In this paper, we purpose an ensemble method that combines the cointegration and PCA method as a way to find pairs for pair trading. And we applied this method to the KOSPI market to verify the effectiveness of the new pair selection method. In the ensemble method, it decomposes the natural set of systematic risk factors with PCA and clusters the stocks that exposed to the similar systematic risk. After that, it conducts the cointegration test for stocks in the same cluster to select the pairs. We verified whether this method is effective in terms of computational performance and portfolio performance. In terms of computational performance, we showed that computations can be reduced efficiently depending on the number of clusters using the concept of time complexity. In terms of portfolio performance, we conducted the back-testing on the KOSPI market from January 2011 to December 2019 and analyzed the returns of portfolio. As a result, the portfolio with ensemble method got the significant excess returns on average of daily returns while the portfolio with naive cointegration test did not. Especially, DBSCAN with the reachability plot of OPTICS got highest performance by clustering most concentrated stocks in the space of beta loadings(sensitivity) for systematic factors. The average of daily returns of this method was significantly higher at 10% confidence level than that of top 50 pairs portfolio which was best among the naive cointegration portfolio. This confirms that clustering-based ensemble method proposed in this paper can form higher performance pairs with fewer computations than naive cointegration method.
본 논문에서는 페어를 구성하는 방법으로 기존의 공적분 방법과 주성분 분석 방법을 결합한 앙상블 방법을 제안하고, 한국 코스피 시장에서 해당 전략의 실효성을 알아본다. 본 논문에서 제안하는 앙상블 방법은 주식 별 페어 구성을 위한 공적분 검사를 진행하기 전, 주성분 분해를 통해 시장에 내재되어 있는 체계적 위험 요소를 추출하고 이 위험 요소에 유사하게 노출되어 있는 주식 별로 군집을 형성한다. 그 후 각 군집 안에 있는 주식들끼리 공적분 검사를 수행해 페어를 구성한다. 이러한 방법이 순수 공적분 검사를 통해 페어를 구성하는 것과 비교해 연산 횟수와 포트폴리오 성과 측면에서 어떠한 개선이 있는지를 확인하였다. 연산 횟수 측면에서는 시간 복잡도 개념을 사용하여 생성되는 군집의 개수에 따라 연산 횟수를 효율적으로 줄일 수 있음을 보였다. 포트폴리오 성과 측면에서는 2011년 1월부터 2019년 12월까지 코스피 시장에서 순수 공적분 방법과 앙상블 방법을 적용했을 때의 수익률을 구하여 분석하였다. 그 결과, 순수 공적분 방법의 포트폴리오는 일 평균 수익률에서 유의한 초과 수익을 거두지 못한 반면, 모든 앙상블 포트폴리오에서는 유의한 초과 수익을 거두었다. 그 중 OPTICS 군집화 알고리즘의 접근 가능 도표(Reachability plot)을 활용한 DBSCAN 군집화 방법은 체계적 요인에 대한 베타 로딩(민감도) 공간에서 가장 밀집해 있는 주식들을 효율적으로 군집화 함으로써 높은 성능을 보였다. 이 방법은 일 평균 수익률에서 순수 공적분 기반 포트폴리오 중 가장 좋은 수익률을 보인 상위 50페어 포트폴리오와 비교해 10% 유의 수준에서 유의하게 높은 수익률을 보였다. 이를 통해 본 연구에서 제안하는 군집화 기반 앙상블 페어 구성 방법이 기존의 공적분 방법보다 적은 연산으로 높은 성능의 페어를 구성할 수 있음을 확인하였다.
