부분은 전략이 정교한 실무자에게 여전히 유효한지입니다. Avellaneda와 Lee(2010)는 다중팩터 통계적 차익거래 -- 주성분분석이나 섹터 ETF를 사용하여 수익을 체계적 및 고유 구성요소로 분해하는 방식 -- 가 발표 후 기간에도 단순 페어 트레이딩을 크게 능가했음을 입증했습니다. Krauss(2017)는 통계적 차익거래에 대한 머신러닝 접근법 종합 조사에서 딥러닝 모델을 통한 페어 선별과 신호 생성이 손실된 알파의 상당 부분을 회복할 수 있음을 발견했으나, 이러한 접근에는 상당한 계산 인프라가 필요합니다.

Cummins와 Bucca(2012), Rad, Low, Faff(2016)가 명확히 한 새로운 합의는, 통계적 차익거래가 보통 수준의 정교함을 가진 투자자도 접근 가능한 용량 풍부한 전략에서, 체결 우위(낮은 지연시간, 더 나은 데이터, 더 정교한 모델, 더 낮은 거래비용)를 가진 참여자에게 주로 수익이 돌아가는 용량 제한적이고 인프라 집약적인 사업으로 전환되었다는 것입니다. 넓은 투자 커뮤니티에게 실질적 교훈은, 체결과 신호 생성에서 상당한 경쟁 우위 없이는 단순 페어 트레이딩이 의미 있는 위험조정수익을 창출할 가능성이 낮다는 것입니다.