Full Rekt와 Giga-Rekt 지갑의 공통점

지금 이 순간 Hyperliquid 어딘가에서, 오늘만 세 번째로 손실 중인 포지션에 추가 진입하려는 지갑이 있다. 첫 번째 진입은 계산된 베팅이었다. 두 번째는 확신이었다. 세 번째는 절박함이다. 잃어서는 안 되는 마진으로, 사소한 위크 하나가 전면 청산으로 이어지는 레버리지를 끼고서.

그 지갑은 거의 확실히 두 코호트 중 하나에 속해 있다. Full Rekt(전체 기간 PnL이 -$100K에서 -$1M 사이)이거나, Giga-Rekt($1M 이하)이거나. 이들은 Hyperliquid 퍼프스 역사상 가장 많은 돈을 잃은 지갑들이며, 운이 나빠서 그 자리에 오른 게 아니다. 수학이 따라잡을 때까지 동일한 행동 패턴을 반복했기 때문이다.

HyperTracker는 Hyperliquid의 모든 지갑을 16개 행동 코호트로 분류한다. 8개는 계좌 규모 기준, 8개는 전체 기간 PnL 기준이다. 하위 두 PnL 등급인 Full Rekt와 Giga-Rekt에는 합산하면 충격적인 규모의 손실을 기록한 지갑들이 모여 있다. 하지만 그 손실은 무작위가 아니다. 우리의 코호트 데이터는 행동적 지문을 드러낸다. 과도한 레버리지, 특정 자산 쏠림, 강박적인 손실 만회 시도. 수천 개의 주소에 걸쳐 반복되는 동일한 세 가지 패턴이 매번 동일한 결과를 만들어낸다.

이 패턴들을 이해하는 건 단순한 호기심이 아니다. 리스크 관리 훈련이다. 패배하는 지갑의 행동적 특징을 식별할 수 있다면, 자신의 트레이딩을 그것과 대조해볼 수 있다. API로 빌드한다면, 손실 코호트의 포지션을 역추세 신호로 활용할 수 있다.

코호트 맵에서 Full Rekt와 Giga-Rekt의 위치

HyperTracker의 PnL 기반 분류 시스템은 모든 지갑을 Hyperliquid 퍼프스에서의 누적 전체 기간 손익을 기준으로 8개 등급으로 나눈다.

| 코호트 | PnL 범위 | 세그먼트 ID | | --- | --- | --- | | Money Printer | +$1M 이상 | 8 | | Smart Money | +$100K ~ +$1M | 9 | | Consistent Grinder | +$10K ~ +$100K | 10 | | Humble Earner | $0 ~ +$10K | 11 | | Exit Liquidity | -$10K ~ $0 | 12 | | Semi-Rekt | -$100K ~ -$10K | 13 | | Full Rekt | -$1M ~ -$100K | 14 | | Giga-Rekt | $1M 이하 | 15 |

이름은 의도적으로 직설적이다. 지갑이 Full Rekt나 Giga-Rekt에 도달하는 건 한 번의 나쁜 거래 때문이 아니다. $100K에서 $1M(Full Rekt) 또는 $1M 이상(Giga-Rekt)의 누적 손실은 수많은 포지션에 걸쳐 오랜 시간 동안 지속적이고 반복적인 손실 행동이 쌓인 결과다. 운이 나쁜 트레이더들이 아니다. 과정 자체가 구체적이고 관찰 가능한 방식으로 망가진 트레이더들이다.

패턴 1: 계좌 규모 대비 과도한 레버리지

손실 코호트 전반에서 가장 일관되게 나타나는 신호는 계좌 자본 대비 불균형한 레버리지 사용이다. 모든 트레이더는 레버리지를 쓴다. 영구 선물의 본질이 그렇다. 하지만 Money Printer와 Smart Money 같은 수익성 있는 코호트는 일반적인 변동성 속에서 포지션이 숨 쉴 공간을 남겨두는 레버리지를 사용하는 경향이 있다. 손실 코호트는 모든 위크를 청산 위협으로 만드는 레버리지를 쓴다.

메커니즘은 간단하다. 자본금 $50K인 지갑이 20배 레버리지 포지션을 열면 명목 노출이 $100만이 된다. 5%의 불리한 가격 움직임이 전체 포지션을 날린다. BTC와 ETH 같은 자산이 24시간 안에 3~7%씩 움직이는 것이 일상인 Hyperliquid에서, 그런 레버리지는 오차의 여지를 거의 남기지 않는다.

