Slippage-at-Risk (SaR): A Forward-Looking Liquidity Risk Framework for Perpetual Futures Exchanges

이 논문은 현재 오더북 미시구조를 기반으로 미래의 청산 실행 리스크를 예측하는 새로운 프론트 - 로킹 유동성 위험 지표인 '슬리피지 - 앳 - 리스크 (SaR)'를 제안하고, 이를 통해 탈중앙화 금융 시스템의 자본 요구 사항 최적화 및 시스템적 스트레스 예측에 기여하는 방법론을 제시합니다.

핵심

1. 왜 이 논문이 나왔을까요? (배경)

기존의 문제점: "과거의 사고 기록만 보는 경찰"
지금까지 암호화폐 거래소는 "과거에 얼마나 많은 사고가 났는지" (Value-at-Risk) 를 보고 위험을 판단했습니다. 하지만 이는 과거의 기록일 뿐입니다.

• 비유: 비가 오기 전에 "어제 비가 왔으니 오늘도 올 것이다"라고 예측하는 것과 같습니다. 하지만 오늘 하늘이 맑아도 갑자기 폭우가 쏟아질 수 있는데, 과거 기록만 믿으면 대비를 못 합니다.
• 특히, 새로 상장된 코인은 과거 사고 기록이 없어서 위험을 전혀 측정할 수 없었습니다.

새로운 해결책: "현재 주차장 상태를 보는 CCTV"
이 논문은 **"현재 주문장 (Order Book)"**을 직접 분석합니다. 주문장이란 사람들이 물건을 사거나 팔려고 걸어둔 가격표들입니다.

• 비유: 쇼핑몰 주차장에 차가 얼마나 있는지, 그리고 그 차들이 어떻게 모여 있는지 지금 바로 확인하는 것입니다. 주차 공간이 비좁으면 (유동성 부족), 비상상황이 왔을 때 차들이 빠져나오지 못하고 부딪히게 됩니다 (슬리피지 발생).

---

2. 핵심 개념 3 가지: SaR, ESaR, TSaR

이 논문은 위험을 세 가지 단계로 나눕니다.

① SaR (Slippage-at-Risk): "위험한 주차 구역의 수"

• 의미: 95% 의 코인은 안전하지만, 나머지 5% 는 주차 공간이 너무 좁아 차가 부딪힐 위험이 있다는 것을 알려줍니다.
• 비유: 쇼핑몰 주차장에 100 개의 구역이 있다면, 95 개 구역은 차가 잘 빠져나갑니다. 하지만 5 개 구역은 차가 꽉 차서 비상구로 나가는 길이 막혀 있습니다. SaR 은 바로 그 막힌 구역 5 개를 찾아내는 것입니다.

② ESaR (Expected Slippage at Risk): "막힌 구역에서 얼마나 더 미끄러질까?"

• 의미: 막힌 구역 (위험한 코인) 에 갇혔을 때, 차가 얼마나 더 미끄러져서 (가격이 얼마나 더 떨어져서) 손해를 볼지 평균을 냅니다.
• 비유: 막힌 구역에 갇힌 차들이 빠져나오려면, 다른 차들을 밀어내야 합니다. 이때 얼마나 더 밀려서 (가격 하락) 손해를 볼지 예상하는 것입니다.

③ TSaR (Total Dollar Slippage at Risk): "전체 쇼핑몰의 예상 손실액"

• 의미: 막힌 구역에 있는 모든 차를 합쳐서, 만약 다 빠져나가지 못하면 총 몇 억 원의 손실이 발생할지 계산합니다.
• 비유: 막힌 5 개 구역의 차들이 모두 부딪혀서 파손된다면, 총 수천만 원의 수리비가 들 것입니다. 이 금액이 바로 TSaR 입니다.

---

3. 숨겨진 위험: "한 명에게만 의존하는 주차장" (집중도 조정)

이 논문에서 가장 중요한 발견 중 하나는 **"유동성의 집중"**입니다.

• 상황 A: 100 명의 주차 관리원이 각각 1 대씩 차를 안내합니다. (안전함)
• 상황 B: 2 명의 주차 관리원만 있는데, 한 명이 50 대를 모두 안내합니다. (위험함)
• 문제: 상황 B 는 총 주차 공간은 같아 보이지만, 만약 그 주요 관리원 1 명이 갑자기 자리를 뜨면 (예: 시장 조성자가 돈을 빼고 도망감), 주차장은 즉시 붕괴합니다.

