수익 자력과 시스템 탄력성: Ethena × Pendle의 YT 차익 거래를 어떻게 합리적으로 바라볼 것인가

차익 거래는 어떻게 작동하는가: 「수익 측」에서 「시스템 측」으로

먼저 이 차익 거래 경로를 살펴보겠습니다: Aave에 eUSDe 또는 sUSDe를 예치하고 (sUSDe는 스테이킹 후의 eUSDe로, 원래 수익을 포함합니다), 스테이블코인을 빌린 후, Pendle에서 YT/PT를 구매합니다. YT는 미래의 수익에 해당하며, PT는 수익이 분리되어 항상 할인된 가격으로 구매할 수 있으며, 만기까지 보유하면 1:1로 상환받아 그 차익을 얻습니다. 물론 진정한 "큰 수익"은 Ethena 포인트와 같은 외부 인센티브입니다.

이렇게 얻은 PT는 본래 Aave에서 담보로 사용될 수 있기 때문에, 순환 대출의 완벽한 출발점이 됩니다: "PT 담보 → 스테이블코인 대출 → PT/YT 구매 → 다시 담보". 이렇게 하는 이유는 상대적으로 확실한 수익을 바탕으로 레버리지를 사용하여 Ethena 포인트와 같은 높은 탄력적 수익을 노리기 위함입니다.

이 자금 체인은 대출 시장을 어떻게 변화시켰을까요?

Aave의 노출과 2차 효과: USDe 지원 자산이 점차 Aave의 주류 담보물로 자리 잡으면서, 그 비율은 한때 약 43.5%에 달했고, 이는 주류 스테이블코인 USDT/USDC의 이용률을 직접적으로 끌어올렸습니다.
대출 측의 혼잡: PT 담보에 USDe eMode를 도입한 이후, USDe 대출 규모는 약 3.7억 달러에 달하며, 그 중 약 2.2억 달러(≈60%)가 레버리지 PT 전략에 사용되었고, 이용률은 약 50%에서 급증하여 약 80%에 이릅니다.
집중도와 재담보: Aave에서의 USDe 공급은 높은 집중도를 보이며, 상위 두 개 주체의 합계가 61%를 초과합니다. 이러한 집중도와 순환 레버리지는 수익을 확대할 뿐만 아니라 시스템의 취약성을 더욱 악화시킵니다.

여기서의 규칙은 간단합니다: 수익이 매력적일수록 순환은 혼잡해지고, 전체 시스템은 더욱 민감해집니다. 가격, 금리 또는 유동성의 미세한 변동도 이 레버리지 체인에 의해 무자비하게 확대됩니다.

주: 본 문서에서 인용한 핵심 체인 상 데이터는 2025년 7월 17일 Chaos Labs에서 발표한 보고서 및 관련 시장 관찰을 기반으로 합니다. 체인 상 데이터는 동적으로 변화하므로, 독자들은 관련 데이터 분석 플랫폼을 통해 최신 상황을 확인하는 것을 권장합니다.

왜 「탈출」이 어려워지는가: Pendle의 구조적 제약

그렇다면, 어떻게 탈출할 수 있을까요? 앞서 언급한 순환 포지션을 레버리지 축소하거나 청산할 때, 주로 두 가지 경로가 있습니다:

시장화된 탈출: 만기 전에 PT/YT를 판매하여 스테이블코인으로 환전하고 해제합니다.
만기까지 보유하여 탈출: PT를 만기까지 보유하여 1:1로 기초 자산을 환전한 후 상환합니다. 이 경로는 더 느리지만, 시장 변동 시 더 안전합니다.

왜 탈출이 어려워질까요? 어려움은 주로 Pendle의 두 가지 구조적 제약에서 비롯됩니다:

고정 기간: PT는 만기 전에 직접 상환할 수 없으며, 2차 시장에서 판매해야 합니다. "빠르게 레버리지를 줄이려면", 2차 시장의 상황을 살펴봐야 하며, 깊이와 가격 변동의 이중 시험을 견뎌야 합니다.
AMM의 "암묵적 수익률 구간": Pendle의 AMM은 설정된 암묵적 수익률 구간 내에서 효율성이 가장 높습니다. 시장 감정 변화로 인해 수익률 가격이 이 구간을 초과하면, AMM은 "비활성화"될 수 있으며, 거래는 더 얇은 주문서에서 이루어져 슬리피지와 청산 위험이 급격히 증가합니다. 위험 외부화를 방지하기 위해 Aave와 같은 프로토콜은 PT 위험 예측기를 배치했습니다: PT 가격이 특정 바닥 가격으로 떨어지면, 시장을 직접 동결합니다. 이는 불량 채권을 방지할 수 있지만, 단기적으로 PT를 판매하기 어려워지며, 시장 회복을 기다리거나 만기까지 보유해야 합니다.