반면 수익을 내는 지갑들은 일반적인 변동성이 포지션을 위협하지 않을 수준으로 레버리지를 조절하는 경향이 있다. 우리 데이터는 지갑의 누적 수익성이 높을수록 계좌 자본 대비 평균 레버리지가 보수적인 경향이 있음을 보여준다. 수익성 있는 트레이더들이 소심해서가 아니다. 복리 수익을 쌓기 위해 충분히 오래 살아남으려면 강제 청산 없이 하락을 버틸 수 있는 포지션이 필요하기 때문이다.

역설적이게도, Full Rekt와 Giga-Rekt 지갑들은 종종 작은 계좌에서 시작해 빠르게 불리려고 높은 레버리지를 사용했다. 수익을 가속화하려던 레버리지가 오히려 손실을 가속화했다. 모든 전략이 필연적으로 맞닥뜨리는 연속 손실을 버틸 공간이 없었기 때문이다.

패턴 2: 특정 자산 집중

수익을 내는 지갑들은 여러 자산에 노출을 분산하는 경향이 있다. 퍼프스 트레이딩에서 분산이 항상 최적이어서가 아니라, 단일 자산 집중이 취약성을 만들기 때문이다. 포트폴리오 전체가 한 토큰에 대한 레버리지 롱이고 그 토큰이 급락하면, 모든 게 동시에 무너진다. 하락을 상쇄할 비상관 포지션이 없다.

우리 코호트 데이터는 손실 PnL 등급의 지갑들이 수익성 있는 코호트의 지갑들에 비해 총 명목 노출의 훨씬 큰 비중을 단일 자산에 집중하는 경향이 있음을 보여준다. Full Rekt 지갑이 포지션을 열 때, 노출의 불균형한 비중이 한두 개 토큰에 몰려 있는 경향이 있다.

이 집중 문제는 과도한 레버리지와 결합해 복잡해진다. 포트폴리오의 80%를 단일 자산에 집중하고 높은 레버리지를 적용하면, 한 방향의 가격 움직임 하나가 치명적인 손실을 낼 수 있는 포지션이 만들어진다. 동일한 총 명목 노출로 분산된 지갑이라면 일부 포지션이 비상관적이거나 방향이 반대여서 같은 움직임에도 손실 비율이 작을 것이다.

행동적 동인은 대개 확신이다. 손실을 내는 트레이더들은 특정 자산이 특정 방향으로 움직일 거라 확신하게 되고, 그래서 집중한다. 예상대로 움직이지 않으면 줄이는 게 아니라 더 추가한다. 이것이 단일 포지션에서의 감당할 만한 손실을 포트폴리오 전체의 재앙으로 바꿔놓는다.

패턴 3: 손실 만회 집착

이것이 손실 지갑과 다른 모든 이를 구분하는 행동적 특징이다. 수익을 내는 지갑들이 손실을 보면 포지션 규모를 줄이거나 일시적으로 트레이딩을 멈추는 경향이 있다. 손실 지갑들은 손실을 보면 포지션 규모를 늘리고 더 자주 거래한다. "본전 찾겠다"는 충동이 리스크 관리를 압도하고, 결과는 손실 하나가 더 크고 더 공격적인 다음 거래로 이어지는 악순환이다.

우리 데이터는 이 패턴을 거래 빈도에서 명확히 보여준다. Full Rekt와 Giga-Rekt 코호트의 지갑들은 하락 구간 동안 일일 거래 횟수를 늘리는 경향이 있다. 뒤로 물러나 재평가하는 대신 가속 페달을 밟는다. 각각의 새 포지션은 이전 손실을 만회하려는 시도이고, 만회 실패가 거듭될수록 다음 거래의 절박함(과 리스크)이 커진다.

손실 만회 집착은 앞선 두 패턴과 파괴적인 피드백 루프를 이룬다. 트레이더는 과도한 레버리지로 돈을 잃는다. 손실은 만회에 대한 감정적 압박을 만든다. 만회 시도는 더 높은 레버리지를 동반한다. 만회 거래도 실패하면, 트레이더는 자신의 "최선의 아이디어"에 더 공격적으로 집중하고, 이것이 패턴 2의 집중 문제를 만들어낸다. 나선이 끝날 즈음, 계좌는 적당한 손실에서 Full Rekt 또는 그 아래로 떨어져 있다.

자신의 행동을 모니터링하는 누구에게나 핵심 통찰: 연패 중에 거래 빈도가 늘고 있다는 걸 알아차렸다면, 그것이 하위 두 코호트를 정의하는 정확한 패턴을 따르고 있다는 가장 강력한 경고 신호다. 수익성 있는 코호트가 보여주는 올바른 대응은 하락 구간에 거래 활동을 줄이는 것이다.

