This paper analyzes the performance of pairs trading constructed via three unsupervised learnings in the Korean
market. In addition to traditional pairs trading, it incorporates firm characteristics to identify more robust pairs.
The result reveals that two of the three clustering algorithms tend to outperform the benchmark KOSPI even after
accounting for the risk. Long-short equally weighted portfolios via k-means clustering performs best in the
Korean market with an annualized mean return of 34% and Sharpe Ratio of 0.667. Moreover, utilizing firm
characteristics enhance the performance of the strategy by improving return and reducing volatility at the same
time. However, in the robustness check, it reveals some limitations such as profitability differs variously
according to the selection of hyperparameters.
본 논문은 한국 주식 시장에서 세 가지 비지도 학습을 활용한 페어 트레이딩 전략의 성과를
분석합니다. 주가 및 수익률 외에도 기업 특성을 고려하여 보다 견고한 페어를 식별하는데 초점을
맞추었습니다. 분석 결과, 세 가지 클러스터링 알고리즘 중 두개의 알고리즘이 위험을 고려한
후에도 벤츠마크인 KOSPI를 능가하는 경향을 나타내었습니다. 특히, K-평균 군집을 통한 롱-숏
포트폴리오는 연평균 수익률 34%와 샤프 지수 0.667으로 가장 우수한 성과를 보였습니다. 또한,
기업 특성을 고려하는 것은 전략의 성과를 향상시키고 동시에 변동성을 감소시키는 경향을
보였습니다. 그러나 견고성 검사에서는 하이퍼파라미터의 선택에 따라 수익성이 변동될 수 있는
한계가 있는 것으로 나타났습니다.