
바이낸스가 악행을 저지르고 있는가?
글: ltrd
번역: Block unicorn
장기적으로 지속적인 수익을 내는 모든 사람들은 편견 없이, 감정을 배제한 결정이 거래 생활을 오래 유지하는 핵심이라는 것을 알고 있다. 당신은 고정된 사고방식을 깨야 하며, 리스크와 리워드, 그리고 불리한 선택 가능성에 대해 끊임없이 재평가해야 한다. 바로 이 때문에 체계적인 연구 과정은 성공한 모든 트레이더에게 필수적이다.
하지만 내가 왜 이렇게 말하고 있으며, 왜 이 글의 제목을 "바이낸스는 악랄한가?"라고 지었을까?
이유는 간단하다. 지난 몇 주간 나는 바이낸스를 비롯한 거래소들에 대한 강한 감정들을 목격했다. 일부 거래소(특히 바이낸스)에 대한 주장들은 타당성이 있지만, 나는 계속해서 편향된 추론과 결론들을 보아왔다. 그래서 나는 하나의 가설을 가지고 단순하고 투명한 연구를 수행하기로 결정했다:
H₀: "바이낸스는 악랄하며, 상장 프로젝트들에게 부정적인 영향을 미친다."
이 연구를 시작하게 만든 첫 번째 계기는 스콧 필립스의 한 게시물이었다(사실 나는 당신의 포스트와 사고방식을 매우 좋아한다—개인 공격은 전혀 아니다, 이해해주길 바란다). 그는 바이낸스에 상장된 후 300일 동안 모든 코인들의 평균 가격 움직임을 보여주는 보기 좋은 차트를 올렸다. 차트 자체에는 아무 문제가 없으며, 나 역시 이런 분석을 좋아한다. 하지만 한 가지 불편한 점이 있었다: "바이낸스는 업계의 독소다"라는 문구였다.
나는 단지 그 데이터와 결론 사이에 어떤 연결고리도 찾을 수 없었다.

내 사무실로 들어와(매일 많은 사람들이 그렇게 한다) 이렇게 말한다고 상상해보라: "톰, 이 차트를 봐봐—바이낸스는 이 업계의 독소야."
그렇다면 너는 이미 노트북의 모든 자료를 백업했기를 바라는 수밖에 없다. 왜냐하면 다시는 그것에 손댈 수 없게 될 테니까. 사실 이 글은 바이낸스에 관한 것이 아니다. 이것은 하나의 가설을 검증하고 그것이 타당한지를 확인하는 것이다. 방법론의 정확성과, 어떻게 해야 사람들이 당신의 주장을 믿게 만들 수 있는지를 다루는 것이다.
본격적으로 시작하기 전에, 여러분이 내 분석을 비판해주기를 바란다. 이것이 우리가 리서치 회의에서 실제로 하는 방식이다. 나는 화내지도 않을 것이다—건설적인 비판은 이미 익숙해서 신경도 쓰지 않는다. 나는 다만 분석이 정확한지 확인하고, 그로부터 교훈을 얻고 싶을 뿐이다. 여러분의 유일한 목적은 세심하게 살펴보고, 내 추론에서 가능한 모든 오류를 지적하는 것이다. 나는 여기서 바이낸스가 악랄하지 않다는 것을 증명하려는 것이 아니다. 단지 이 가설이 성립하는지를 검증하고자 할 뿐이다.
나는 이런 종류의 차트를 볼 때마다 항상 생각한다: 여기엔 랜덤 커렉션이 빠져 있다.
이게 무슨 의미인가? 다른 유사한 거래소들의 무작위 상장 데이터를 살펴보고, 바이낸스 데이터셋에서 그 결과를 빼보고 싶다는 것이다. 이것이 편향을 제거하는 방법이다. 우리의 경우 사실 '랜덤'이라고 부르긴 어렵지만, 다른 거래소의 상장과 관련된 모든 요소들을 쉽게 계산할 수 있기 때문이다. 일반적으로 고빈도 거래에서는 '모든 것을 계산하는 것'이 불가능하므로 나는 이를 랜덤 커렉션이라 부른다.
연구를 할 때는 가설을 명확하게 진술해야 한다:
-
나는 2022년 1월 1일 이후 바이낸스(현물 시장)에 상장된 모든 제품을 대상으로 삼았다. 왜 이 날짜를 선택했는가? 2020년부터 2021년까지의 데이터를 선택하면 이미 긍정적인 결과를 알고 있으므로 확증 편향이 발생할 수 있고, 현재 시장을 반영하지 못하기 때문이다.
-
USDT 거래쌍만 포함했다.
-
90일 이상 거래된 제품만 선택했다.
-
첫날은 제외했다(그래서 모든 차트가 0에서 시작한다).
왜 그런가? 거래소마다 장시작 방식이 다르기 때문이다. 일부 거래소는 공정 가치보다 훨씬 낮은 가격으로 인위적으로 첫 거래를 만들어, 마치 상장 직후 급등하는 것처럼 보이게 만든다—완전히 허위다. 또 일부 거래소는 상장 전이나 상장 시점에 상장 소식을 알리므로 공시 효과를 효과적으로 구분할 수 없다.
첫날을 제외함으로써 분석은 더 명확하고 비교 가능해진다. 물론 당신이 다른 처리 방식을 제안할 수도 있다.
분석을 마친 후 나는 다음과 같은 결과를 얻었다:

이것은 나의 기준을 충족하는 모든 토큰들이 바이낸스 현물 시장에 상장된 후 처음 90일간의 누적 수익률이다. 우리는 무엇을 보는가? 시작부터 거대한—절대적으로 거대한—매도 압력이 존재한다. 며칠 후 다소 안정화되지만, 이후 안정적인 하락 추세로 접어든다. 왜 그런가? 부분적으로는 전체 암호화폐 시장의 추세 때문이다. 평균적으로 토큰은 상장 후 하락하는 경향이 있다. 또한 나는 2022년 1월 1일 이후 상장된 모든 토큰을 선택했는데, 이는 호황 이후의 시점이므로 전체적인 환경이 그리 좋지 않았다.
이제 내가 가장 걱정되는 문제를 이야기하자—랜덤 커렉션이 없다는 점이다. 나에게 있어 랜덤 커렉션이 없는 연구는 진정한 연구라고 볼 수 없다. 최근 100번의 실행 결과를 평균 10.50으로 보여주더라도, 전체 시장과의 비교 없이는 판단할 수 없다. 기준선이 없다면 판단력도 없다.
이 경우 '전체 시장'은 코인베이스, 바이비트 등 다른 비교 가능한 거래소여야 한다. 따라서 이를 올바르게 수행하려면 바이비트와 코인베이스에 대해서도 동일한 조건에서 완전히 동일한 계산을 수행해야 한다. 아래 차트를 살펴보자.


보시다시피 코인베이스의 차트는 바이낸스보다 훨씬 더 나빠 보인다. 약 20일 후 예상 수익률은 약 -25%로 떨어졌으며(상위 신뢰구간도 여전히 -20% 정도다!). 이후 다시 동일한 패턴이 나타난다—바이낸스와 마찬가지로 짧은 안정 후 서서히 하락하는 추세다.
바이비트의 경우는 약간 다르다. 90일 후 예상 수익률은 크게 하락하지만, 초기 매도 압력은 크지 않다. 데이터와 직관에 기반하여, 나는 코인베이스가 바이비트보다 바이낸스와 훨씬 더 높은 비교 가능성을 지닌다고 본다.
이제 이러한 거래소들과 바이낸스를 직접 비교해보자. 랜덤 커렉션을 위해 바이낸스의 주요 분석에서 위의 결과를 빼기만 하면 된다. 아래 그래프는 이를 보여준다. 직관적으로 지금 우리는 바이낸스가 각 거래소(바이비트 / 코인베이스)와 기준을 비교할 때의 순 영향을 얻은 것이다.
분명히 볼 수 있다—특히 코인베이스의 경우—바이낸스의 영향은 부정적이 아니라 긍정적이다. 코인베이스의 매도 압력은 바이낸스보다 훨씬 크다. 물론 신뢰구간을 고려하면 95% 신뢰 수준에서 통계적으로 유의미한 차이는 아니지만—결론은 여전히 분명하다: 바이낸스 상장은 코인베이스 상장보다 성과가 더 좋다.


