암호화폐 시장, 24시간 동안 레버리지 포지션 13억2500만 달러 청산…롱·숏 비중 유사

지난 24시간 동안 암호화폐 시장에서 약 13억 2500만 달러(약 1조 9375억원) 상당의 레버리지 포지션이 청산된 것으로 나타났다.

현재 집계된 데이터에 따르면, 청산된 포지션 중 롱 포지션이 6억 5000만 달러로 전체의 49.1%를 차지했고, 숏 포지션은 6억 7500만 달러로 50.9%를 기록했다.

4시간 거래소 별 청산 데이터 / 코인글래스

지난 4시간 동안 가장 많은 포지션 청산이 발생한 거래소는 바이낸스로, 총 4억 9900만 달러(전체의 37.66%)가 청산됐다. 이 중 롱 포지션이 2억 1300만 달러로 42.68%를 차지했다.

두 번째로 많은 청산이 발생한 거래소는 바이비트로, 1억 8200만 달러(13.73%)의 포지션이 청산됐으며, 이 중 롱 포지션이 1억 2700만 달러(69.78%)를 차지했다.

OKX는 약 1억 6000만 달러(12.08%)의 청산이 발생했으며, 롱과 숏 포지션의 청산 비율이 거의 동등했다.

특이사항으로는 하이퍼리퀴드 거래소에서 발생한 청산 중 숏 포지션 비율이 83.94%로 매우 높게 나타났으며, 비트파이넥스에서는 청산이 거의 발생하지 않았다.

암호화폐 청산 데이터 / 코인글래스

코인별로는 비트코인(BTC) 관련 포지션이 가장 많이 청산되었다. 24시간 동안 비트코인 포지션에서 약 2억 1584만 달러가 청산되었으며, 4시간 기준으로는 롱 포지션에서 290만 달러, 숏 포지션에서 282만 달러로 균형적인 청산이 발생했다.

이더리움(ETH)은 24시간 동안 약 6494만 달러의 포지션이 청산되었으며, 현재 $70,591.4 수준에서 거래되고 있다.

솔라나(SOL)는 24시간 동안 약 810만 달러가 청산되었고, 4시간 동안은 롱 포지션에서 19만 4천 달러, 숏 포지션에서 5만 3천 달러의 청산이 발생했다. 현재 가격은 $86.24 수준이다.

다른 주요 알트코인들 중에서는 XRP(741만 달러)가 상당한 청산을 기록했으며, 4시간 동안 롱 포지션에서 22만 2천 달러, 숏 포지션에서 4만 5천 달러의 청산이 발생했다.

도지코인(DOGE)은 현재 $0.09529 수준에서 거래되며, 4시간 동안 약 21만 4천 달러의 롱 포지션 청산과 3천 달러의 숏 포지션 청산이 발생했다.

특히 흥미로운 점은 HYPE 토큰이 4시간 동안 롱 포지션에서 5만 6천 달러, 숏 포지션에서 14만 5천 달러의 청산이 발생해, 숏 포지션 청산이 더 많았다는 점이다. ZEC(제트캐시)와 ASTER 토큰에서도 상당한 규모의 청산이 발생했다.

암호화폐 시장에서 '청산'은 레버리지 포지션을 보유한 트레이더가 증거금 요건을 충족하지 못할 때 강제로 포지션이 종료되는 현상을 말한다. 이번 청산 데이터는 비트코인과 주요 알트코인 시장의 양방향 변동성이 증가했음을 보여주는 지표로 볼 수 있다.

기사요약 by TokenPost.ai

🔎 시장 해석: 최근 24시간 동안 암호화폐 시장에서 약 13억 달러 규모의 레버리지 포지션이 청산되었으며, 롱과 숏 포지션이 거의 동등한 비율로 청산되었습니다. 이는 시장이 양방향으로 큰 변동성을 보이고 있음을 시사합니다. 특히 바이낸스와 바이비트 같은 주요 거래소에서 대규모 청산이 집중되었습니다.

💡 전략 포인트: 현재 시장은 롱과 숏 모두에게 위험한 환경입니다. 레버리지 거래 시 위험 관리가 특히 중요하며, 포지션 규모를 줄이고 스톱로스를 적절히 설정하는 것이 필요합니다. BTC, ETH 외에도 SOL, XRP, HYPE 등 알트코인들도 높은 변동성을 보이고 있어 주의가 필요합니다.

📘 용어정리:

- 청산(Liquidation): 레버리지 거래에서 담보 가치가 유지보수 마진 이하로 떨어질 때 강제로 포지션이 종료되는 것

- 롱 포지션(Long): 자산 가격이 오를 것으로 예상하고 매수하는 포지션

- 숏 포지션(Short): 자산 가격이 내릴 것으로 예상하고 매도하는 포지션

- 레버리지(Leverage): 실제 보유 자금보다 더 큰 금액으로 거래할 수 있게 해주는 제도

TokenPost AI 유의사항

TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.