지난 24시간 동안 암호화폐 시장에서 약 3억 5400만 달러(약 5,168억원) 상당의 레버리지 포지션이 청산된 것으로 나타났다.

현재 집계된 데이터에 따르면, 청산된 포지션 중 롱 포지션이 82.91%를 차지했고, 숏 포지션은 17.09%를 기록했다.

4시간 거래소 별 청산 데이터 / 코인글래스

지난 4시간 동안 가장 많은 포지션 청산이 발생한 거래소는 바이낸스로, 총 1,166만 달러(전체의 32.95%)가 청산됐다. 이 중 롱 포지션 비율이 74.23%를 차지했다.

두 번째로 많은 청산이 발생한 거래소는 바이비트로, 668만 달러(18.88%)의 포지션이 청산됐으며, 이 중 롱 포지션이 84.82%를 차지했다.

하이퍼리퀴드는 약 667만 달러(18.84%)의 청산이 발생했으며, 롱 포지션 비율이 99.93%로 압도적이었다.

OKX에서는 509만 달러(14.37%)의 청산이 발생했으며, 롱 포지션 비율은 83.47%였다.

특이사항으로 비트파이넥스에서는 청산 규모가 매우 적은 1만 5천 달러로 나타났으며, 100% 롱 포지션 청산이었다.

암호화폐 청산 데이터 / 코인글래스

코인별로는 비트코인(BTC) 관련 포지션이 가장 많이 청산되었다. 24시간 동안 비트코인 포지션에서 약 7535만 달러가 청산되었으며, 4시간 기준으로는 롱 포지션 1045만 달러, 숏 포지션 54만 4870달러의 청산이 발생했다. 현재 비트코인 가격은 60,646.6달러를 기록 중이다.

이더리움(ETH)은 24시간 동안 약 5057만 달러의 포지션이 청산되었다. 이더리움 청산은 비트코인 다음으로 큰 규모를 기록했다.

솔라나(SOL)는 4시간 기준 롱 포지션 255만 달러, 숏 포지션 1만 5130달러가 청산되었으며, 현재 가격은 129.14달러를 기록 중이다.

지캐시(ZEC)는 다른 알트코인들과 달리 롱과 숏 포지션 청산 비율이 비교적 균등했다. 4시간 동안 롱 포지션 36만 9320달러, 숏 포지션 26만 9360달러가 청산되었으며, 24시간 기준으로는 총 835만 달러의 청산이 발생했다. 현재 ZEC 가격은 545.72달러에 거래되고 있다.

도지코인(DOGE)은 4시간 동안 롱 포지션 60만 380달러, 숏 포지션 1만 1030달러가 청산되었으며, 현재 0.14553달러에 거래 중이다.

특이사항으로 HYPE 토큰의 경우 4시간 동안 롱 포지션 26만 7920달러, 숏 포지션 7550달러가 청산되었으며, 현재 31.715달러에 거래되고 있다.

또한 WLFI 토큰은 롱과 숏 청산 비율이 상대적으로 균등한 편으로, 4시간 동안 롱 포지션 18만 5040달러, 숏 포지션 8만 5130달러가 청산되었다.

암호화폐 시장에서 '청산'은 레버리지 포지션을 보유한 트레이더가 증거금 요건을 충족하지 못할 때 강제로 포지션이 종료되는 현상을 말한다. 이번 대규모 청산은 최근 암호화폐 시장의 변동성이 증가했음을 보여주는 지표로 볼 수 있다.

기사요약 by TokenPost.ai

🔎 시장 해석

24시간 동안 약 3억 5400만 달러 규모의 포지션 청산이 발생했으며, 이 중 82.91%가 롱 포지션이었습니다. 바이낸스(32.95%)와 바이비트(18.88%)에서 가장 많은 청산이 발생했고, 비트코인(7535만 달러)과 이더리움(5057만 달러)이 가장 큰 청산 규모를 기록했습니다. 이는 최근 시장의 하방 압력이 강해졌음을 시사합니다.

💡 전략 포인트

지캐시(ZEC)와 WLFI 토큰에서는 롱과 숏 포지션 청산 비율이 상대적으로 균등했으며, 이는 해당 자산의 방향성에 대한 시장 참여자들의 의견이 분화되어 있음을 보여줍니다. 이러한 상황에서는 레버리지 사용을 줄이고 변동성에 대비한 자금 관리가 중요합니다.

📘 용어정리

- 청산(Liquidation): 레버리지 트레이딩에서 포지션의 손실이 사용자가 예치한 증거금에 근접할 때 거래소가 강제로 포지션을 종료하는 것

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

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

TokenPost AI 유의사항

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