이 패턴들이 API에서 드러나는 방식

트레이딩 시스템, 리스크 대시보드, 또는 포트폴리오 모니터링 도구를 빌드하고 있다면, HyperTracker의 API를 사용해 이 패턴들을 실시간으로 감지할 수 있다. 관련 엔드포인트들은 코호트 수준 포지션, 개별 지갑 분류, 그리고 손실 코호트 행동을 가시화하는 집계 지표를 제공한다.

지갑의 코호트 분류 조회

어떤 지갑이 PnL 코호트 스펙트럼에서 어느 위치에 있는지 확인하려면 wallets 엔드포인트를 사용하라:

import requests

API_BASE = "https://ht-api.coinmarketman.com/api/external"
headers = {"Authorization": "Bearer YOUR_JWT_TOKEN"}

wallet = requests.get(
    f"{API_BASE}/wallets",
    headers=headers,
    params={"address[]": "0xabc...target", "limit": 1}
).json()

segment_ids = wallet[0].get("segmentIds", [])
# PnL cohorts: 8=Money Printer, 9=Smart Money,
# 10=Consistent Grinder, 11=Humble Earner,
# 12=Exit Liquidity, 13=Semi-Rekt,
# 14=Full Rekt, 15=Giga-Rekt

pnl_cohort = next((s for s in segment_ids if 8 <= s <= 15), None)
if pnl_cohort and pnl_cohort >= 14:
    print("Warning: wallet is in a losing cohort")

필터 구축에 유용하다. 카피 트레이딩 시스템을 운영한다면 Full Rekt 이하로 분류된 지갑은 제외할 수 있다. 역추세 트레이딩 시스템을 운영한다면 손실 코호트들이 한 방향으로 쏠릴 때 더 주의를 기울일 수 있다.

역추세 신호를 위한 코호트 수준 포지션 모니터링

Full Rekt와 Giga-Rekt 지갑들의 집계 포지션은 역추세 지표로 활용할 수 있다. 이 코호트들이 특정 자산에서 한 방향으로 집단적으로 크게 쏠릴 때, 종종 과레버리지된 트레이더들이 컨센서스 뷰로 몰리고 있다는 의미다. 그 컨센서스가 틀렸을 때, 연쇄 청산이 반대 방향 움직임을 가속화할 수 있다.

자산별 코호트 수준 편향을 추적하려면 /coins/metrics 엔드포인트를 사용하라:

# Get positioning data for a specific asset
metrics = requests.get(
    f"{API_BASE}/coins/metrics",
    headers=headers,
    params={"coin": "ETH", "segmentId": 14}  # Full Rekt
).json()

# Compare with Money Printer positioning
mp_metrics = requests.get(
    f"{API_BASE}/coins/metrics",
    headers=headers,
    params={"coin": "ETH", "segmentId": 8}  # Money Printer
).json()

# Look for divergence: losing cohort heavily long
# while profitable cohort is reducing or short

Full Rekt 지갑들이 특정 자산에서 강하게 롱인데 Money Printer들이 노출을 줄이거나 숏으로 기울고 있다면, 그 괴리는 주목할 가치가 있다. 반전을 보장하지는 않는다. 하지만 대부분의 트레이더가 접근할 수 없는 데이터 포인트를 추가해준다. 대부분의 분석 도구는 지갑을 누적 수익성으로 분류하지 않기 때문이다.

수익을 내는 지갑들이 다르게 하는 것들

Money Printer와 Smart Money 코호트와의 대비가 시사하는 바가 있다. 누적 수익 $100K에서 $1M 이상을 달성한 지갑들은 각 손실 패턴의 정반대를 보인다.

• 자본 대비 보수적인 레버리지. 수익을 내는 지갑들은 더 낮은 실효 레버리지를 사용하는 경향이 있어, 과레버리지 계좌를 청산하는 변동성 속에서도 포지션이 살아남는다. 포지션이 엣지가 실현될 만큼 충분히 오래 버틴다.
• 폭넓은 노출 분산. 단일 자산에 집중하는 대신, 수익을 내는 지갑들은 여러 상품에 명목 노출을 분산한다. 방향성 리스크를 제거하지는 않지만, 단일 불리한 움직임이 전체 포트폴리오를 위협하는 것을 막는다.
• 하락 구간의 거래 감소. 수익을 내는 지갑들이 연패를 겪으면, 거래 빈도는 줄어드는 경향이 있다. 뒤로 물러나 재평가하고, 더 좋은 셋업을 기다린다. 손실 코호트를 정의하는 손실 만회 집착의 정반대다.

