게임스톱, 비트코인($BTC) 전량 코인베이스로 이체…최대 1,100억 손실 가능성

게임스톱, 보유 비트코인 전량 코인베이스로 이체…매도 준비 신호?

게임스톱이 보유 중이던 비트코인(BTC) 전량을 코인베이스 프라임(Coinbase Prime)으로 이전한 것이 블록체인 데이터를 통해 포착됐다. 시장에서는 이를 향후 매도를 위한 ‘사전 정비’로 해석하며 주목하고 있다.

온체인 분석 업체들에 따르면, 게임스톱은 2025년 5월 평균 매입가 10만 7,900달러(약 1억 5,690만 원)에 비트코인 4,710개를 매입했으며, 최근 해당 물량 전부를 코인베이스의 기관용 플랫폼으로 이동시켰다. 당시 매입 총액은 약 5억 400만 달러(약 7,337억 원)에 달했다.

기업이 암호화폐 자산을 콜드월렛(오프라인 보관)에서 기관 전용 플랫폼으로 옮기는 행위는 단순 보관 외에 매도, 헷징, 리밸런싱 등 ‘실행’ 단계를 암시하는 신호로 종종 해석된다. 실제 매도가 발생한 것은 아니지만, 대응 준비에 나섰다는 분석이다.

현재 판다면 약 1,100억 원 손실 추정

이체 시점 기준 비트코인 가격은 약 9만 달러(약 1억 3,088만 원) 선으로, 초기 매입가 대비 약 17% 하락한 수준이다. 분석 업체들은 게임스톱이 전량 매도할 경우 약 7,600만 달러(약 1,106억 원)의 손실을 볼 것으로 추산하고 있다.

일각에서는 이번 이체를 연말 ‘세금 손실 상계’(Tax-loss harvesting)를 위한 전략적 결정으로 볼 수도 있다는 해석도 내놓고 있다. 변동성이 큰 자산을 줄이는 회계상 조정 조치일 수 있다는 분석도 있다.

한편 일부 의견은 해당 비트코인 보유 자체가 게임스톱의 핵심 사업과는 거리가 있었고, 단기 수익보다는 재무 다변화 목적의 실험 성격이 강했다고 평가한다.

분할 이체 정황도 포착

블록체인 추적 결과, 이번 거래는 단순 일괄 입금이 아니라 약 2,396 BTC 규모가 보도 이전에 여러 차례 나눠 이체된 후, 나머지 물량이 뒤따라 이동한 형태로 나타났다. 이는 매도 시기를 나눴거나, 최소한 자산 운용 체계를 재정비한 정황을 시사한다.

시장 일각에서는 단계적 매도 가능성, 내부 계좌 정리, 신뢰할 수 있는 커스터디로의 자산 이동 등 다양한 시나리오를 제기하고 있다.

주가 반응은 제한적…다른 뉴스 더 주목

게임스톱 주가는 비트코인 이체 소식에 큰 반응을 보이지 않았다. 투자자들은 해당 사건보다 라이언 코언 CEO의 신규 자사주 매입 등 별도의 경영 활동에 더욱 관심을 보이는 분위기다.

이번 움직임은 비트코인을 비롯한 코인 투자에 나섰던 미국 내 상장 기업들의 향후 선택을 가늠할 수 있는 ‘테스트케이스’로 주목된다. 명확한 매도 결정은 아직 없지만, 게임스톱의 행보는 기업의 크립토 보유 전략이 시장 환경과 맞물려 어떻게 변화하는지를 보여주는 중요한 신호로 해석된다.

💡 “기업의 암호화폐 매도 시그널, 이제 읽어내야 할 때”

이번 게임스톱의 비트코인 전량 이동처럼, 시장은 단순 가격뿐 아니라 온체인 움직임에 민감하게 반응합니다. 기업이 언제, 왜, 어떻게 코인을 이동시키는지를 분석하려면, 데이터 해석 능력이 필수입니다.

토큰포스트 아카데미는 이러한 '숫자 뒤의 의미를 읽는 힘'을 키우는 체계적 교육 과정을 제공합니다.

• Phase 2: The Analyst (가치 평가와 분석)에서는 기업들의 토크노믹스 해부와 온체인 이체 흐름 분석을 배웁니다.
• 시장 타이밍 지표: MVRV, NUPL, SOPR 등을 통해 ‘지금 파는 게 맞나?’를 판단하는 눈을 길러줍니다.
• 온체인 분석 실전: 블록체인 탐색기를 활용해 기업이나 고래지갑의 움직임을 추적하는 훈련을 합니다.

기관의 움직임을 읽을 수 있다면, 당신도 하락장에서 기회를 보는 눈을 가질 수 있습니다.

혼탁한 시장 속 냉철한 판단력, 토큰포스트 아카데미에서 시작하세요.

[토큰포스트 아카데미 수강 신청하기]

커리큘럼: 옥석 가리기부터 매매 실전, 선물옵션까지 7단계 마스터클래스

첫 달 무료 이벤트 진행 중!

바로가기: https://www.tokenpost.kr/membership

TP AI 유의사항

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