페어 트레이딩 (Pairs Trading)
전략 개념 차트
단기 MA(5일)이 장기 MA(20일)을상향 돌파 → 골든크로스(매수),하향 돌파 → 데드크로스(매도).
페어 트레이딩 (Pairs Trading) ⭐⭐⭐
키워드: 공적분, 스프레드, 롱숏 동시 진입
1. 전략 개요
한 문장 정의
페어 트레이딩이란 역사적으로 함께 움직이는 두 자산 사이의 가격 관계가 일시적으로 벌어졌을 때, 상대적으로 비싼 자산을 공매도하고 싼 자산을 매수해 스프레드가 다시 좁혀질 때 수익을 내는 시장 중립적 전략이다.
핵심 아이디어
페어 트레이딩은 앞서 배운 평균회귀 전략들과 근본적으로 다른 차원을 다룬다. 볼린저밴드와 RSI가 단일 자산의 가격이 평균으로 돌아오는 것을 이용한다면, 페어 트레이딩은 두 자산 사이의 관계가 평균으로 돌아오는 것을 이용한다.
"두 기업이 같은 산업에서 같은 환경에 놓여 있다면, 장기적으로 그들의 주가는 함께 움직여야 한다. 일시적으로 관계가 깨지면, 결국 다시 맞춰진다."
비유하자면 이렇다. 쌍둥이 형제가 있다. 둘은 같은 학교에서 같은 선생님에게 배우고 같은 환경에서 생활한다. 어느 날 형이 갑자기 동생보다 훨씬 좋은 성적을 받았다. 단순한 운이었다면 다음 시험에서는 둘의 성적 차이가 줄어들 것이다. 이것이 페어 트레이딩의 핵심 논리다. "형의 성적이 과도하게 높다면 형을 공매도(매도)하고 동생을 매수한다."
이 전략의 가장 큰 특징은 **시장 중립성(Market Neutrality)**이다. 주식 시장이 전반적으로 오르든 내리든, 롱 포지션과 숏 포지션이 시장 움직임을 서로 상쇄해 시장 방향에 관계없이 스프레드 변화에서만 수익을 추구한다.
어떤 투자자에게 적합한가
- 시장 방향에 관계없이 절대 수익을 추구하는 투자자
- 통계와 계량 분석에 관심 있는 투자자
- 헤지펀드 스타일의 롱숏 전략을 이해하고 싶은 투자자
- 리스크가 낮은 안정적 수익을 추구하는 투자자
- 두 자산 사이의 관계와 산업 분석에 관심 있는 투자자
2. 탄생 배경과 역사
월스트리트의 탄생 — 모건스탠리 계량 그룹 (1980년대)
페어 트레이딩의 기원은 **1980년대 모건스탠리(Morgan Stanley)**의 계량 연구 그룹으로 거슬러 올라간다. 이 그룹의 핵심 인물은 **눈지오 타르탈리아(Nunzio Tartaglia)**였다.
타르탈리아는 물리학, 컴퓨터 과학, 수학 전문가들로 구성된 팀을 만들어 통계적 차익거래(Statistical Arbitrage)를 체계화했다. 이 팀은 역사적으로 함께 움직이는 주식 쌍을 찾아 스프레드가 벌어질 때 거래하는 방식으로 큰 성과를 냈다.
1987년 시장 붕괴 당시 많은 펀드가 큰 손실을 봤지만, 타르탈리아 팀의 전략은 시장 중립적 특성 덕분에 상대적으로 선방했다. 이것이 페어 트레이딩의 실용성을 업계에 강하게 각인시켰다.
학문적 체계화
게이트치와 로스 (Gatev, Goetzmann, Rouwenhorst, 1999, 2006): 예일대학교의 에반 게이트치(Evan Gatev), 윌리엄 고에츠만(William Goetzmann), 케이스 루벤호스트(K. Geert Rouwenhorst)는 1999년(발표는 2006년) 논문 **"Pairs Trading: Performance of a Relative-Value Arbitrage Rule"**에서 1962~2002년 미국 주식 데이터로 페어 트레이딩을 체계적으로 검증했다.
