이더리움(ETH)을 대차게 쓸어 담은 비트마인(Bitmine)이 한 주 동안 7만 ETH 이상을 추가 매수하며 보유 비중을 3.92%까지 끌어올렸다. ‘미니 크립토 겨울’ 막바지라는 판단 아래 공격적 매집을 이어가는 모습이다.
비트마인, 일주일 새 7만 ETH 추가 매수
비트마인은 최근 일주일 동안 이더리움(ETH) 71,179개를 추가 매입했다고 밝혔다. 현재 가치로 약 1억4600만달러(약 2,240억원) 규모다. 이는 최근 주간 평균보다 큰 매수량으로, 4주 연속 매집 속도를 높이고 있다.
토머스 리(Thomas “Tom” Lee) 비트마인 회장은 “이더리움이 ‘미니 크립토 겨울’의 마지막 단계에 있다고 본다”고 설명했다. 비트코인 채굴 중심이던 회사는 2025년 중반 이후 ‘이더리움 재무 전략’으로 전환했고, 약세장에서도 지속적으로 ETH를 축적해왔다.
전쟁 국면에서도 ‘가치 저장 수단’ 부각
최근 이란 전쟁이 5주차에 접어들며 시장 불확실성이 커졌지만, 비트마인은 오히려 암호화폐의 방어력을 강조했다. 이더리움은 같은 기간 주식 대비 1160bp(11.6%p) 초과 성과를 기록했고, 금은 750bp 이상 뒤처졌다.
리 회장은 “암호화폐는 ‘전쟁 시기에도’ 가치 저장 수단 역할을 입증하고 있다”고 평가했다.
이더리움 보유량 3.92%…목표 5% 향해 가속
이번 매수로 비트마인의 총 보유량은 4,732,082 ETH로 늘어났다. 이는 유통 공급의 3.92% 수준이다. 목표치인 5%까지 약 78%를 달성한 상태다.
동시에 비트마인은 보유 물량을 활용한 스테이킹에도 적극적이다. 현재 3,142,643 ETH를 예치해 전체 보유량의 66%를 운용 중이다. 지분증명(PoS) 구조에서 스테이킹은 네트워크 검증 참여와 동시에 보상을 얻는 방식이다. 리 회장은 “비트마인은 전 세계에서 가장 많은 ETH를 스테이킹한 주체”라고 주장했다.
이더리움 재단도 스테이킹 확대
비트마인뿐 아니라 이더리움 재단도 최근 약 4620만달러 규모 ETH를 스테이킹 계약에 예치했다. 온체인 분석업체 아캄(Arkham)은 “재단 기준 역대 최대 스테이킹”이라고 밝혔다.
이더리움 가격, 2000달러 회복 시도
이더리움(ETH)은 최근 2000달러 아래로 하락했지만, 주 초반 2060달러 선을 회복하며 반등 흐름을 보였다.
공격적 매집과 스테이킹 확대가 이어지는 가운데, 이더리움이 기관 중심의 ‘장기 축적 자산’으로 자리 잡는 흐름이 강화되고 있다는 해석이 나온다.
🔎 시장 해석
비트마인이 약세장 국면에서도 대규모 ETH 매집을 지속하며 ‘기관 주도의 축적 구간’이 진행 중임을 시사. 전쟁 등 거시 불확실성 속에서도 이더리움이 상대적 초과 성과를 기록하며 디지털 자산의 방어적 성격이 부각됨.
💡 전략 포인트
장기 관점에서 기관의 지속 매집 구간은 가격 하방을 지지하는 요인으로 작용 가능. 스테이킹 확대는 유통 물량 감소 효과와 추가 수익 창출을 동시에 유도. 2000달러 회복 여부가 단기 추세 전환의 핵심 분기점.
📘 용어정리
스테이킹: ETH를 예치해 네트워크 검증에 참여하고 보상을 받는 구조
bp(베이시스포인트): 0.01%를 의미하는 수익률 단위
지분증명(PoS): 코인을 맡긴 지분 비율로 블록 생성 권한을 얻는 합의 방식
💡 자주 묻는 질문 (FAQ)
Q.
비트마인은 왜 약세장에서도 이더리움을 매수하나요?
비트마인은 현재를 ‘미니 크립토 겨울의 마지막 단계’로 판단하고 저가 매집 전략을 실행 중입니다. 장기적으로 이더리움 가치 상승을 기대하며 기관 포트폴리오 중심 자산으로 전환하고 있습니다.
Q.
스테이킹이 가격에 어떤 영향을 주나요?
스테이킹은 시장에 유통되는 ETH 물량을 줄여 매도 압력을 낮추는 효과가 있습니다. 동시에 보상 수익을 제공해 장기 보유를 유도하기 때문에 가격 안정성과 상승 요인으로 작용할 수 있습니다.
Q.
이더리움이 ‘가치 저장 수단’으로 평가받는 이유는 무엇인가요?
최근 전쟁과 같은 불확실성 속에서도 이더리움이 주식과 금 대비 높은 성과를 기록하면서 디지털 자산의 대안적 가치 저장 기능이 주목받고 있습니다. 기관 자금 유입 또한 신뢰도를 높이는 요소입니다.
TP AI 유의사항
TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.

