기술 요약: 거시경제 유동성의 암호화폐 시장 전이

1. 문제 제기 및 연구 공백

암호화폐 시장은 고립된 생태계에서 벗어나 거시경제 조건에 매우 민감하게 반응하는 글로벌 투자 지형의 한 구성 요소로 진화했다. 기존 문헌은 미국 달러 인덱스(DXY)와 비트코인 가격 사이의 음의 상관관계를 광범위하게 다루고 있으나, 내부 암호화폐 지표를 통한 유동성 전이 메커니즘에 대해서는 상당한 공백이 존재한다. 특히, DXY의 움직임이 **USDT 점유율(USDT.D)**로 대변되는 암호화폐 생태계 내 자본 순환 행태에 어떻게 영향을 미치는지 조사한 연구는 드물다.

본 연구는 다음의 연구 질문을 다룬다:

1. 2020년 1월부터 2026년 6월까지 DXY와 USDT.D 사이의 상관관계의 강도와 방향은 어떠한가?
2. DXY의 변동은 USDT.D 수준의 변동을 어느 정도까지 설명하는가?
3. DXY와 USDT.D 간의 괴리(divergence)가 암호화폐 총 시가총액의 반전에 대한 선행 지표 역할을 할 수 있는가?

2. 연구 방법론

본 연구는 회고적 시계열 설계를 사용한 설명적 정량 접근법을 채택한다.

• 데이터 샘브: 2020년 1월 1일부터 2026년 6월 30일까지의 339개 주간 관측치.
  • 독립 변수: 미국 달러 인덱스 (DXY).
  • 종속 변수: 테더(Tether)의 시가총액 비율을 전체 암호화폐 시가총액 대비 나타내는 USDT 점유율 (USDT.D).
  • 보조 변수: 총 시가총액 및 BTC 가격.
• 분석 기법:
  1. 정상성 검정: 가짜 회귀(spurious regression)를 방지하기 위해 ADF 검정을 실시하였으며, 개념적으로 필립스-페론(Phillips-Perron) 프레임워크를 통해 교차 검증하였다.
  2. 상관관계 및 회귀 분석: 관계를 정량화하고 설명력($R^2$)을 산출하기 위해 피어슨 상관계수 분석과 단순 선형 회귀(OLS)를 사용하였다.
  3. 괴리 분석: DXY와 USDT.D의 동기화된 움직임이 깨지며 시장 반전이 선행되었던 사례를 식별하기 위한 관찰법을 사용하였다.
  4. 그랜저 인과관계(Granger Causality): DXY가 USDT.D의 움직임에 시간적으로 선행하는지 결정하기 위해 1~4주의 시차(lag)를 두고 테스트하였다.
  5. 하위 기간 분석: **적응적 시장 가설(AMH)**을 테스트하기 위해 표본을 7개의 뚜렷한 시장 국면(예: COVID 위기, 2021-2022 금리 인상 사이클, 2025-2026 정상화 단계)으로 분할하였다.

3. 주요 결과

3.1 정상성 및 상관관계

• 정상성: DXY와 USDT.D 모두 수준 변수에서는 비정상적($I(1)$)이었으나, 1차 차분 후에는 정상성을 보였다.
• 전체 상관관계: DXY와 USDT.D 사이에 유의미한 중등도의 양의 상관관계가 발견되었다 ($r = 0.6564, p < 0.001$).
• 회귀 분석: 선형 회귀 모델의 $R^2$는 0.4309로 나타났으며, 이는 USDT.D 변동의 43.09%가 DXY의 움직임에 의해 설명됨을 의미한다. 계수($\beta_1 = 0.2183$)는 DXY가 1포인트 상승할 때 USDT.D가 0.2183 퍼센티지 포인트 상승함을 시사한다.

3.2 국면 의존적 역학 (AMH 지지)

이 관계는 정적이지 않으며 시장 국면에 따라 크게 달라지는데, 이는 적응적 시장 가설을 뒷받침한다:

• 2021–2022 금리 인상 사이클: 매우 강한 양의 상관관계 ($r = 0.938$).
• 2025–2026 정상화 단계: 유의미한 음의 상관관계 ($r = -0.457$).
• 기타 기간: 상관관계는 중등도의 양의 상관관계(COVID 위기, 불장)에서 통계적으로 유의미하지 않은 수준(2021년 중반 조정, FTX 사태 이후 회복기, ETF 시대)까지 다양하게 나타났다.