이 연구의 핵심 발견은 세 가지였다.
첫째, 거리(Distance) 방법으로 선택한 페어들이 유의미한 초과 수익을 낸다. 둘째, 이 수익은 시장 리스크(베타)로 설명되지 않는 진정한 알파다. 셋째, 수익의 상당 부분이 일반적인 팩터(가치, 규모 등)로도 설명되지 않는다.
엔글과 그레인저 (Engle & Granger, 1987): 통계학자 로버트 엔글(Robert Engle)과 클라이브 그레인저(Clive Granger)는 공적분(Cointegration) 개념을 발전시켰다. 두 비정상 시계열이 장기적 균형 관계를 유지하는 현상으로, 이것이 페어 트레이딩의 통계적 기반이 됐다. 두 사람은 이 연구로 2003년 노벨경제학상을 수상했다.
3. 핵심 작동 원리
왜 페어 트레이딩이 수익을 낼 수 있는가
원리 1 — 공적분 관계의 평균회귀
두 주식이 공적분 관계에 있다는 것은 개별적으로는 불규칙하게 움직이지만, 둘 사이의 **스프레드(가격 차이 또는 비율)**는 장기적으로 일정한 평균으로 돌아온다는 것이다.
예를 들어, 코카콜라와 펩시는 음료 산업에서 경쟁하며 비슷한 거시 환경의 영향을 받는다. 두 주식 가격의 비율이나 차이는 장기적으로 일정한 범위에서 움직이는 경향이 있다. 일시적으로 그 범위를 벗어나면 다시 돌아오는 힘이 작동한다.
원리 2 — 공통 요인의 동일한 영향
같은 산업의 두 기업은 동일한 거시 요인(금리, 원자재 가격, 규제 변화 등)의 영향을 비슷하게 받는다. 이 공통 요인의 영향이 롱과 숏 포지션에서 동시에 상쇄된다. 따라서 시장 전반의 움직임과 무관하게 두 기업 고유의 상대적 가치 차이에서만 수익이 발생한다.
원리 3 — 일시적 정보 불균형
두 기업 중 하나에 일시적인 과잉반응(좋은 뉴스에 과도한 상승, 나쁜 뉴스에 과도한 하락)이 발생할 때 스프레드가 벌어진다. 시간이 지나면 과잉반응이 교정되고 스프레드가 좁혀진다.
원리 4 — 유동성 공급에 대한 보상
페어 트레이더는 일시적으로 벌어진 스프레드를 좁히는 방향으로 거래한다. 즉, 과도하게 비싸진 자산을 팔고 과도하게 싸진 자산을 사는 것이다. 이것은 시장에 유동성을 공급하는 행위이며, 시장은 이 서비스에 대해 수익으로 보상한다.
핵심 메커니즘을 비유로 설명
페어 트레이딩을 쌍둥이 회사의 주가 관리로 비유해보자.
A은행과 B은행이 있다. 둘은 같은 지역에서 비슷한 규모로 운영하는 경쟁사다. 평소에는 두 은행의 주가 비율이 1:1 근처에서 유지된다.
그런데 어느 날 A은행에 대한 근거 없는 소문이 퍼져 A 주가가 급락하고 B 주가는 변동이 없다. 스프레드가 벌어졌다. 페어 트레이더는 "이 소문은 사실이 아닐 가능성이 높다"고 판단해 A를 매수하고 B를 공매도한다.
며칠 후 소문이 거짓임이 밝혀지고 A 주가가 반등해 두 은행의 비율이 다시 1:1로 돌아온다. 이 과정에서 A 롱 포지션에서 수익이 나고, B 숏 포지션에서는 B 주가가 변하지 않았으므로 손익이 없다. 전체적으로 수익이 발생했다.
4. 신호 설계 논리
페어 선택 방법
페어 트레이딩의 첫 번째 과제는 좋은 페어를 찾는 것이다. 좋은 페어란 장기적으로 함께 움직이는 관계가 안정적인 쌍이다.
