암호화폐 시장, 24시간 동안 레버리지 포지션 1억 7112만 달러 청산

```html

지난 24시간 동안 암호화폐 시장에서 약 1억 7112만 달러 상당의 레버리지 포지션이 청산된 것으로 나타났다.

현재 집계된 데이터에 따르면, 청산된 포지션 중 롱 포지션이 대부분을 차지하며 주요 거래소에서 고른 청산이 발생했다.

4시간 거래소 별 청산 데이터 / 코인글래스

지난 4시간 동안 가장 많은 포지션 청산이 발생한 거래소는 1위 거래소로, 총 820만 달러가 청산됐다. 이 중 롱 포지션이 568만 달러로 69.17%를 차지했다.

두 번째로 많은 청산이 발생한 거래소는 272만 달러(33.18%)의 포지션이 청산됐으며, 이 중 롱 포지션이 156만 달러(57.27%)를 차지했다.

3위 거래소는 약 168만 달러(20.48%)의 청산이 발생했으며, 롱 포지션 비율은 84.59%로 높게 나타났다. 4위와 5위 거래소도 각각 124만 달러(61.05% 롱), 100만 달러(67.77% 롱)의 청산을 기록했다.

특이사항으로 대부분의 거래소에서 롱 포지션 청산 비율이 압도적으로 높았으며, 특히 7위 거래소는 97.42%의 롱 포지션 청산 비율을 보였다.

암호화폐 청산 데이터 / 코인글래스

코인별로는 비트코인(BTC) 관련 포지션이 가장 많이 청산되었다. 24시간 동안 비트코인 포지션에서 약 8756만 달러가 청산되어 전체 청산액의 절반 이상을 차지했다.

이더리움(ETH)은 24시간 동안 약 7053만 달러의 포지션이 청산되어 두 번째로 많은 청산 규모를 기록했다.

솔라나(SOL)는 620만 달러가 청산되었으며, 4시간 기준으로 14만 877달러의 롱 포지션과 6만 3890달러의 숏 포지션이 청산됐다. 가격은 83.33달러로 24시간 동안 0.10% 소폭 하락했다.

XRP는 24시간 2.06% 하락하며 4시간 동안 18만 5150달러의 롱 포지션이 청산됐고, 숏 포지션은 2만 9410달러에 그쳤다.

특히 주목할 만한 점은 BCH(비트코인 캐시)의 경우 24시간 동안 3.30% 상승했음에도 불구하고 4시간 기준 10만 6390달러의 숏 포지션 청산이 발생했다는 것이다. 이는 가격 상승에 베팅하지 못한 숏 포지션 투자자들의 손실을 의미한다.

HYPE 토큰은 3.01% 하락하며 1만 5460달러의 롱 청산이 발생했고, T 토큰은 2.88% 하락과 함께 3만 8010달러의 롱 포지션이 청산됐다.

금(XAU) 관련 암호화폐 상품도 0.63% 상승하며 12만 5650달러의 롱 청산이 발생해, 전통 자산 연계 상품에서도 변동성이 나타났다.

암호화폐 시장에서 '청산'은 레버리지 포지션을 보유한 트레이더가 증거금 요건을 충족하지 못할 때 강제로 포지션이 종료되는 현상을 말한다. 이번 청산 데이터는 최근 암호화폐 시장의 조정 국면에서 롱 포지션 투자자들이 주로 타격을 받았음을 보여준다.

기사요약 by TokenPost.ai

🔎 시장 해석

24시간 동안 1억 7112만 달러의 청산이 발생했으며, 비트코인과 이더리움이 전체 청산액의 90% 이상을 차지했다. 대부분의 거래소에서 롱 포지션 청산 비율이 60~85%로 높게 나타나 상승 베팅에 대한 손실이 집중됐다. BCH의 숏 청산과 금 관련 상품의 변동성은 시장의 다변화된 투자 패턴을 보여준다.

💡 전략 포인트

현재 시장은 롱 포지션에 대한 청산 압력이 높은 상황으로, 고배율 레버리지 사용 시 주의가 필요하다. 특히 비트코인과 이더리움의 청산 규모가 크므로, 주요 지지선 부근에서의 포지션 관리가 중요하다. BCH와 같이 상승세를 보이는 코인의 경우 숏 청산이 추가 상승 모멘텀으로 작용할 수 있어 모니터링이 필요하다.

📘 용어정리

• 청산(Liquidation): 레버리지 거래에서 손실이 증거금을 초과할 경우 거래소가 강제로 포지션을 종료하는 것

• 롱 포지션(Long Position): 가격 상승을 예상하고 매수하는 포지션

• 숏 포지션(Short Position): 가격 하락을 예상하고 매도하는 포지션

• 레버리지(Leverage): 증거금의 몇 배에 해당하는 금액으로 거래할 수 있는 기능

```

TokenPost AI 유의사항

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