모포 둘러싼 ‘수익률 적정성’ 논쟁 확산…디파이 대출, 위험 대비 보상 충분한가

오버담보 대출을 둘러싼 ‘수익률 적정성’ 논쟁이 디파이 시장에서 다시 불붙었다. 모포(Morpho)를 중심으로 급성장한 온체인 대출이 실제 위험 대비 보상이 충분한지에 대한 시각이 엇갈린다.

모포는 디파이라마 기준 약 70억 달러 규모의 총예치자산(TVL)을 확보하며, 코인베이스와 크라켄 등 주요 거래소를 통해 유동성을 끌어모으고 있다. 아폴로 글로벌 매니지먼트는 향후 4년간 MORPHO 토큰 최대 9%를 매입하기로 했고, 이더리움 재단 역시 약 1,900만 달러를 예치했다. 기관 자금까지 유입되며 시장 신뢰는 높아졌지만, 수익 구조를 둘러싼 논쟁은 오히려 더 커졌다.

“예금자가 모르는 사이 풋옵션 매도 중”

디파이 리서치 ‘더트 로즈’의 루카 프로스페리(Luca Prosperi)는 모포 구조를 전통 금융 모델로 분석하며 문제를 제기했다. 그의 주장에 따르면, 이용자가 USDC를 예치하는 행위는 사실상 ‘무위험 채권 + 담보 자산 풋옵션 매도’와 유사하다.

이더리움(ETH)의 변동성(연간 약 75%)과 담보비율(LTV)을 반영하면, 적정 금리는 미국 SOFR(3.65%) 대비 최소 2.5~4%포인트 높아야 한다는 계산이다. 그러나 실제 모포 USDC 예치 수익률은 연 2~4% 수준에 그친다.

크립토 투자자 산티아고 로엘(Santiago Roel)은 “개인 투자자들이 이를 ‘예금 상품’처럼 착각하고 있다”고 지적했다. 과거 디파이에서 높은 수익률이 위험을 보상했다면, 지금은 위험 구조가 다른 상품들도 유사한 낮은 수익률로 제공되고 있다는 주장이다.

“옵션 아니라 레포 거래에 가깝다”

반론도 거세다. 스테이크하우스 파이낸셜은 모포 구조가 옵션이 아니라 ‘레포(환매조건부채권)’에 가깝다고 본다. 담보는 스마트컨트랙트에 잠기고, 가격이 하락하면 자동 청산되기 때문에 대출자는 실질적으로 담보를 직접 보유하는 것과 유사하다는 설명이다.

핵심 쟁점은 ‘손실률(LGD)’이다. 프로스페리는 약 5% 손실을 가정했지만, 실제 온체인 청산에서는 예치자가 손실을 보는 경우가 거의 없다는 반박이다. 실제로 비트코인(BTC)과 이더리움(ETH)이 급락한 올해 초에도 약 2억3,800만 달러 규모 청산이 발생했지만 예치자 손실은 없었다.

플래시봇 전략 책임자 하수(Hasu) 역시 “잘못된 입력값이 잘못된 결과를 낳는다”며, 실제 데이터 기준으로는 초과 수익이 0.03~0.3%포인트 수준이면 충분하다고 주장했다.

“진짜 리스크는 시장 아닌 ‘구조’”

스파크(Spark)의 모넷서플라이(MonetSupply)는 전혀 다른 관점을 제시했다. 가격 변동이 아니라 ‘기초 리스크’가 핵심이라는 주장이다.

현재 디파이 담보의 상당수는 래핑된 비트코인이나 유동성 스테이킹 토큰으로, 커스터디 실패, 스마트컨트랙트 취약점, 오라클 오류 같은 리스크를 안고 있다. 발생 확률은 낮지만, 한 번 문제가 생기면 손실은 100%까지 확대될 수 있다.

또한 온체인 자금의 즉시 활용 가능성은 ‘유동성 프리미엄’을 만든다. 전통 금융 대비 낮은 금리라도, 빠른 거래 접근성이 더 큰 가치를 제공할 수 있다는 논리다.

디파이 구조적 장점 vs 짧은 트랙레코드

일부에서는 디파이 수익률을 전통 금리와 단순 비교하는 것 자체가 무의미하다는 주장도 나온다. 검열 저항성, 조합 가능성, 즉시 인출 등은 기존 금융 상품과 다른 고유한 가치라는 설명이다.

다만 양측 모두 동의하는 부분도 있다. 대다수 개인 투자자는 자신이 감수하는 신용 리스크를 정확히 이해하지 못하고 있으며, 볼트별 위험도 차이도 크다는 점이다.

또 최근 발생한 리졸브 해킹과 일부 디파이 프로젝트 붕괴 사례는 현재 모델이 ‘좋은 시장 환경’에서만 검증됐을 가능성을 시사한다.

결국 쟁점은 하나로 모인다. ‘이론적 위험’과 ‘실제 손실 데이터’ 가운데 무엇을 더 신뢰할 것인가다. 시장이 안정적인 동안에는 낮은 수익률도 정당화될 수 있지만, 다음 급락장이나 구조적 실패가 발생할 경우 현재 가격이 ‘잘못 책정된 위험’으로 드러날 수 있다.

모포와 디파이 대출 시장의 진짜 시험대는 아직 오지 않았다는 평가가 나오는 이유다.

TP AI 유의사항

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