방법 1 — 거리 방법 (Distance Method)
게이트치 등(2006)이 사용한 방법이다. 가격 시계열을 정규화(최소-최대 정규화)한 후 두 종목 사이의 누적 제곱 거리를 계산한다.
$$Dᵢⱼ = ∑ₜ₌₁T(Pᵢ,ₜ^* - Pⱼ,ₜ^*)²$$
여기서 $P^*$는 정규화된 가격이다. $Dᵢⱼ$가 작을수록 두 종목이 역사적으로 비슷하게 움직였다는 의미다.
방법 2 — 상관관계 방법 (Correlation Method)
두 종목의 수익률 상관관계를 계산한다.
$$ρᵢⱼ = Corr(rᵢ, rⱼ)$$
상관관계가 높은 쌍을 페어로 선택한다. 단, 상관관계는 공적분과 다르다. 상관관계가 높아도 스프레드가 발산할 수 있다.
방법 3 — 공적분 검정 (Cointegration Test)
통계적으로 가장 엄밀한 방법이다. 엔글-그레인저 검정 또는 요한센(Johansen) 검정을 사용해 두 종목 사이에 공적분 관계가 있는지 통계적으로 확인한다.
엔글-그레인저 검정의 단계:
1단계: 헤지 비율 $β$ 추정 $$Pᵢ,ₜ = α + β × Pⱼ,ₜ + epsilonₜ$$
$Pᵢ,ₜ$를 $Pⱼ,ₜ$에 대해 회귀분석해 헤지 비율 $β$를 구한다.
2단계: 잔차 $epsilonₜ$ (스프레드) 정상성 검정 $$스프레드t = Pi,t - α - β × Pⱼ,ₜ$$
이 스프레드가 정상 과정(Stationary Process)인지, 즉 평균으로 회귀하는 특성이 있는지를 ADF(Augmented Dickey-Fuller) 검정으로 확인한다.
$$H₀: 스프레드가 단위근을 가진다 (비정상)$$ $$H₁: 스프레드가 정상 과정이다 (공적분 관계 존재)$$
검정 결과 p-value < 0.05면 공적분 관계를 통계적으로 지지한다.
Z-Score 기반 거래 신호
공적분 페어가 선택됐으면, 스프레드의 Z-Score를 계산해 거래 신호를 생성한다.
$$Zₜ = frac스프레드t - μ스프레드σ스프레드$$
여기서:
- $μ스프레드$: 스프레드의 이동 평균
- $σ스프레드$: 스프레드의 이동 표준편차
거래 신호:
$$롱 스프레드 진입: Zₜ < -zₑₙₜᵣy$$ $$숏 스프레드 진입: Zₜ > +zₑₙₜᵣy$$ $$청산: |Zₜ| < zₑₓᵢₜ$$
표준 설정: $zₑₙₜᵣy = 2.0$, $zₑₓᵢₜ = 0.5$
Z-Score = +2.0이면: 스프레드가 평균보다 2 표준편차 위에 있다는 의미. 즉 $Pᵢ$가 $Pⱼ$ 대비 상대적으로 비싸다. $Pᵢ$ 공매도 + $Pⱼ$ 매수.
Z-Score = -2.0이면: 스프레드가 평균보다 2 표준편차 아래에 있다는 의미. 즉 $Pᵢ$가 $Pⱼ$ 대비 상대적으로 싸다. $Pᵢ$ 매수 + $Pⱼ$ 공매도.
헤지 비율과 포지션 사이징
페어 트레이딩에서 두 포지션의 크기는 단순히 같은 금액이 아니다. 헤지 비율 $β$에 따라 조정해야 시장 중립성이 유지된다.
$$종목 A 포지션 금액 = 1 단위$$ $$종목 B 포지션 금액 = β 단위$$
예시: $β = 1.3$이면 A를 1억 원 매수할 때 B를 1억 3천만 원 공매도한다. 이렇게 해야 시장 전체가 움직여도 두 포지션이 서로 상쇄된다.
