그레이스케일, 이더리움 스테이킹 기본 설정…월간 현금 분배로 전환

그레이스케일이 IRS 세제 혜택 마감 직전 신탁 약관을 손질해, 자사 펀드의 대부분 적격 자산에 ‘스테이킹’을 기본 적용하고 수익은 월 단위 현금 분배로 돌리는 구조를 마련했다. 암호화폐 펀드의 과세 부담을 줄이면서도 투자자 배당 체계를 강화한 조치로 풀이된다.

7일 업계에 따르면 그레이스케일은 지난 6일 신탁 계약을 수정해, 대부분의 적격 보유 자산에 대해 스테이킹을 ‘기본값’으로 두도록 했다. 이번 변경은 새 세제 취급을 원하는 펀드가 따라야 하는 국세청(IRS) 마감 시한인 8월 10일을 나흘 앞두고 이뤄졌다. 미국 IRS는 지난해 11월, 암호화폐 펀드가 자산을 스테이킹하더라도 펀드 차원의 세금이 발생하지 않도록 하는 규정을 발표했지만, 보상은 최소 분기마다 투자자에게 분배해야 한다는 조건을 달았다.

그레이스케일은 여기서 한발 더 나아갔다. 기존의 분기 분배 대신 스테이킹 보상을 현금으로 바꿔 월간 지급을 추진하기로 하면서, 투자자 입장에서는 현금 흐름의 예측 가능성이 더 높아질 전망이다. 회사는 앞서 2025년 10월 미국 발행사 가운데 처음으로 현물 암호화폐 펀드에 스테이킹을 도입했고, 이후 자사 미니 ETF는 순스테이킹 보상 2,730만달러를 기록했다고 밝혔다. 수수료 차감 후 순수익률은 연 2.61% 수준이다.

다만 경쟁도 거세다. 모건스탠리는 이더리움(ETH)과 솔라나(SOL) 펀드를 각각 0.14% 수수료로 내놓으며, 그레이스케일의 0.15%보다 낮은 가격을 제시했다. 현재 그레이스케일 미니 ETF는 83만9,556ETH 가운데 80.8%를 스테이킹했고, 약 16만1,000ETH는 환매와 운영비, 수수료 대응을 위해 남겨뒀다.

결국 이번 조치는 규제 요건을 맞추는 동시에 스테이킹 보상을 월간 현금 분배로 연결해 상품 경쟁력을 높이려는 전략으로 읽힌다. 비트코인(BTC) 중심의 자금 유입이 이어지는 가운데, 이더리움(ETH) 관련 상품 경쟁은 수수료, 수익률, 분배 방식까지 아우르는 구조 싸움으로 번지고 있다. 원달러환율이 1달러당 1,410.30원 수준인 만큼, 달러 표시 수익률과 환차익 여부도 국내 투자자에게는 체감 포인트가 될 수 있다.

---

기사요약 by TokenPost.ai
🔎 시장 해석 그레이스케일은 IRS 세제 규정 변화에 맞춰 스테이킹을 기본값으로 전환하며 과세 부담을 줄이는 동시에 투자 매력도를 높였다. 특히 이더리움 기반 상품 경쟁이 심화되면서 수수료·수익률·분배 방식까지 포함한 ‘구조 경쟁’이 핵심 변수로 떠오르고 있다.
💡 전략 포인트 스테이킹 보상을 월간 현금으로 지급해 투자자 입장에서 안정적인 현금 흐름을 제공하는 구조로 진화했다. 세제 리스크를 최소화하면서도 배당형 상품처럼 포지셔닝해 기관 및 전통 투자자 유입을 노린 전략이다. 경쟁사 대비 수수료는 다소 높은 만큼 ‘현금 분배’와 ‘운용 효율성’이 차별화 포인트로 작용할 전망이다.
📘 용어정리 스테이킹: 암호화폐를 네트워크에 맡기고 보상을 받는 방식 현물 ETF: 실제 암호화폐를 보유하는 펀드 구조 현금 분배: 투자 수익을 코인이 아닌 현금으로 지급하는 방식 IRS: 미국 국세청으로 세금 규정 및 과세 기준을 결정하는 기관

💡 자주 묻는 질문 (FAQ)

Q. 이번 변화로 투자자는 무엇이 가장 달라지나요? 가장 큰 변화는 스테이킹 보상이 기존처럼 내부에 쌓이는 것이 아니라 매달 현금으로 지급된다는 점입니다. 투자자는 배당처럼 정기적인 현금 흐름을 기대할 수 있어 수익 체감도가 높아집니다. Q. 스테이킹을 기본값으로 바꾼 이유는 무엇인가요? IRS의 새로운 세제 기준에 맞춰 펀드 차원의 과세 부담을 줄이면서 수익을 유지하기 위한 전략입니다. 동시에 투자자에게 추가 수익을 제공해 상품 경쟁력을 강화하려는 의도도 있습니다. Q. 경쟁 펀드와 비교했을 때 어떤 점을 봐야 하나요? 단순 수익률뿐 아니라 수수료, 스테이킹 비율, 현금 분배 여부를 함께 봐야 합니다. 예를 들어 모건스탠리는 더 낮은 수수료를 제시하고 있어, 투자자는 비용과 현금 흐름 중 무엇이 더 중요한지 기준을 세워 선택해야 합니다. TP AI 유의사항 TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.