이 논문은 **HHI(허핀달 - 허쉬만 지수)**라는 수치를 이용해, "누가 주차장을 지배하고 있는지"를 계산합니다. 만약 한 두 명이 시장을 지배하고 있다면, 실제 위험은 더 크다고 **할인 (Haircut)**을 적용하여 경고를 더 높게 줍니다.

---

4. 실전 사례: 2025 년 10 월 10 일의 대참사

논문은 2025 년 10 월 10 일, 하이퍼리퀴드 (Hyperliquid) 거래소에서 일어난 대규모 청산 사태를 분석했습니다.

• 사건: 코인 가격이 급락하면서, 투자자들의 담보가 부족해져 강제 매도가 발생했습니다.
• 기존 방식의 실패: 거래소의 보험 기금 (Insurance Fund) 은 약 2500 만 달러밖에 없었습니다. 하지만 실제 손실은 3 억 500 만 달러나 발생했습니다. (보험금이 턱없이 부족함)
• SaR 의 예측: 하지만 SaR 시스템을 사용했다면 사건 12~24 시간 전에 경보를 울렸을 것입니다.
  • 증거: 사건 발생 직전, 주차장 (주문장) 의 깊이가 75% 나 줄어들었고, SaR 수치가 급격히 상승했습니다.
  • 결과: SaR 으로 계산한 "필요한 보험금"은 약 3 억 1200 만 달러였습니다. 이는 실제 발생한 손실 (3 억 500 만 달러) 과 거의 일치했습니다.
  • 교훈: "과거 기록"만 믿고 보험금을 2500 만 달러로 두었기 때문에 파산 직전이 되었지만, "현재 주차장 상태 (SaR)"를 봤다면 3 억 달러를 미리 준비했을 것입니다.

---

5. 결론: 왜 이것이 중요한가요?

이 논문은 **"원인을 보라, 결과가 아니라"**라는 철학을 담고 있습니다.

1. 예측 가능성: 과거의 사고를 세는 대신, **현재의 유동성 (물)**이 얼마나 얇아지고 있는지 측정합니다.
2. 새로운 코인 보호: 과거 데이터가 없는 새 코인도, 현재 주문장만 보면 위험을 알 수 있습니다.
3. 적극적 방어: 위험이 커지기 전에 (유동성이 사라지기 전에) 레버리지를 줄이거나 보험금을 늘리는 등 미리 대비할 수 있게 해줍니다.

한 줄 요약:

"과거의 사고 기록을 뒤적거리는 대신, 현재 주차장의 차가 얼마나 빡빡하게 차 있는지를 실시간으로 체크해서, 붕괴하기 전에 미리 경보를 울리는 똑똑한 시스템입니다."

이 시스템이 도입된다면, 암호화폐 거래소는 더 이상 '블랙 스완 (예상치 못한 재앙)'에 당황하지 않고, 유동성이라는 생명줄이 끊어지기 전에 미리 대비할 수 있게 됩니다.

기술 요약

Slippage-at-Risk (SaR): 영구선물 거래소를 위한 전향적 유동성 위험 프레임워크

기술 요약 (한국어)

본 논문은 Otar Sepper (SepperLabs, 전 Gauntlet) 가 2026 년 3 월에 발표한 **"Slippage-at-Risk (SaR)"**에 대한 기술적 요약입니다. 이 프레임워크는 암호화폐 영구선물 (Perpetual Futures) 거래소의 유동성 위험을 측정하고, 시스템적 붕괴를 예측하기 위해 고안된 정량적 도구입니다.