손절 기준
$$손절: |Zₜ| > zₛₜₒₚ$$
Z-Score가 계속 커지면 페어 관계가 붕괴됐을 가능성이 있다. 통상 $zₛₜₒₚ = 3.0$~$4.0$을 사용한다.
5. 전략 변형과 파생형
변형 1 — 산업 내 페어 (Industry Pairs)
같은 산업 내의 경쟁 기업끼리 페어를 구성하는 방식이다.
예시 페어:
- 현대차 vs 기아 (국내 자동차)
- 삼성전자 vs SK하이닉스 (반도체)
- 코카콜라 vs 펩시 (음료)
- 골드만삭스 vs 모건스탠리 (투자은행)
특징: 같은 산업 내 기업은 공통 요인(원자재 가격, 규제, 경기 사이클)의 영향을 비슷하게 받아 공적분 관계가 안정적이다. 페어 관계의 경제적 근거가 명확하다.
변형 2 — ETF 페어 트레이딩
개별 주식이 아닌 ETF 간의 페어를 구성하는 방식이다.
예시 페어:
- SPY(S&P500 ETF) vs QQQ(나스닥 ETF)
- GLD(금 ETF) vs SLV(은 ETF)
- TLT(미국 장기채 ETF) vs IEF(중기채 ETF)
- EWJ(일본 주식 ETF) vs EWY(한국 주식 ETF)
특징: ETF는 개별 주식보다 노이즈가 적고 분산이 돼 있어 페어 관계가 더 안정적이다. 공매도가 상대적으로 용이하고 비용이 낮다. 펀더멘털 붕괴 위험이 낮다.
변형 3 — 트리플 페어 (삼각 차익거래)
두 자산이 아닌 세 자산 사이의 관계를 이용하는 방식이다.
예시: 원유, 정제유(가솔린), 정유 기업 주식의 삼각 관계를 이용한다. 원유 가격, 정제 마진, 정유 기업 주가는 장기적으로 연관된 관계가 있다.
특징: 두 자산 페어보다 더 복잡하지만 추가적인 관계를 이용할 수 있다. 설계와 관리가 훨씬 복잡하다.
변형 4 — 통계적 차익거래 (Statistical Arbitrage)
페어를 두 종목이 아닌 여러 종목의 포트폴리오로 확장하는 방식이다.
$$롱 포트폴리오 = ∑ᵢ ᵢₙ Lₒₙg wᵢ × Pᵢ$$ $$숏 포트폴리오 = ∑ⱼ ᵢₙ Shₒᵣₜ wⱼ × Pⱼ$$
두 포트폴리오의 스프레드가 평균으로 회귀할 것을 기대한다. 이것이 Chapter 16에서 다룰 통계적 차익거래의 기초다.
특징: 개별 페어보다 분산이 좋아 안정적이다. 단일 종목 리스크가 줄어든다. 그러나 복잡도가 크게 높아진다.
변형 5 — 동적 헤지비율 페어 트레이딩
헤지 비율 $β$를 고정값으로 사용하는 것이 아니라, 칼만 필터(Kalman Filter) 등을 이용해 시간에 따라 동적으로 조정하는 방식이다.
$$βₜ = f(βₜ₋₁, 새로운 데이터)$$
헤지 비율이 시간에 따라 변할 수 있다는 현실을 반영한다.
특징: 고정 헤지비율 방식보다 페어 관계 변화에 적응적이다. 그러나 칼만 필터 구현이 기술적으로 복잡하고 파라미터 설정에 주의가 필요하다.
6. 수익이 나는 시장 국면
잘 작동하는 조건
조건 1 — 어떤 시장 국면에서도 기본적으로 작동 페어 트레이딩의 가장 큰 강점은 시장 중립성이다. 상승장, 하락장, 횡보장 모두에서 스프레드 변화에서 수익을 추구할 수 있다. 이것이 헤지펀드들이 페어 트레이딩을 선호하는 핵심 이유다.