따라서, 시장이 안정적일 때 탈출은 보통 어렵지 않지만, 시장이 다시 가격을 재조정하고 유동성이 혼잡해지면 탈출은 주요 마찰점이 되며, 사전 준비가 필요합니다.

Aave의 「브레이크와 완충」: 레버리지 축소를 질서 있게 통제하기

이러한 구조적 마찰에 직면하여, 대출 프로토콜(Aave 등)은 어떻게 리스크 관리를 할까요? 그들은 "브레이크와 완충" 메커니즘을 내장하고 있습니다:

동결 및 바닥 가격 메커니즘: PT 가격이 예측기 바닥 가격에 도달하고 유지되면, 관련 시장은 만기까지 동결될 수 있습니다; 만기 후 PT는 자연스럽게 기초 자산으로 분해되어 안전하게 청산/해제되며, 고정 기간 구조로 인한 유동성 불일치 외부화를 최대한 피합니다.
내부화된 청산: 극단적인 상황에서는 청산 보상을 0으로 설정하고, 먼저 완충을 형성한 후 담보를 단계적으로 처분합니다: USDe는 유동성이 회복된 후 2차 시장에서 판매하고, PT는 만기까지 보유하여 2차 시장에서 유동성이 얇은 주문서에서 수동적으로 매도되는 것을 피하여 슬리피지를 확대합니다.
화이트리스트 상환: 대출 프로토콜이 Ethena 화이트리스트를 획득하면, 2차 시장을 우회하여 USDe로 기초 스테이블코인을 직접 상환하여 충격을 줄이고 회수율을 높일 수 있습니다.
보조 도구의 경계: USDe 유동성이 일시적으로 긴장할 때, Debt Swap은 USDe로 평가된 부채를 USDT/USDC로 전환할 수 있습니다; 그러나 E-mode 구성의 제약을 받기 때문에, 이전에는 문턱과 단계가 필요하며, 더 많은 보증금이 요구됩니다.

Ethena의 「자기 조정 기반」: 지원 구조와 자산 격리

대출 프로토콜에는 "브레이크"가 있지만, 자산 지원 측은 Ethena의 "자동 변속기"가 충격을 흡수해야 합니다.

지원 구조 및 자금 비용률 상태에서: 자금 비용률이 낮아지거나 부정으로 전환될 때, Ethena는 헤지 노출을 줄이고 스테이블코인 지원을 높입니다; 2024년 5월 중순 스테이블코인 비율은 한때 ~76.3%에 달했으나, 이후 ~50% 영역으로 떨어졌고, 여전히 높은 수준으로 부정 자금 비용 주기에서 능동적으로 압력을 줄일 수 있습니다.
더 나아가, 완충 능력에서: 극단적인 LST 압수 시나리오에서, USDe 전체 지원의 순 영향은 약 0.304%로 추정됩니다; 6,000만 달러의 준비금은 이러한 충격을 흡수하기에 충분하며(약 27%에 해당), 따라서 고정 및 상환에 대한 실질적 영향은 통제 가능합니다.
자산의 위탁 및 격리는 핵심 요소입니다: Ethena의 자산은 거래소에 직접 보관되지 않고, 제3자 위탁자(예: Copper, Ceffu)를 통해 장외 결제 및 자산 격리가 이루어집니다. 이는 거래소 자체에 운영 또는 상환 문제가 발생하더라도, 담보로 사용되는 자산이 소유권 면에서 독립적이고 보호받는 것을 의미합니다. 이러한 격리 구조 하에서 효율적인 비상 프로세스가 실현됩니다: 예를 들어 거래소가 중단되면, 위탁자는 일정 결제 주기를 놓친 후 미청산 포지션을 무효화하고 담보를 해제하여 Ethena가 신속하게 헤지 포지션을 다른 거래소로 이전할 수 있도록 도와주며, 위험 노출 창을 크게 단축시킵니다.