---

1. 문제 제기 (Motivation & Gap)

• 배경: 암호화폐 시장에서 영구선물은 일일 거래량이 1,000 억 달러를 초과할 정도로 성장했으나, 레버리지, 청산 (Liquidation), 주문장 (Order Book) 유동성 간의 상호작용으로 인해 새로운 시스템적 위험이 발생하고 있습니다.
• 핵심 취약점: 시장 스트레스 상황에서 레버리지 포지션의 청산이 연쇄적으로 발생하면 (Cascade), 기존 주문장의 유동성이 부족해져 청산 실행 가격이 파산 가격 (Bankruptcy Price) 을 크게 하회하게 됩니다. 이로 인해 발생하는 **부채 (Bad Debt)**는 보험기금 (Insurance Fund) 이 흡수하거나, 수익이 난 트레이더들에게 전가 (Autodeleveraging, ADL) 되어야 합니다.
• 기존 접근법의 한계:
  1. 후향적 (Backward-looking) 지표: VaR(Value-at-Risk) 등 기존 지표는 과거 수익률이나 실현된 부채 분포에 기반하여, 현재의 유동성 수용 능력을 직접 측정하지 못합니다.
  2. 신규 자산의 맹점: 스트레스 이력이 없는 신규 상장 토큰에 대해서는 위험을 계산할 수 없습니다.
  3. 마이크로구조 무시: 실제 실행 품질을 결정하는 주문장 (Order Book) 의 깊이와 구조를 위험 지표에 반영하지 못합니다.
• 사례: 2025 년 10 월 10 일 Hyperliquid 에서 발생한 청산 연쇄 사태는 $21 억의 청산이 발생해 $3 억 4,500 만 달러의 부채를 초래했으며, 이는 실제 보험기금의 8 배 이상을 소모하는 결과를 낳았습니다. 이는 블랙 스완이 아니라, 사전에 관측 가능한 얇은 주문장의 결과였습니다.

2. 방법론 (Methodology)

SaR 는 현재 관찰 가능한 주문장 미시구조 (Microstructure) 에서 유래한 전향적 (Forward-Looking) 평가 프레임워크입니다.

2.1 핵심 메트릭 (Core Metrics)

1. Slippage Function ($S_i(Q)$): 특정 토큰 $i$에서 $Q$만큼의 명목 금액을 청산할 때 발생하는 가중 평균 슬리피지 (Slippage) 를 계산합니다.
2. SaR($\alpha$) - Slippage-at-Risk: 모든 토큰에 대한 슬리피지 분포의 $\alpha$ 분위수 (Quantile) 입니다. (예: SaR(0.95) = 3% 는 95% 의 토큰이 3% 이하의 슬리피지로 청산됨을 의미).
3. ESaR($\alpha$) - Expected Slippage at Risk: 꼬리 (Tail) 에 있는 토큰들의 기대 슬리피지로, 위험의 심각성을 측정합니다.
4. TSaR($\alpha$) - Total Dollar Slippage at Risk: 꼬리 토큰들에서 발생할 수 있는 총 달러 단위 슬리피지 노출액입니다. 이는 잠재적 부채 노출과 직접적으로 연결됩니다.

2.2 유동성 집중 조정 (Concentration Adjustment)

단순한 주문장 깊이만으로는 유동성의 취약성을 완전히 반영하지 못합니다. 소수의 시장 메이커가 유동성을 독점할 경우, 한 명이라도 철수하면 유동성이 급격히 사라질 수 있습니다.

• HHI (Herfindahl-Hirschman Index) 기반: 유동성 공급자의 집중도를 측정하여 **할인율 (Haircut)**을 적용합니다.
• 조정 공식: $S_{adj} = S \times (1 + h_{conc})$
  • 유효 공급자 수 ($N_{eff}$) 가 적거나, 상위 공급자의 점유율 ($CR_1$) 이 높을수록 슬리피지 값이 상향 조정됩니다. 이는 '가짜 유동성 (Spoofing)'이나 '동시 철수' 리스크를 반영합니다.

2.3 보험기금 최적화 (Insurance Fund Sizing)

Chitra et al. (2025) 의 연구를 확장하여, SaR 를 기반으로 최적 보험기금 규모를 도출합니다.

• 공식: IF^* \approx c \times TSaR_{adj}^{\}(\frac{r}{\kappa})$
  • 여기서 $c$는 청산 연쇄 효과 등을 반영하는 승수 (보통 2.0~2.5), $r/\kappa$는 기회비용과 평판 비용의 비율입니다.
  • 이는 과거 부채 데이터가 아닌, 현재의 유동성 상태에 기반하여 자본 요구량을 결정함을 의미합니다.

