체인 데이터 아카데미 (9): 시장의 바람 방향을 알려주는 RUPL(I) - 데이터 소개 및 저점 매수 전략
저자: 베이거 씨
🔸TL;DR
- RUPL 시리즈는 총 2편으로 구성되며, 이번 글은 그 첫 번째 편입니다.
- RUPL은 시장의 현재 "실현되지 않은 손익(Unrealized Profit & Loss)" 상태를 보여줍니다.
- RUPL을 관찰함으로써 시장의 바닥과 정점 형성 패턴을 파악할 수 있습니다.
- RUPL 기반의 바닥 다짐 모델을 소개합니다.
🟡 RUPL 소개
RUPL은 Relative Unrealized Profit & Loss의 약자로, 한국어로는 "상대적 미실현 손익"이라고 번역할 수 있습니다.
해당 지표는 RUP과 RUL이라는 두 부분으로 나눌 수 있습니다.
RUP의 계산 방식은 다음과 같습니다:
1. "현재 가격"과 "각 BTC가 마지막으로 이동된 시점의 가격"을 비교하여, 현재 가격이 마지막 이동 가격보다 높은 경우 해당 코인을 "이득 상태의 물량"으로 분류합니다.
2. 각 물량의 이득 금액에 해당 물량 수량을 곱하여 실현되지 않은 이득(Unrealized Profit)을 산출합니다.
3. 이후 이를 당시 시가총액(Market Cap) 기준으로 정규화 처리합니다.
즉, Unrealized Profit은 현재 시장에서 실현되지 않은 이익의 총합이며,
RUP은 이를 시가총액으로 정규화하여 서로 다른 시기의 시장 수익 상태를 비교 가능하게 만든 값입니다.
RUL 역시 RUP과 동일한 논리로 계산되므로 별도 설명은 생략합니다.
위 이미지에서 초록색 선은 RUP, 빨간색 선은 RUL입니다.
가격과 RUP은 높은 양의 상관관계를 가지며, RUL과는 높은 음의 상관관계를 갖는 것을 확인할 수 있습니다.
이는 직관적으로 이해할 수 있는데, 암호화폐 가격이 상승하면 자연스럽게 실현되지 않은 이득 상태의 물량도 증가하기 때문입니다.
하지만 위 차트를 좀 더 자세히 살펴보면, 일부 구간에서는 RUL이 RUP을 역전하는(빨간선이 초록선 위로 올라가는) 현상이 나타납니다.
이는 전체 시장의 미실현 손익이 마이너스 상태임을 의미하는데, 이러한 상황에는 특별한 의미가 있을까요? 계속해서 살펴보겠습니다…
🟡 RUPL의 바닥 타이밍 활용법
고전적인 말이 있듯이, "다른 사람들이 공포에 떨 때 나는 탐욕을 가져야 한다." 시장 내 보유자들이 전반적으로 손실 상태에 있을 때,
이것이 바로 우리가 적극적으로 매수하며 코인을 모을 수 있는 기회일지도 모릅니다.
위 이미지에서 RUL > RUP인 구간을 표시했습니다. 이를 통해 신호 차트를 만들 수 있습니다.
명확히 확인할 수 있듯이, RUL > RUP 조건이 충족되는 시점은 거의 대부분 사이클의 주요 바닥 영역과 일치합니다!
이것은 단순한 후견적 과잉 해석이 아닙니다. 그 논리는 다음과 같습니다.
"시장 전반의 평균적인 미실현 손익이 마이너스일 때, 이는 가격이 너무 낮아진 탓에 묶인 물량 보유자들이 매도를 꺼리게 되어抛壓이 크게 줄어들 가능성이 있다"는 점입니다.抛압이 감소한 상태에서 조금이라도 강한 매수가 유입되면, 시장의 반등과 상승 추세 전환이 시작될 수 있습니다.
이 논리는 이전 글에서 소개했던 LTH-RP 바닥 잡기 전략과 매우 유사합니다. 관심 있는 독자는 이전 포스팅을 참고하시기 바랍니다.
🟡 RUPL 바닥 모델 설계 로직 공유
다음으로, 잠시 RUL은 무시하고 RUP 자체의 차트만 집중해서 살펴보면, 역사적으로 RUP의 바닥 수치들이 매우 비슷한 값을 보이고 있다는 점을 알 수 있습니다.
예를 들어, 제가 RUP 차트에 수평선 하나를 추가했는데, 값은 0.4입니다. 이를 통해 RUP < 0.4인 구간을 쉽게 확인할 수 있습니다.
(여기서 0.4는 조정 가능한 파라미터이며, 뒤에서 다시 언급하겠습니다.)
RUP이 비교적 명확한 바닥 구간을 형성한다는 점을 발견했으므로, 이전에 언급한 "RUP < RUL" 조건에 RUP < 0.4 조건을 추가해 신호를 2차적으로 필터링할 수 있습니다. 결과는 아래와 같습니다.
모델 설계 시 자주 사용되는 방법으로, 여러 신호 필터를 중첩하여 최종 신호의 정확도를 높이는 것입니다.
위 두 조건(RUP < 0.4 및 RUP < RUL)의 필터링 효과는 극단적으로 뚜렷하지는 않지만,
세심하게 보면 단순한 RUP < RUL보다 더 엄격한 조건임을 알 수 있습니다.
필요시 0.4 값을 더 작게 조정(예: 0.38로 변경)하면 신호를 더욱 엄격하게 만들 수 있습니다.
다만 파라미터 조정 시에는 Overfitting(과적합) 문제에 주의해야 합니다. 단지 과거 데이터에만 최적화된 모델은 미래에는 무용지물이 될 수 있기 때문입니다!
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@market_beggar