바이비트의 경우 상장 후 초기 며칠 동안 성과가 분명히 더 낫다는 것을 볼 수 있다. 그러나 차이는 빠르게 줄어들며, 바이비트가 단기적으로 바이낸스보다 낫다고 말할 수는 있겠지만, 효과는 특별히 두드러지지 않는다.
랜덤 커렉션 후 우리는 바이낸스가 다른 거래소들(특히 코인베이스)에 비해 '악랄하다'고 단정할 수는 없다. 왜냐하면 코인베이스에 상장된 프로젝트들의 성과가 분명히 더 나쁘기 때문이다. 이제 중요한 하나의 문제를 논의해보자—아직 충분히 논의되지 않은 문제다.
최종 목표가 되는 저주
아직 상장되지 않은 프로젝트 팀과 대화한다고 상상해보라. 당신은 그들로부터 어떤 말을 기대하겠는가? 답은 거의 항상 이렇다:
"우리의 궁극적인 목표는 바이낸스(또는 코인베이스, 업비트)에 상장하는 것입니다."
우리가 바이낸스 상장이 프로젝트에 미치는 영향을 논할 때, 이 말은 매우 중요하다. 모두가 이 순간을 기다린다. 만약 당신이 주요 투자자이거나 프로젝트 창립자이고, 정말로 바이낸스, 코인베이스 또는 업비트에 최종 상장될 것이라 믿는다면, 바이비트에 상장한 후에 토큰을 팔 동기가 있을까? 나는 거의 제로라고 본다—운영비를 마련하기 위해 소량을 팔아야 하는 경우를 제외하면.
이 때문에 바이낸스와 코인베이스는 거대한 매도 압력을 받지만, 바이비트는 거의 매도 압력을 받지 않는 것이다(Bitget, KuCoin, Gate도 마찬가지일 수 있다). 그러나 우리의 방법론에 따르면, 공시일의 영향을 제거하더라도 바이낸스의 상장 성과는 코인베이스의 상장 성과보다 우수하다. 이제 내가 반드시 묻고 싶은 질문은 이것이다:
"궁극적인 목표 상장 후 일반적인 대형 투자자나 창립자가 팔고자 하는 토큰의 비율이 얼마나 될 것 같습니까?"
이 질문에 우리는 직접 답할 수 없다—현재 명확한 데이터가 없다. 하지만 적어도 마음속으로 추정치를 갖고, 논리를 생각한 후 숫자를 제시해야 한다. 나는 앞서 업비트도 '궁극적인 목표' 거래소 중 하나이며, 한국 상장이 인기 있다는 점을 언급했다. 유감스럽게도 상장 후에도 강력한 매도 압력을 목격하고 있다. 프로젝트 입장에서는 거의 항상 종착역이며—바이낸스만큼 심각하진 않더라도 여전히 눈에 띈다—데이터에서 이를 명확히 볼 수 있다. 아래 차트는 업비트의 성과와 바이낸스 및 업비트 간의 차이를 보여준다.