이 자체로 획기적인 내용은 아니다. "레버리지를 줄이고, 분산하고, 손실 중에 덜 거래하라"는 교과서적 리스크 관리다. 우리 코호트 데이터의 가치는 수천 개 지갑에 걸쳐 이 행동들을 수치화하고, 단일 API 호출로 가시화한다는 데 있다. 자신의 과정이 Money Printer와 Full Rekt 지갑 중 어느 쪽을 더 닮았는지 추측할 필요가 없다. 직접 비교하면 된다.

패턴과 자신의 지갑 대조하기

Hyperliquid에서 거래한다면 HyperTracker를 통해 자신의 지갑 코호트 분류를 조회할 수 있다. PnL 코호트는 누적 결과가 어디에 위치하는지 알려준다. 하지만 코호트 레이블은 후행 지표다. Full Rekt로 분류될 때쯤이면 이미 피해가 발생한 후다.

선행 지표는 행동 패턴 자체다. 세 가지 질문을 해보라.

1. 페이퍼 트레이드보다 높은 레버리지를 쓰고 있는가? 실제 포지션이 백테스트나 시뮬레이션 포지션보다 높은 레버리지로 운용되고 있다면, 전략적 이유가 아닌 감정적 이유(흥분, 조급함, 만회 압박)로 레버리지를 사용하고 있는 것이다.
2. 명목 노출의 절반 이상이 단일 자산에 몰려 있는가? 확신은 좋다. 하지만 단일 자산이 높은 레버리지로 포트폴리오를 지배할 때, 이진 결과가 만들어진다. 거래가 맞거나, 계좌가 심각한 타격을 받거나. 그 이진적 취약성이 Full Rekt 지갑의 구조적 특징이다.
3. 손실 하루를 보낸 후 거래를 더 자주 하고 있는가? 인정하기 가장 어려운 것이다. 일일 거래 횟수와 일일 PnL을 함께 추적해보라. 둘이 반비례 관계라면, 즉 손실일에 더 많이 거래한다면, 하위 두 코호트를 정의하는 정확한 손실 만회 집착 행동을 보이고 있는 것이다.

셋 중 둘 이상에 "그렇다"고 답한다면, 현재 PnL과 무관하게 행동 패턴이 손실 코호트 프로파일과 일치한다. 코호트 분류는 결국 따라잡는다. 그 전에 과정을 고치는 것이 이 분석의 핵심이다.

내 지갑의 위치 확인하기

HyperTracker는 모든 Hyperliquid 지갑을 16개 행동 코호트로 분류한다. 8개는 계좌 규모 기준, 8개는 전체 기간 PnL 기준이다. 어떤 지갑의 코호트도 조회하고, 등급 간 포지션을 비교하고, 우리 API로 리스크 필터를 구축하라. 무료 등급은 하루 100개 요청을 포함한다.

내 코호트 분류 확인하기

시장 신호로서의 손실 코호트

코호트 데이터로 빌드하는 모든 개발자에게 중요한 마지막 분석 층이 있다. Full Rekt와 Giga-Rekt 지갑들은 단순한 반면교사가 아니다. 이들의 집계 행동이 예측 가능한 시장 역학을 만들어내는 시장 참여자들이다.

손실 코호트들이 레버리지를 끼고 한 방향으로 쏠리면, 특정 가격 수준에 청산 리스크 군집이 형성된다. 시장이 그들의 컨센서스 반대로 움직이면, 연쇄 강제 청산이 가격 움직임을 증폭시킨다. 이것이 Hyperliquid 가격 움직임을 지배하는 날카로운 위크 뒤의 메커니즘이다. 손실 코호트의 과레버리지 지갑들이 청산되고, 그들의 강제 매도 또는 매수가 가격을 더 밀어붙이고, 이것이 추가 청산을 촉발한다.

우리의 청산 히트맵은 이 군집들을 시각화한다. 하지만 코호트 레이어는 히트맵만으로는 보여줄 수 없는 것을 더한다. 그 청산 수준에 누가 앉아 있는지 알려준다. 노출된 지갑이 주로 Full Rekt와 Giga-Rekt라면, 연쇄 청산의 확률이 더 높다. 이 지갑들은 청산 엔진이 작동하기 전에 빠져나올 리스크 관리를 갖추고 있을 가능성이 낮기 때문이다.

이것이 패배하는 지갑의 해부도다. 과도한 레버리지, 집중, 손실 만회 집착. 이것들은 개별 계좌를 파괴하는 데 그치지 않는다. 나머지 시장이 그것을 중심으로 거래하는 변동성 이벤트를 만들어낸다. 이 패턴들을 이해하면 더 나은 트레이더가 된다. 이 데이터로 빌드하면 모든 지갑을 동등하게 취급하는 어떤 도구보다 스마트한 툴을 만들 수 있다.