조건 2 — 변동성이 높고 개별 종목 차별화가 뚜렷한 시기 전체 시장의 변동성이 높아지면 개별 종목 간 스프레드도 더 많이 벌어진다. 벌어진 스프레드가 다시 좁혀질 때 수익 기회가 더 크다. 실적 시즌, 이벤트 전후 구간이 좋은 기회다.
조건 3 — 산업 전반에 영향을 주는 공통 요인이 작동하는 시기 업종 전체에 동시 영향을 주는 사건(원자재 가격 변동, 규제 변화, 금리 변화)이 발생하면 페어 내 두 종목이 함께 움직이며, 개별 종목의 과잉반응을 포착하기 용이해진다.
역사적 가상 수치 예시:
안정적 공적분 페어 장기 운용:
- 연 CAGR: 약 6~12%
- MDD: -5% ~ -15% (시장 중립적 특성)
- 샤프지수: 0.8~1.5
- 시장 상관관계: -0.1 ~ 0.2 (매우 낮음)
변동성 높은 시기:
- 스프레드 벌어짐 빈도 증가 → 수익 기회 증가
- 단, 페어 관계 붕괴 위험도 함께 증가
7. 손실이 나는 시장 국면
잘 작동하지 않는 조건
조건 1 — 페어 관계의 구조적 붕괴 페어 트레이딩의 가장 치명적인 위험이다. 두 종목이 역사적으로 함께 움직이다가 구조적으로 다른 방향으로 발전하는 경우다.
예시: 두 통신사가 페어였는데, 하나는 5G 투자를 공격적으로 집행해 성장주로 변모하고 다른 하나는 전통적 가치주로 남는 경우. 이후 두 주식은 다른 방향으로 움직이며 스프레드가 계속 확대될 수 있다.
이런 상황에서 스프레드가 좁혀질 것을 기대하며 포지션을 유지하면 손실이 계속 늘어난다.
조건 2 — 시스템적 위기 (동조화) 금융위기 같은 시스템적 위기에서 모든 자산이 함께 폭락한다. 이때 헤지 비율이 맞지 않거나, 예상보다 두 종목이 다른 속도로 하락하면 예상치 못한 손실이 발생한다.
조건 3 — 유동성 위기 페어 트레이딩은 공매도 포지션을 포함하므로, 유동성 위기 시 공매도 상환 압박(숏 스퀴즈)이 발생하면 큰 손실이 날 수 있다.
조건 4 — 기업 고유 이벤트 두 종목 중 하나에서 예상치 못한 기업 이벤트(인수합병, 파산, 대규모 부정 사건)가 발생하면 두 종목의 관계가 근본적으로 달라진다.
손실 메커니즘 단계별 설명
[구조적 페어 붕괴 시나리오]
1단계: 두 종목이 오랫동안 함께 움직임
→ 공적분 검정 통과 → 페어 선택
2단계: A 종목 주가 상승, B 종목 주가 횡보
→ Z-Score 상승 → 숏 A, 롱 B 진입
3단계: A 종목이 계속 상승
→ "스프레드가 곧 좁혀지겠지" 기대
→ Z-Score 3.0, 4.0으로 계속 상승
4단계: 구조적 이유 발견
→ A 종목이 새로운 사업으로 근본적 변화
→ 두 종목의 관계가 영구적으로 변화
5단계: 손실 인식 후 청산
→ 롱숏 모두 손실 (A 숏 손실 + B 롱 손실 작음)
→ 총 손실 -10% ~ -30% 가상 수치
8. 백테스트 특성과 주요 지표 패턴
전형적인 백테스트 결과 패턴
주요 지표 일반적 범위 (가상 참고값):
| 지표 | 페어 트레이딩 (안정적 페어) | 주식 시장 (롱온리) |
|---|---|---|
| CAGR | 6~12% | 9~12% |
| MDD | -5% ~ -15% | -45% ~ -55% |
| 샤프지수 | 0.8~1.5 | 0.4~0.6 |
| 칼마르 비율 | 0.6~1.5 | 0.2~0.3 |
| 시장 상관관계 | -0.1 ~ 0.2 | 1.0 |
| 최악의 연도 | -5% ~ -10% | -40% ~ -50% |
페어 트레이딩의 가장 특징적인 지표는 매우 낮은 시장 상관관계와 낮은 MDD다. CAGR은 시장보다 낮을 수 있지만 리스크 대비 수익(샤프지수)은 훨씬 높다.