3.3 인과관계 및 괴리

• 그랜저 인과관계: 1~4주의 시차에서 DXY가 USDT.D로 향하는 유의미한 단방향 시간적 인과관계는 발견되지 않았다 ($p > 0.05$). 이는 해당 관계가 지연된 관계라기보다 주로 **동시적(contemporaneous)**임을 시사하며, 암호화폐 시장의 높은 정보 효율성을 의미한다.
• 괴리 신호: DXY와 USDT.D의 정상적인 관계가 깨지면서 총 시가총액의 주목할 만한 반전을 선행했던 특정 사례들이 식별되었다.
  • 강세 괴리 (2024년 11월): DXY는 높았으나 USDT.D가 하락하였으며, 이는 시장 상승을 선행하였다.
  • 약세 괴리 (2025년 중반): DXY는 안정적이었으나 USDT.D가 급등하였으며, 이는 시장 조정을 선행하였다.

4. 주요 기여

1. 유동성 전이의 실증적 검증: 본 연구는 거시적 유동성 충격(DXY)이 내부 암호화폐 자본 순환(USDT.D)에 체계적으로 영향을 미친다는 실증적 근거를 제공하여, 특정 국면 하에서의 양의 상관관계를 확인하였다.
2. 변동성 정량화: DXY의 영향력을 정량화하여, USDT.D 변동의 거의 절반(43.09%)이 DXY 움직임에 기인한다는 점을 입증하였다.
3. 적응적 시장 가설 검증: 상관관계 구조가 서로 다른 시장 사이클에 따라 강한 양의 상관관계에서 유의미한 음의 상관관계로 변화함을 보여줌으로써, 암호화폐 연구의 정적 효율성 패러다임에 도전하였다.
4. 조기 경보 프레임워크: 괴리 패턴의 식별은 총 시가총액의 추세 반전이 완전히 실현되기 전에 이를 감지할 수 있는 잠재적 프레임워크를 제공한다.

5. 의의 및 시사점

본 논문은 이론적 및 실무적 영역 모두에서 의의를 주장한다:

• 이론적: 적응적 시장 가설을 통합함으로써 전통적 거시경제와 디지털 자산 간의 관계에 관한 문헌을 확장한다. 본 연구는 정적인 상관관계를 넘어 시장 관계가 구조적 변화와 경제적 국면에 따라 어떻게 동적으로 진화하는지를 보여준다.
• 실무적:
  • 리스크 관리: 투자 실무자들은 현재의 시장 국면을 고려한다는 전제하에, DXY를 자본 배분 모델의 예측 변수로 활용할 수 있다.
  • 퀀트 트레이딩: 본 연구의 결과는 매크로 유동성 신호와 괴리 분석을 퀀트 전략에 통합하여 모델 파라미터를 동적으로 조정하는 것을 지원한다.
  • 포트폴리오 최적화: 테더 점유율과 거시 유동성 지표를 포함함으로써 정적 포트폴리오 대비 낙폭(drawdown)을 줄이고 위험 조정 수익률을 높일 수 있다.

6. 한계점

저자들은 다음과 같은 몇 가지 한계점을 인정한다:

• 데이터 세분성: USDT.D 데이터는 집계된 형태이며 블록체인이나 특정 사용 사례를 구분하지 않는다.
• 통제 변수: 본 분석에는 연준(Fed)의 실효 연방기금 금리, 인플레이션 또는 시장 심리 지수와 같은 통제 변수가 포함되지 않았다.
• 인과관계 주장: 유의미한 그랜저 인과관계가 발견되지 않았기 때문에, 본 연구는 강력한 인과적 주장을 삼가며 관계가 동시적일 가능성이 높다고 언급하였다.
• 범위: 본 연구는 USDT에 집중되어 있다. 향후 연구에서는 다른 스테이블코인(USDC, BUSD 등)을 포함하고 벡터 자기회귀(VAR) 또는 고빈도 인트라데이 분석을 사용할 것을 제안한다.