국내 금현물 프리미엄을 활용한 AI 기반 페어트레이딩 전략

Abstract

본 연구는 국내 금현물시장(KRX)과 국제 금시장 간 가격괴리에서 형성되는 금 프리미엄을 활용한 AI 기반 페어트레이딩 전략을 제안한다. 기존의 고정 임계값 전략은 구조가 단순하고 해석 가능성이 높다는 장점이 있으나, 시장 국면 변화에 따라 프리미엄의 변동성과 평균회귀 속도가 시변적으로 변화하는 환경에서는 동일한 임계값을 지속적으로 적용하는 것은 적절하지 않다. 이에 본 연구는 과거 프리미엄 시계열로부터 시점별 매매 임계값을 산출하는 딥러닝 기반 접근을 제안한다. 비교 모형으로 GRU, LSTM, RNN, ANN을 구현하고, 이들의 잠재표현을 결합한 Fusion 모형을 함께 구성하였다. 실증분석은 2016년부터 2025년까지의 일별 자료를 이용하여 수행하였다. 분석 결과 국내 금 프리미엄은 통계적으로 유의한 평균회귀성과 시간 의존적 구조를 보여, 상대가치 기반 매매 신호로 활용될 수 있음을 확인하였다. AI 기반 동적 임계값 전략은 고정 임계값 전략 대비 전반적으로 우수한 위험조정성과를 나타냈으며, 특히 Fusion 모형은 LBMA 및 Tenfore 두 신호 모두에서 가장 높은 Sharpe ratio와 Sortino ratio를 기록하였다. 또한 SPA 검정과 Model Confidence Set(MCS) 분석 결과, Fusion 모형은 다수의 전략 비교에서 발생할 수 있는 다중 검정 문제를 통제한 이후에도 벤치마크 대비 유의한 성과 우위를 보였으며, MCS에서도 최상위 전략 집합에 포함되었다. 종합하면 본 연구는 임계값 자체를 데이터 기반 함수로 학습하는 동적 임계값 접근이 변화하는 시장 환경에서 상대가치 전략의 성과를 효과적으로 개선할 수 있음을 보여준다.

This study proposes an AI-based pairs trading strategy that exploits the premium between the Korea Exchange (KRX) gold spot market and international gold prices. To address the limitations of fixed-threshold strategies under changing volatility and mean-reversion dynamics, the study develops a dynamic threshold framework that learns threshold coefficients directly from historical premium time series using AI models. Using daily data from 2016 to 2025, the results show that the domestic gold premium exhibits statistically significant mean reversion and predictable temporal dependence. AI-based dynamic threshold strategies outperform fixed-threshold strategies in risk-adjusted performance, and the proposed Fusion model records the highest Sharpe and Sortino ratios under both LBMA- and Tenfore-based signals. SPA and MCS tests confirm that the proposed strategy remains within the superior model set, indicating that adaptive threshold learning can enhance relative-value trading performance under changing market conditions.