미국 월가 대형 은행 모건스탠리가 현물 비트코인 ETF 시장에 본격 진입할 전망이다. 낮은 수수료를 앞세운 신규 상품이 기존 경쟁 구도를 흔들지 주목된다.
모건스탠리, 비트코인(BTC) 현물 ETF 출시 임박
블룸버그 ETF 애널리스트 에릭 발추나스(Eric Balchunas)에 따르면 모건스탠리는 ‘모건스탠리 비트코인 트러스트(Morgan Stanley Bitcoin Trust)’를 오는 4월 8일(현지시간) 출시할 예정이다. 해당 상품은 NYSE 아르카에 ‘MSBT’ 티커로 상장된다.
이 ETF는 비트코인(BTC) 현물을 직접 보유하며, 코인데스크 비트코인 벤치마크 지수의 뉴욕 기준 오후 4시 가격을 추종한다. 레버리지나 파생상품 없이 단순 추적 구조를 취한 점도 기존 현물 ETF와 동일하다. 자산 보관은 BNY와 코인베이스 커스터디가 맡는다.
초기 설정 자금은 약 100만 달러(약 14억7,000만 원) 규모이며, 약 5만 주가 상장과 동시에 거래 가능하다.
수수료 ‘0.14%’…블랙록보다 낮다
이번 모건스탠리 비트코인 ETF의 가장 큰 차별화 포인트는 ‘저비용’이다. 연간 수수료는 0.14%로, 블랙록의 아이셰어즈 비트코인 트러스트(0.25%)를 포함한 주요 경쟁 상품보다 낮은 수준이다.
투자자 입장에서는 직접 비트코인을 보관할 필요 없이 가격에 연동된 투자 노출을 확보할 수 있다는 점에서 기존 현물 ETF와 동일한 장점을 갖는다. 여기에 수수료 경쟁력까지 더해지며 기관 자금 유입을 자극할 가능성이 크다.
월가 대형 은행 첫 사례…시장 확대 신호
이번 출시는 ‘미국 대형 은행’이 직접 비트코인 현물 ETF를 출시하는 첫 사례라는 점에서 의미가 크다. 약 1조9,000억 달러(약 2,796조 원)의 자산을 운용하는 모건스탠리의 참여는 디지털 자산 시장의 제도권 편입이 한층 가속화되고 있음을 보여준다.
모건스탠리는 이미 올해 초 솔라나(SOL) 현물 ETF를 신청했으며, 2026년 상반기에는 이트레이드(E*Trade)를 통해 비트코인(BTC), 이더리움(ETH), 솔라나(SOL) 거래 서비스를 도입할 계획이다.
비트코인 ETF 자금 560억 달러 돌파
현물 비트코인 ETF는 기관 투자자들의 주요 투자 수단으로 자리 잡았다. 2024년 1월 첫 상품 출시 이후 현재까지 누적 순유입 자금은 560억 달러(약 82조4,000억 원)를 넘어섰다.
이와 함께 옵션 등 파생상품 거래도 급증했다. 특히 블랙록 ETF 기반 옵션 시장은 올해 2월 비트코인 가격 하락을 증폭시킨 요인 중 하나로 분석된다.
시장 구조 역시 변화하고 있다. 비트코인 변동성은 점차 전통 금융시장 지표인 ‘VIX’와 유사한 흐름을 보이며, 하락장에서는 상승하고 상승장에서는 낮아지는 경향이 뚜렷해지고 있다.
비트코인 금융자산화, 더 가속되나
모건스탠리의 이번 ETF 출시는 비트코인의 ‘금융 상품화’ 흐름을 더욱 강화할 가능성이 크다. 대형 기관의 참여와 비용 경쟁 심화가 맞물리면서, 비트코인 ETF 시장은 한층 성숙한 국면에 진입하고 있다는 평가가 나온다.
향후 자금 유입 속도와 가격 변동성 구조 변화가 이어질지 시장의 관심이 집중된다.
🔎 시장 해석
모건스탠리의 비트코인 현물 ETF 진입은 전통 금융기관의 본격 참여 신호로, 시장 제도권 편입이 가속화되는 흐름이다. 특히 낮은 수수료 전략은 기존 ETF 경쟁 구도를 흔들며 자금 재편을 유도할 가능성이 있다.
💡 전략 포인트
저비용 ETF 중심으로 자금 이동 가능성에 주목할 필요가 있으며, 기관 자금 유입 확대에 따른 비트코인 변동성 구조 변화도 관찰 포인트다. 장기적으로는 ETF 간 수수료 경쟁 심화가 투자 수익률에 중요한 요소로 작용한다.
📘 용어정리
현물 ETF: 실제 자산(비트코인)을 보유해 가격을 그대로 추종하는 상장지수펀드
커스터디: 디지털 자산을 안전하게 보관·관리하는 서비스
VIX: 시장 변동성을 나타내는 지표로, 공포지수로도 불림
💡 자주 묻는 질문 (FAQ)
Q. 모건스탠리 비트코인 ETF는 왜 중요한가요?
Q. 수수료 0.14%가 투자자에게 중요한 이유는 무엇인가요?
Q. 비트코인 ETF 확대는 시장에 어떤 영향을 줄까요?
TP AI 유의사항
TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.
