암호화폐 시장, 24시간 동안 레버리지 포지션 약 5백만 달러 청산…숏 비중 55%

지난 24시간 동안 암호화폐 시장에서 약 5백만 달러 이상의 레버리지 포지션이 청산된 것으로 나타났다.

현재 집계된 데이터에 따르면, 전체 거래소에서는 롱과 숏 포지션이 약 45:55 비율로 청산되어, 숏 포지션 청산이 더 많이 발생했다.

4시간 거래소 별 청산 데이터 / 코인글래스

지난 4시간 동안 가장 많은 포지션 청산이 발생한 거래소는 바이낸스로, 총 2.76백만 달러가 청산됐다. 이 중 숏 포지션이 55.58%를 차지해 시장의 상승세를 반영했다.

두 번째로 많은 청산이 발생한 거래소는 바이비트로, 781.60K 달러의 포지션이 청산됐으며, 이 중 롱 포지션이 61.65%를 차지했다.

OKX는 약 748.96K 달러의 청산이 발생했으며, 롱 포지션 비율은 55.65%였다.

특이사항으로 하이퍼리퀴드 거래소에서는 거의 모든 청산이 숏 포지션으로, 99.93%가 숏 청산으로 기록되어 해당 거래소에서 매우 강한 상승 압력이 있었음을 시사한다.

암호화폐 청산 데이터 / 코인글래스

코인별로는 비트코인(BTC) 관련 포지션이 4.06백만 달러로 큰 규모의 청산이 발생했다. 현재 BTC 가격은 87,844달러를 기록 중이며, 4시간 동안 롱 포지션에서 약 349.85K 달러, 숏 포지션에서 462.57K 달러가 청산되었다.

이더리움(ETH)은 24시간 동안 약 8.27백만 달러의 포지션이 청산되어 BTC보다 더 많은 청산이 발생했다.

특히 유의할 만한 것은 FLOW와 ZEC(Zcash)의 청산 규모로, 각각 3.60백만 달러와 2.73백만 달러의 대규모 청산이 발생했다. ZEC는 현재 517.55달러의 가격을 기록하며, 4시간 동안 롱과 숏 포지션에서 각각 46.59K 달러와 80.63K 달러가 청산되었다.

비트코인 캐시(BCH)도 주목할 만한 청산이 발생했으며, 4시간 동안 롱 포지션에서 652.73K 달러, 숏 포지션에서 143.77K 달러가 청산되었다. 현재 BCH 가격은 620.42달러이다.

라이트코인(LTC)도 큰 변동성을 보이며 4시간 동안 롱 포지션에서만 798.90K 달러가 청산되었고, 현재 가격은 79.29달러를 기록 중이다.

도지코인(DOGE)은 0.12383달러에 거래되고 있으며, 4시간 동안 18.32K 달러의 롱 포지션 청산이 발생했다.

암호화폐 시장에서 '청산'은 레버리지 포지션을 보유한 트레이더가 증거금 요건을 충족하지 못할 때 강제로 포지션이 종료되는 현상을 말한다. 이번 청산 패턴은 바이낸스와 하이퍼리퀴드와 같은 일부 거래소에서 숏 청산이 두드러진 반면, 바이비트와 OKX에서는 롱 청산이 더 많이 발생하는 등 거래소별로 상이한 모습을 보이고 있다.

기사요약 by TokenPost.ai

🔎 시장 해석

- 지난 24시간 동안 약 5백만 달러 이상의 레버리지 포지션이 청산되었으며, 전체적으로 숏 포지션 청산(약 55%)이 롱 청산보다 더 많았음

- 바이낸스와 하이퍼리퀴드에서는 숏 청산 비율이 높았던 반면, 바이비트와 OKX에서는 롱 청산 비율이 더 높게 나타나 거래소별로 상이한 포지션 방향성을 보임

- 이더리움이 24시간 기준 8.27백만 달러로 비트코인(4.06백만 달러)보다 더 큰 청산 규모를 기록했으며, FLOW와 ZEC도 각각 3.60백만, 2.73백만 달러의 큰 청산 발생

💡 전략 포인트

- 바이낸스와 하이퍼리퀴드에서의 높은 숏 청산 비율은 상승장에서의 역포지션 위험성을 보여줌

- LTC와 BCH와 같은 구세대 알트코인들의 대규모 롱 청산은 과도한 낙관적 포지션에 주의가 필요함을 시사

- 거래소별 청산 패턴 차이는 각 거래소의 유저층과 트레이딩 성향이 다름을 의미하므로, 거래소 선택 시 참고 필요

📘 용어정리

- 청산(Liquidation): 레버리지 거래에서 증거금 요건을 충족하지 못해 강제로 포지션이 종료되는 현상

- 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.