[알고리즘 트레이딩] 페어 트레이딩(Pairs Trading)에서 "좋은 페어"는 어떻게 고를까?

페어 트레이딩은 두 자산 간의 가격 차이(스프레드)가 평균으로 회귀한다는 전제하에 이루어지는 전략입니다. 하지만 아무 종목이나 짝지어서 해도 되는 건 아닙니다. 페어가 적절하지 않다면 오히려 손실로 이어질 수 있죠.

이번 글에서는 **"어떤 종목쌍이 좋은 페어인가?"**를 판단하는 기준과, 자동으로 적절한 페어를 찾는 방법까지 정리해보겠습니다.

---

✅ 좋은 페어의 조건은?

1. 높은 상관계수 (Correlation)

페어 후보를 추릴 때 가장 기본적인 조건입니다.

• 의미: 두 종목이 비슷한 방향으로 움직이는가?

• 기준: 상관계수 0.8 이상이면 통과

• 주의: 상관계수만 높고 평균회귀하지 않으면 무용지물

correlation = pair_df.corr().iloc[0,1]

---

2. 공적분 검정 (Cointegration Test)

페어 트레이딩 전략의 핵심 조건!

• 의미: 두 시계열 간에 장기적으로 일정한 관계가 있는가?

• 검정 도구: statsmodels.tsa.stattools.coint

• 기준: p-value < 0.05 → 평균회귀 관계 존재

from statsmodels.tsa.stattools import coint

score, pvalue, _ = coint(pair_df['Target1'], pair_df['Target2'])
if pvalue < 0.05:
    print("→ 평균회귀 관계 있음 (공적분 OK)")

---

3. 스프레드의 ADF 테스트 (Augmented Dickey-Fuller Test)

스프레드가 정상성을 가지는지 직접 확인하는 방법입니다.

• 의미: 스프레드가 단위근이 없고 평균으로 회귀하는가?

• 기준: p-value < 0.05 → 정상성 있음

from statsmodels.tsa.stattools import adfuller

spread = pair_df['Target1'] - hedge_ratio * pair_df['Target2']
result = adfuller(spread)
if result[1] < 0.05:
    print("→ 스프레드 정상성 있음")

---

4. z-score 시각화

z-score가 자주 ±1을 넘고 다시 평균으로 회귀하는 형태가 이상적입니다.

---

🧠 요약: 페어 선택 체크리스트

항목	기준
상관계수	0.8 이상
공적분 검정	p-value < 0.05
ADF 정상성 검정	p-value < 0.05
z-score 패턴	±1 이상 자주 벗어나고 평균 회귀

---

🤖 자동 페어 발굴기: 샘플 코드

import yfinance as yf
import pandas as pd
import numpy as np
from statsmodels.tsa.stattools import coint
from itertools import combinations
from datetime import datetime, timedelta

# 종목 리스트 (한국 예시: 삼성전자, SK하이닉스, NAVER, 카카오 등)
symbols = ['005930.KS', '000660.KS', '035420.KQ', '035720.KQ', '207940.KQ']

# 날짜 설정
end_date = datetime.today() - timedelta(days=1)
start_date = end_date - timedelta(days=365)

# 데이터 수집
price_data = {}
for symbol in symbols:
    df = yf.download(symbol, start=start_date.strftime('%Y-%m-%d'), end=end_date.strftime('%Y-%m-%d'))
    if not df.empty:
        price_data[symbol] = df['Close']

# 데이터프레임 병합
price_df = pd.DataFrame(price_data).dropna()

# 모든 조합에 대해 공적분 검정 수행
pair_results = []
for s1, s2 in combinations(symbols, 2):
    score, pvalue, _ = coint(price_df[s1], price_df[s2])
    pair_results.append((s1, s2, pvalue))

# p-value 기준 정렬 (낮을수록 좋음)
sorted_pairs = sorted(pair_results, key=lambda x: x[2])

# 결과 출력
print("★ 평균회귀 가능성 높은 페어 Top 5:")
for s1, s2, pvalue in sorted_pairs[:5]:
    print(f"{s1} & {s2} → p-value: {pvalue:.4f}")

---

✍️ 마무리

페어 트레이딩 전략의 핵심은 단순히 상관관계가 높은 자산을 고르는 것이 아니라, 스프레드가 평균으로 되돌아오는 관계인지를 검증하는 것입니다.

공적분 검정과 ADF 테스트는 적절한 페어를 찾는 데 매우 중요한 도구이며, 이를 바탕으로 자동 페어 탐색 시스템을 구축하면 더 체계적이고 재현 가능한 퀀트 전략을 만들 수 있습니다.