리플(XRP), 규제 명확성 확보로 기관 투자자 관심 증가

리플(XRP)이 규제 명확성 확보와 결제 생태계 확장을 기반으로 기관 투자자들의 관심을 다시 끌고 있다. 미국 의회의 CLARITY Act 통과 전망이 높아지면서 XRP의 디지털 상품 지위 확정이 가시화되고 있으며, 이는 ETF 자금 유입과 은행권 활용 확대로 이어질 전망이다. 3월 22일 기준 XRP는 1.40달러에 거래되며 시가총액 약 859억 달러를 기록 중이지만, 보유자의 대규모 미실현 손실과 경기 침체 우려가 단기 변동성을 키우고 있다.

CLARITY Act 통과 확률 72%로 상승, XRP 디지털 상품 지위 확정 임박

미국 의회의 CLARITY Act 통과 가능성이 63%에서 72%로 높아지면서 XRP의 법적 지위가 명확해질 것으로 예상된다. 이 법안은 XRP를 증권이 아닌 디지털 상품으로 분류하여 은행과 금융기관의 활용을 가능하게 한다.

전문가들은 법안 통과 시 50억 달러 규모의 ETF 자금이 유입될 것으로 전망한다. 2000년 파생상품 현대화법 이후 파생상품 시장이 600조 달러로 성장한 것처럼, XRP도 규제 명확성 확보 시 유사한 성장 궤도를 밟을 수 있다는 분석이다.

리플 CEO 브래드 갈링하우스는 4월을 주요 전환점으로 지목하며 규제 관련 긍정적 소식을 예고했다. 시장에서는 CLARITY Act가 스테이블코인 수익률 논쟁을 해결하고 은행들의 XRP 사용을 본격화할 것으로 기대하고 있다.

리플, XRP·XRPL·RLUSD 통합 플랫폼 구축하며 156조 달러 시장 공략

리플은 XRP, XRP 레저, RLUSD 스테이블코인을 단일 글로벌 결제 플랫폼으로 통합하여 기관 투자자들에게 제공하고 있다. 이는 156조 달러 규모의 국경 간 결제 시장을 겨냥한 전략이다.

마스터카드는 RLUSD를 암호화폐 파트너 프로그램에 추가했으며, 리플 프라임은 DTCC 청산 시스템에 합류했다. 이를 통해 기관들은 실시간 유동성 관리가 가능해졌고, AI 기반 유동성 최적화 기능도 도입됐다.

바이낸스는 wXRP 스테이킹 서비스를 시작하여 5~7일의 언스테이킹 기간으로 DeFi 수익률을 제공한다. 에버노스(Evernorth)는 나스닥 상장을 앞두고 XRP 보유량을 늘리고 있으며, 2030년까지 XRP 기반 국경 간 거래 규모가 10조 달러에 달할 것이라는 전망도 제기됐다.

애널리스트들 2026년 5달러 돌파 전망, 트럼프 임기 내 두 자릿수 가능성

시장 분석가들은 CLARITY Act 통과 시 XRP가 2026년 5달러에 도달할 수 있다고 예측한다. 법안 통과로 인한 공급 제약과 ETF 자금 유입이 주요 상승 동력이 될 것이라는 분석이다.

일부 전문가들은 트럼프 대통령 임기 내 XRP가 두 자릿수에 도달할 가능성도 제시했다. 규제 명확성이 확보되고 XRP의 디지털 상품 지위가 확정되면 기관 투자자들의 대규모 자금이 유입될 것이라는 근거다.

10x 리서치는 현재 가격 흐름이 강한 소매 수요에 의해 뒷받침되고 있다고 분석했다. XRPL 생태계 전반의 통합 진행에도 불구하고 개인 투자자들의 매수세가 지속되고 있다는 평가다.

368억 개 토큰 손실 상태, 단기 매도 압력 우려 증가

XRP 보유자들은 현재 심각한 미실현 손실 상태에 있다. 368억 개 토큰이 손실 상태로 보유되고 있으며, 이는 약 508억 달러 규모의 미실현 손실에 해당한다.

지출 산출 이익률(SOPR)이 0.96으로 손실 매도가 진행 중임을 나타낸다. 연초 대비 40% 하락한 상태에서 경기 침체 우려가 추가적인 매도 압력으로 작용할 가능성이 있다.

다만 전문가들은 규제 명확성과 생태계 확장이 중장기 상승 요인으로 작용할 것이라고 강조한다. 현재의 보유자 손실은 단기 변동성을 유발할 수 있지만, CLARITY Act 통과와 기관 채택 확대가 본격화되면 가격 회복세가 나타날 것이라는 전망이다.

리플의 실시간 유동성 솔루션이 국경 간 결제 시장에서 입지를 확대하고 있으며, RLUSD 통합과 주요 금융 인프라 편입이 XRP의 실용성을 높이고 있다. 규제 불확실성 해소가 투자 심리 개선의 핵심 변수로 작용할 전망이다.

TokenPost AI 유의사항

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