수익 곡선의 전형적 모양
자산가치
| _____________________________
| ___/ \___
|___/ \___
| 매우 안정적인 우상향
| 낮은 변동성, 낮은 낙폭
| 시장 방향과 무관한 꾸준한 수익
시간
페어 트레이딩의 수익 곡선은 다른 어떤 전략보다 완만하고 안정적인 우상향 패턴을 보인다. 시장이 급락할 때도 곡선이 크게 흔들리지 않는다. 단, 페어 관계 붕괴 시에만 급격한 낙폭이 발생한다.
다른 전략과 구별되는 통계적 특징
시장 베타 제거: 이론적으로 롱숏이 시장 움직임을 상쇄하므로 베타가 0에 가깝다. 실제로는 헤지 비율이 완벽하지 않아 잔여 베타가 남을 수 있다.
높은 정보비율(IR): 시장 대비 초과 수익(알파)의 일관성이 높아 정보비율이 높은 경향이 있다.
낮은 왜도: 극단적인 수익이나 손실이 적어 수익률 분포가 정규분포에 가깝다. 단, 페어 붕괴 시에만 큰 손실이 발생한다.
결과 해석 시 주의할 함정
함정 1 — 인샘플 페어 선택의 과적합 공적분 검정에 사용한 기간(인샘플)에서 좋은 페어를 찾아도 아웃오브샘플에서 관계가 유지되지 않는 경우가 많다. 페어 관계의 경제적 근거가 뒷받침되어야 한다.
함정 2 — 거래비용 과소평가 페어 트레이딩은 공매도 비용(차입 비용)을 포함하면 거래비용이 상당하다. 이를 제대로 반영하지 않으면 수익이 과대 계상된다.
함정 3 — 생존 편향 백테스트에서 현재 존재하는 종목끼리만 페어를 구성하면, 중간에 상장폐지된 종목들이 빠진다. 한 종목이 상장폐지되면 페어 트레이딩에서 큰 손실이 날 수 있다.
9. 과최적화 위험과 강건성
과최적화가 자주 발생하는 지점
페어 선택의 과적합: 인샘플에서 가장 좋은 공적분 관계를 보이는 페어들을 선택하면 과적합이다. 이 페어들은 데이터에 맞게 찾아진 것이므로 아웃오브샘플 성과가 나쁠 가능성이 높다.
Z-Score 임계값 최적화: 진입 임계값(2.0)과 청산 임계값(0.5)을 데이터에서 찾으면 과최적화다.
룩백 기간 최적화: 스프레드의 평균과 표준편차를 계산하는 기간을 최적화하면 과최적화다.
강건성을 높이는 설계 원칙
원칙 1 — 경제적 근거 우선 통계적으로 좋은 페어를 찾는 것이 아니라, 경제적으로 함께 움직이는 이유가 명확한 페어를 먼저 선정한다. 같은 산업 내 직접 경쟁사, 같은 원자재를 사용하는 기업, 동일 지수의 유사 ETF 등이 좋은 기준이다.
원칙 2 — 충분한 인샘플 기간 공적분 검정을 위해 최소 2~3년, 가능하면 5년 이상의 데이터를 사용한다. 짧은 데이터로 찾은 공적분 관계는 신뢰도가 낮다.
원칙 3 — 페어 관계 지속적 모니터링 초기에 공적분 관계가 확인됐다고 영구적으로 유지되지는 않는다. 분기마다 또는 반기마다 공적분 관계를 재검정해 관계가 유지되는지 확인한다.