잘못된 위치가 주로 "암묵적 수익률 재조정"에서 비롯되고, USDe 지원이 손상되지 않는다면, 예측기 동결 및 단계적 처분의 보호 아래에서 불량 채권 위험은 통제 가능합니다; 진정으로 주의해야 할 것은 지원 측의 손상으로 인한 꼬리 사건입니다.

당신이 주목해야 할 것: 6개의 위험 신호

이론이 끝났습니다. 우리는 어떤 구체적인 지표를 봐야 할까요? 다음에 정리된 6개의 신호는 Aave × Pendle × Ethena의 상호작용과 높은 관련이 있으며, 일상적인 대시보드로 모니터링할 수 있습니다.

USDe 대출 및 이용률: USDe의 총 대출량, 레버리지 PT 전략 비율 및 이용률 곡선을 지속적으로 추적합니다. 이용률이 장기적으로 ~80%를 초과하면 시스템의 민감도가显著 상승합니다(보고 기간 동안 ~50%에서 ~80%로 상승).
Aave 노출 및 스테이블코인 2차 효과: Aave 총 담보물에서 USDe 지원 자산의 비율(예: ~43.5%)과 USDT/USDC와 같은 핵심 스테이블코인 이용률의 전파 효과에 주목합니다.
집중도 및 재담보: 상위 주소의 예치 비율을 모니터링합니다; 상위 주소의 집중도(예: 상위 두 개 합계)가 50-60%를 초과할 경우, 동향 조작이 유동성 충격을 유발할 수 있으므로 주의해야 합니다(보고 기간 동안 피크 값 >61%).
암묵적 수익률 구간의 근접도: 목표 PT/YT 풀의 암묵적 수익률이 AMM의 설정 구간 경계에 근접하는지 확인합니다; 구간에 근접하거나 초과하면 매칭 효율성이 감소하고 탈출 마찰이 증가합니다.
PT 위험 예측기 상태: PT 시장 가격과 Aave 위험 예측기의 최저 가격 임계값 간의 거리를 주의 깊게 살펴봅니다; 임계값에 가까워지는 것은 레버리지 체인이 "질서 있게 감속"해야 한다는 강력한 신호입니다.
Ethena 지원 상태: Ethena가 발표한 준비 구성의 변화를 정기적으로 확인합니다. 스테이블코인 비율의 변화(예: ~76.3%에서 ~50%로 하락)는 자금 비용률에 대한 적응 전략과 시스템 완충 능력을 반영합니다.

더 나아가, 각 신호에 대해 트리거 임계값을 설정하고 사전 대응 조치를 계획할 수 있습니다(예: 이용률 ≥80% → 순환 배수 조정).

관찰에서 경계로: 위험 및 유동성 관리

이 신호들은 궁극적으로 리스크 관리에 기여해야 합니다. 우리는 이를 4개의 명확한 "경계"로 고정하고, "위험 한도 → 트리거 임계값 → 처분 조치"라는 폐쇄 루프를 중심으로 운영할 수 있습니다.

경계 1: 순환 배수

순환 레버리지는 수익을 높이는 동시에(외부 인센티브가 겹칠 때) 가격, 금리 및 유동성에 대한 민감도를 확대합니다; 배수가 높을수록 탈출 여지가 줄어듭니다.

한도: 최대 순환 배수 및 최소 보증금 여유(예: LTV/건강 지수 하한)를 설정합니다.

트리거: 이용률 ≥ 80% / 스테이블코인 대출 금리가 급등 / 구간 근접도 상승.

조치: 배수 축소, 보증금 보충, 신규 순환 중단; 필요시 "만기까지 보유"로 전환합니다.

경계 2: 기간 제약 (PT)

PT는 만기 전에 상환할 수 없으며, "만기까지 보유"는 임시 방편이 아닌 일반 경로로 간주되어야 합니다.

한도: "만기 전에 판매"에 의존하는 포지션에 대해 규모 상한을 설정합니다.

트리거: 암묵적 수익률이 구간을 초과 / 시장 깊이가 급락 / 예측기 바닥 가격에 근접.