3. 주요 기여 (Key Contributions)

1. 새로운 위험 지표 체계: SaR, ESaR, TSaR 를 통해 교차 섹션 (Cross-sectional) 의 유동성 위험을 정량화했습니다.
2. 유동성 구조의 취약성 정량화: HHI 기반의 집중 조정 (Concentration Haircut) 을 도입하여, 얇은 주문장뿐만 아니라 유동성 공급의 편중 리스크까지 포착합니다.
3. 인과 관계의 정립: 주문장 깊이 $\rightarrow$ 높은 슬리피지 $\rightarrow$ 부채 발생 $\rightarrow$ ADL/사회화라는 인과 사슬을 수학적으로 연결했습니다.
4. 실증적 검증: Hyperliquid 의 2025 년 10 월 10 일 사건 데이터를 사용하여 SaR 가 시스템적 스트레스의 **선행 지표 (Leading Indicator)**임을 입증했습니다.

4. 실증 분석 결과 (Empirical Results)

• 데이터: 2025 년 10 월 9 일 ~ 11 월 3 일, Hyperliquid 의 184 개 토큰 주문장 데이터 (5 분 간격).
• 선행성 입증:
  • SaR 지표는 실제 부채 (Deficit) 발생보다 6~24 시간 앞서 상승하는 경향을 보였습니다.
  • Granger 인과성 검정 결과, TSaR 는 부채 발생을 통계적으로 유의미하게 예측 (Granger-cause) 하지만, 그 역은 성립하지 않았습니다.
• 사건 분석 (2025.10.10):
  • 사건 전: 청산 24 시간 전, SaR(0.95) 이 2.41% 에서 3.12% 로 상승했고, TSaR(달러 노출) 은 $89M 에서 $156M 로 증가했습니다. 이는 시스템적 스트레스의 신호였습니다.
  • 사건 중: 주문장 깊이가 36 시간 만에 75% 감소 ($1.12B \rightarrow $284M) 했습니다.
  • 예측 정확도: 사건 전 SaR 예측값과 실제 청산 슬리피지 간의 상관관계 ($R^2 = 0.78$) 가 매우 높았습니다.
  • 보험기금 평가: SaR 를 기반으로 산출된 필요 보험기금 ($312.6M) 은 실제 발생한 부채 ($304.5M) 와 거의 일치했으나, 실제 운영된 보험기금 ($25M) 은 10 배 이상 부족했습니다.
• 집중도 효과: 연쇄 사태 정점 시, 73% 의 토큰에서 유효 공급자 수 ($N_{eff}$) 가 3 명 미만으로 떨어졌으며, 이는 슬리피지를 단순 깊이 지표보다 훨씬 악화시켰습니다.

5. 의의 및 시사점 (Significance)

• 실무적 적용:
  • 동적 자본 요구: 역사적 데이터가 아닌 실시간 유동성 상태에 기반하여 보험기금 규모와 레버리지 한도를 동적으로 조정할 수 있습니다.
  • 신규 상장 리스크 관리: 부채 이력이 없는 신규 토큰에 대해서도 SaR 를 통해 유동성 리스크를 평가할 수 있습니다.
  • 조기 경보 시스템: SaR 의 상승 추세와 주문장 깊이 감소를 모니터링하여 연쇄 청산 12~24 시간 전에 경보를 발령할 수 있습니다.
• 철학적 전환:
  • 기존 위험 관리가 "결과 (실현된 손실)"에 집중했다면, SaR 는 "원인 (유동성 자원)"에 집중합니다.
  • 탈중앙화 금융 (DeFi) 환경에서 코드 기반의 개입이 어렵기 때문에, 사후 대응이 아닌 사전 예방적 (Proactive) 위험 관리가 필수적이며, SaR 는 이를 위한 정량적 근거를 제공합니다.

결론

이 논문은 Slippage-at-Risk (SaR) 를 통해 영구선물 거래소의 유동성 위험을 측정하는 새로운 패러다임을 제시했습니다. SaR 는 단순한 슬리피지 계산을 넘어, 유동성 공급의 집중도와 구조적 취약성을 고려하여 시스템적 붕괴를 예측하고, 이를 통해 적정 자본 요구량을 산출하는 강력한 도구로 입증되었습니다. 특히 2025 년 10 월의 대규모 청산 사태를 성공적으로 예측한 사례는 이 프레임워크의 실용성과 유효성을 강력하게 뒷받침합니다.