원칙 4 — 분산화 하나의 페어에만 의존하지 않고 여러 독립적인 페어를 동시에 운용한다. 하나의 페어가 붕괴되어도 전체 포트폴리오 손실이 제한된다.
아웃오브샘플 검증 시 주의사항
게이트치 등(2006)의 연구 발표 후 많은 기관이 페어 트레이딩을 도입했다. 이 과정에서 가장 쉽게 찾을 수 있는 페어들의 수익성이 줄어들었다. 즉, 전략이 알려지면서 알파가 부분적으로 소멸했다.
그러나 덜 알려진 페어, 새로운 자산군의 페어, 더 정교한 관계 설계에서는 여전히 유효한 수익 기회가 존재한다.
10. 다른 전략과의 관계
잘 결합되는 전략
Z-Score 기반 평균회귀 (Chapter 17): 페어 트레이딩의 핵심 신호가 Z-Score 기반이며, Chapter 17에서 이 개념을 더 일반적으로 확장한다. 두 챕터는 같은 통계적 원리를 다른 수준에서 적용한다.
절대 모멘텀 (Chapter 6): 페어 트레이딩은 시장 중립적이므로 시장 방향에 관계없이 작동한다. 하지만 시장 전체의 극단적 상황(금융위기)에서는 페어 관계도 흔들릴 수 있다. 절대 모멘텀으로 극단적 시장 상황을 감지하면 페어 포지션을 줄이는 리스크 관리가 가능하다.
상관관계가 낮아 포트폴리오 효과가 큰 전략
모든 방향성 전략 (모멘텀, 추세추종): 페어 트레이딩은 시장 방향에 무관하므로 방향성 전략과 상관관계가 매우 낮다. 두 유형의 전략을 결합하면 포트폴리오 전체의 변동성을 크게 줄일 수 있다. 이것이 많은 헤지펀드가 방향성 전략과 마켓 뉴트럴 전략을 함께 운용하는 이유다.
포트폴리오 내 역할
페어 트레이딩은 포트폴리오에서 시장 중립 알파 생성기 역할을 한다. 시장이 오르든 내리든 일정한 수익을 제공하는 "전천후" 구성 요소다. 다른 전략들이 시장 방향에 노출되어 있을 때, 페어 트레이딩이 그 노출을 부분적으로 헤지한다.
11. 실전 적용 시 주의사항
이론과 실전의 괴리 포인트
괴리 1 — 공매도의 현실적 어려움 한국 주식 시장에서 개인 투자자의 공매도는 매우 제한적이다. ETF 인버스를 이용하거나 CFD(차액결제거래)를 활용하는 방법이 있지만 비용이 높고 제약이 많다. 미국 주식이나 ETF 페어 트레이딩이 더 현실적이다.
괴리 2 — 공매도 차입 비용 주식을 공매도하려면 차입 비용(주식 대여 비용)을 지불해야 한다. 인기 있는 공매도 대상 종목은 차입 비용이 높아 전략 수익성을 크게 저해한다.
괴리 3 — 슬리피지의 두 배 효과 페어 트레이딩은 두 종목을 동시에 거래하므로 슬리피지가 두 배로 발생한다. 특히 거래량이 적은 종목에서는 슬리피지가 전략 수익을 잠식한다.
괴리 4 — 마진과 레버리지 관리 롱숏 포지션을 동시에 유지하려면 마진(증거금) 관리가 필요하다. 스프레드가 예상과 반대 방향으로 움직이면 마진 콜이 발생할 수 있다.
거래비용·슬리피지의 영향
페어 트레이딩의 실제 비용 구조는 복잡하다.
비용 항목:
- 매수/매도 수수료 × 2 (롱 + 숏)
- 공매도 차입 비용 (연 0.5~5%, 종목에 따라 다름)
- 슬리피지 × 2
- 마진 이자 비용
전체 비용 추정 (가상 참고값):
- 연간 회전율 200%, 편도 수수료 0.1%: 연 0.4%
- 공매도 차입 비용: 연 0.5~2.0%
- 합계: 연 1~3% 비용
이 비용을 감안하면 실전 순수익은 백테스트보다 상당히 낮아진다.