조치: 현금 및 보증금 비율을 조정하고, 탈출 우선 순위를 조정합니다; 필요시 "감소만 허용"의 동결 기간을 설정합니다.

경계 3: 예측기 상태

가격이 최저 가격 임계값에 근접하거나 동결 신호가 발생하면, 링크가 질서 있게 감속하여 레버리지를 줄이는 단계에 진입합니다.

한도: 예측기 바닥 가격과의 최소 가격 차이(버퍼) 및 최단 관찰 창.

트리거: 가격 차이 ≤ 설정된 임계값 / 동결 신호 발생.

조치: 단계적 매도, 청산 경고 강화, Debt Swap / 레버리지 축소 SOP 실행 및 데이터 폴링 빈도 증가.

경계 4: 도구 마찰

Debt Swap, eMode 이전 등은 긴장 시기에 효과적이지만, 문턱, 대기, 추가 보증금 및 슬리피지와 같은 마찰이 존재합니다.

한도: 도구 사용 가능 한도/시간 창 및 최대 허용 슬리피지와 비용.

트리거: 대출 금리 또는 대기 시간이 임계값 초과 / 거래 깊이가 하한을 초과.

조치: 자금 여유를 확보하고, 대체 경로로 전환(단계적 청산/만기까지 보유/화이트리스트 상환)하며, 전략 확장을 중단합니다.

결론 및 미래 방향

전반적으로, Ethena x Pendle의 차익 거래는 Aave, Pendle, Ethena를 "수익 자석"에서 "시스템 탄력성"으로 이어지는 전이 체인으로 엮었습니다. 자금 측의 순환은 민감도를 높였고, 시장 측의 구조적 제약은 탈출 장벽을 높였으며, 프로토콜은 각자의 리스크 관리 설계를 통해 완충을 제공합니다.

DeFi 분야에서 분석 능력의 발전은 데이터를 바라보고 사용하는 방식에 있습니다. 우리는 Dune이나 DeFiLlama와 같은 데이터 분석 도구를 사용하여 "과거"를 되짚어보는 데 익숙합니다. 예를 들어, 상위 주소의 포지션 변화나 프로토콜 이용률의 추세를 추적하는 것입니다. 이는 중요하며, 높은 레버리지와 집중도와 같은 시스템의 취약성을 식별하는 데 도움이 됩니다. 그러나 그 한계도 분명합니다: 역사적 데이터는 위험의 "정적 스냅샷"을 보여주지만, 시장 폭풍이 닥칠 때 이러한 정적 위험이 어떻게 동적 시스템 붕괴로 발전할지를 알려주지 않습니다.

이러한 잠재적 꼬리 위험을 명확히 보고 그 전파 경로를 추론하려면, 선제적인 "스트레스 테스트"를 도입해야 합니다. 이것이 바로 시뮬레이션 모델의 역할입니다. 이를 통해 이 글에서 언급한 모든 위험 신호(이용률, 집중도, 가격 등)를 매개변수화하여 디지털 샌드박스(Aave, Pendle, Ethena 프로토콜의 핵심 메커니즘으로 구성된 연합 모델)에 넣고, "만약……라면 어떻게 될까?"라는 질문을 반복적으로 던질 수 있습니다:

ETH 가격이 30% 폭락하고 자금 비용률이 부정으로 전환되면, 내 포지션은 얼마나 버틸 수 있을까?
안전하게 탈출하려면, 나는 얼마나 큰 슬리피지를 감수해야 할까?
최소 안전 보증금은 얼마여야 할까?

이 질문들의 답은 역사적 데이터에서 직접 찾을 수 없지만, 시뮬레이션 모델링을 통해 미리 예측할 수 있으며, 궁극적으로 신뢰할 수 있는 실행 매뉴얼을 형성하는 데 도움이 됩니다. 실습을 원하신다면, Python 기반의 산업 표준 프레임워크인 cadCAD를 선택하거나, 최첨단 Generative Agent-Based Modeling (GABM) 기술을 기반으로 한 차세대 플랫폼 HoloBit을 시도해 볼 수 있습니다. 이 플랫폼은 강력한 시각화 및 코드 없는 기능을 제공합니다.

위험 경고