90일 후 업비트의 성과가 바이낸스보다 약간 낫지만, 그 차이는 너무 작아서 업비트가 더 나은 상장 플랫폼이라고 말하기는 어렵다. 두 경우 모두 강력한 매도 압력을 보이며—깊이 생각하면 이는 완전히 논리적인 일이다.
유동성에 가격을 매기는 법
거의 아무도 고려하지 않는 한 가지가 있다.
바이낸스에 상장된 후 유동성은 다른 어느 거래소보다 훨씬 뛰어난다. 바이낸스는 창립자와 투자자들이 필요에 따라 일부만 청산하거나, 필요 시에는 더 큰 규모로 매수할 수 있게 해준다(솔직히 말해 이런 일이 더 자주 일어나길 바란다). 그렇다면 프로젝트팀이나 투자자들은 이러한 유동성 향상을 어떻게 평가해야 할까?
이것은 (거의) 오직 바이낸스만이 제공할 수 있는 것이며—시장의 모든 참여자들이 직접 혹은 간접적으로 지불하려 할 만큼 중요한 요소다.
우리는 모두 깊은 유동성과 퍼피츄얼 계약을 통해 숏이나 롱을 할 수 있는 능력을 원한다(물론 우리는 여기서 현물 거래소를 분석하고 있지만, 이는 언급할 가치가 있는 중요한 기능이다).
바이낸스 유동성 우위를 검증하는 간단한 방법
나는 바이낸스의 유동성이 실제로 다른 거래소보다 뛰어난지, 그리고 큰 편향을 피하면서 이를 검증하는 간단한 방법을 계속 고민해왔다. 아래는 나의 아이디어다:
-
바이비트와 코인베이스에 상장된 토큰을 찾는다.
-
바이낸스에 상장된 토큰을 찾는다. 단, 그것이 바이비트와 코인베이스에 상장된 이후여야 하고(이상적으로는 시간 간격이 최대한 길어야 한다).
-
바이낸스에 상장된 지 며칠 후, 바이낸스, 바이비트, 코인베이스의 유동성을 비교한다.
이 설정 하에서 바이비트와 코인베이스는 성숙한 시장을 가지며, 바이낸스는 신생 시장이다. 만약 바이낸스의 유동성이 여전히 다른 플랫폼보다 뚜렷하게 우세하다면, 우리는 자신 있게 바이낸스 상장으로 인한 유동성 잉여가 실질적이고 실제임을 말할 수 있다.
이 그래프는 10만 달러의 시장 매수와 10만 달러의 시장 매도를 실행하는 데 드는 왕복 비용의 분포를 보여준다. 비용이 높을수록 유동성은 낮다. 바이비트와 코인베이스에 상장된 지 한 달 이상 후에야 바이낸스에 상장된 토큰 LA의 경우, 5일 후 바이낸스의 왕복 비용이 바이비트보다 184bp 낮고, 코인베이스보다 110bp 낮았다.

ONDO의 경우 바이낸스와 코인베이스 간 왕복 비용은 거의 유사하다—코인베이스가 약간 우세하다(1.77bp 차이, 아마도 최소 변동 가격 차이 때문일 수 있음).

이제 유동성이 낮은 제품 AXL을 살펴보자. 여기서 비용 차이는 거대하다. 10만 달러 거래 기준으로 바이비트 대비 309bp, 코인베이스 대비 207bp의 차이가 난다. 2만 달러 거래 기준으로도 여전히 각각 41bp, 46bp의 차이가 있다. 기존 또는 잠재적 보유자의 관점에서 보면, 이 수치들은 놀라울 정도다.


다음 단계는 무엇인가?
이것이 이 주제를 연구하는 유일한 방법은 분명히 아니다—하지만 편향된 출발점이다. 더 깊이 파고들고 싶다면, 아래는 열린 질문들이다(나는 지금 답변하지 않을 것이다—시간은 언제나 제한되어 있다):
-
보다 광범위한 시장 흐름과 그것이 상장 성과와 어떤 관계가 있는지를 어떻게 통합해야 하는가?
-
공시 효과를 어떻게 정량화하고 분석에 포함시켜야 하는가?
-
개별 사례를 어떻게 가중 평가해야 하는가? ONDO가 AXL보다 더 중요한가? 그렇다면 어떤 지표(예: 시가총액)로 측정해야 하는가?
-
분석을 더욱 견고하게 만들어야 하는가—예: 이상치에 대해 꼬리 자르기(tail trimming)를 적용?
-
바이낸스 데이터에서 BSC 토큰을 제외하면 결과가 크게 달라지는가?
우리는 끝없이 이런 질문을 던질 수 있다—이것이 바로 연구의 매력이다.
개선의 여지는 언제나 존재하지만, 결국 창의성과 연구 윤리가 특정 모델보다 훨씬 중요하다. 거의 편향 없는 연구를 수행하는 것은 어떤 머신러닝 방법보다 더 멀리 갈 수 있게 해준다. 이는 항상 당신의 아이디어, 데이터 준비, 그리고 추론 문화에 달려 있다.
마무리
우리는 여기서 단지 연구에 대해 이야기하러 온 것이 아니다. 우리는 바이낸스에 대해 이야기하러 온 것이다.
당신이 바이낸스를 '악랄하다'고 보는지, 혹은 '업계의 독소'라고 보는지는 전적으로 당신의 선택이다. 스스로를 비판적으로 돌아보라. 편견과 감정에 얽매이지 말라. 왜냐하면 그곳엔 돈이 없기 때문이다.
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