적합한 자산군과 시장
매우 적합:
- 미국 주식 (공매도 용이, 높은 유동성)
- ETF 페어 (낮은 비용, 용이한 공매도)
- 선물 시장 (공매도 용이, 낮은 차입 비용)
제한적 적합:
- 한국 주식 (공매도 제약, 높은 비용)
- 채권 ETF 페어 (변동성 낮아 수익 제한)
부적합:
- 개인 투자자의 소형주 (유동성 부족, 공매도 불가능)
- 암호화폐 (관계 불안정, 규제 불확실)
투자자가 흔히 저지르는 실수
실수 1 — 상관관계와 공적분 혼동 두 종목의 상관관계가 높다고 페어 트레이딩에 적합한 것이 아니다. 반드시 공적분 검정을 통해 스프레드의 정상성을 확인해야 한다.
실수 2 — 페어 관계 점검 소홀 처음에 좋은 페어를 찾았다고 영원히 유지되는 것이 아니다. 기업 환경이 변하면 페어 관계도 변한다. 정기적인 재검정이 필수다.
실수 3 — Z-Score가 커질 때 포지션 늘리기 Z-Score가 3, 4로 커지면 "더 좋은 기회가 됐다"고 생각해 포지션을 늘리는 실수를 범할 수 있다. 그러나 Z-Score가 계속 커진다는 것은 페어 관계가 붕괴되고 있다는 경고 신호일 수 있다. 오히려 손절을 고려해야 한다.
실수 4 — 헤지 비율 무시 두 종목을 같은 금액으로 매수/공매도하면 베타가 맞지 않아 시장 중립성이 무너진다. 반드시 헤지 비율을 계산하고 적용해야 한다.
12. 전략 요약 카드
| 항목 | 내용 |
|---|---|
| 전략 유형 | 평균회귀 / 시장 중립 / 통계적 차익거래 |
| 핵심 아이디어 | 공적분 관계의 두 자산 스프레드가 평균으로 돌아온다 |
| 적합 시장 | 모든 시장 국면 (시장 중립적) |
| 적합 자산군 | 미국 주식 페어, ETF 페어, 선물 페어 |
| 전형적 승률 | 60~70% |
| 전형적 손익비 | 0.8~1.5 |
| 전형적 MDD | -5% ~ -15% |
| 전형적 샤프지수 | 0.8~1.5 |
| 최적 보유 기간 | 수일 ~ 수주 |
| 과최적화 위험 | 중간~높음 (페어 선택 과적합 위험) |
| 난이도 | ⭐⭐⭐ |
| 함께 쓰면 좋은 전략 | Z-Score 평균회귀, 모든 방향성 전략과 결합 시 분산 효과 |
| 피해야 할 시장 국면 | 페어 관계 붕괴, 시스템 위기, 공매도 불가 환경 |
📌 핵심 요약 (3줄)
페어 트레이딩은 두 자산 사이의 관계가 일시적으로 깨졌을 때 수익을 추구하는 시장 중립 전략으로, 시장 방향에 관계없이 안정적인 수익을 목표로 한다. 공적분 관계의 구조적 붕괴가 가장 큰 위험이며, 경제적 근거가 뒷받침되는 페어를 선택하고 정기적으로 관계를 재검정하는 것이 핵심 리스크 관리다. 공매도 제약과 높은 차입 비용이 개인 투자자에게 가장 큰 실전 장벽이며, ETF 페어 트레이딩이 이 문제를 상당히 완화할 수 있는 현실적 대안이다.
➡️ 다음 챕터 예고: Chapter 16에서는 통계적 차익거래(Statistical Arbitrage) 원리를 다룬다. 페어 트레이딩을 다수의 종목 포트폴리오로 확장하고, 수학적 모델로 체계화한 이 전략의 작동 원리와 한계를 완전히 분석한다.