선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 건설경기 관련 및 건설업체 부실화 관련 선행연구들을 살펴보면 건설경기와 건설업체 경영상태 사이에는 밀접한 관계가 있음을 언급하고 있지만 이를 실증적으로 분석한 문헌은 부족한 상태였다. 이러한 관점에서 건설경기 변동과 건설업체 부실화 사이에는 유의미한 관계성을 가지고 있을 것으로 판단되는바 본 연구에서는 건설업체 부실화 정도와 건설경기 간의 관계성을 벡터오차수정모형(VECM : Vector Error Correction Model)을 통해 분석하는 것을 목적으로 한다.
- 본 논문에서는 건설업체 부실화와 건설경기 변동 간의 관계성을 분석하는 것을 목적으로 한다. 이를 위해 본 논문에서는 먼저 KMV 모형을 활용하여 예상부도확률을 측정하고 이를 건설업체 부실화의 대리변수로 활용하였다.
- 각 공종별 건설경기가 상이함에 따라 건설업체 부실화에 미치는 정도도 상이할 것으로 판단되는 바 본 연구에서는 건설경기를 공종별로 분류하여 건설업체 부실화 정도와의 관계성을 분석하였다.
- 본 논문에서는 건설업체 부실화 정도와 건설경기 간의 관계성을 실증분석하는 것을 목적으로 한다. 이를 위해 본 논문에 서는 건설업체 부실화 정도를 나타내는 대리변수로 예상부도 확률을 활용하였다.
제안 방법
- 이를 위해 본 논문에서는 먼저 KMV 모형을 활용하여 예상부도확률을 측정하고 이를 건설업체 부실화의 대리변수로 활용하였다. 예상부도확률은 건설업체 중 상장한 26개 회사를 대상으로 시간 흐름에 따라 측정한 후 각 시점별 평균값을 산출하여 시계열화하였다. KMV 모형을 통해 예상부도확률을 산출하기 위해서 자산가치와 자산가치변동성, 채무불이행점, 만기시점, 무위험이자율 등의 변수들이 필요하다.
- 또한 건설경기 변수들의 경우 공종별로 세분화하였다. 즉 주거용, 비주거용, 토목용 건설투자액을 공종별 건설경기를 대리 하는 변수로 활용하였다. 건설투자액 시계열 자료는 통계청자료를 활용하여 획득하였다.
- 본 논문에서는 예상부도확률, 주거용, 비주거용, 토목용 건설 투자액의 분기별 자료를 활용하여 분석을 수행하였으며, 분석 기간은 2001년 1분기부터 2010년 4분기까지로 설정하였다. 건설업체 부실화와 건설경기 간의 관계성 분석을 수행하기 위해 본 논문에서는 벡터오차수정모형(VECM)을 활용하였다.
- 본 논문에서는 예상부도확률, 주거용, 비주거용, 토목용 건설 투자액의 분기별 자료를 활용하여 분석을 수행하였으며, 분석 기간은 2001년 1분기부터 2010년 4분기까지로 설정하였다. 건설업체 부실화와 건설경기 간의 관계성 분석을 수행하기 위해 본 논문에서는 벡터오차수정모형(VECM)을 활용하였다.
- 이를 위해 먼저 단위근 검정, Granger 인과관계 검정, 공적분 검정등 변수의 기본적 검정을 수행하였다. 이후 분산분해분석과 충격반응분석을 활용하여 변수들 간의 관계성을 확인하였다.
- 이를 위해 먼저 단위근 검정, Granger 인과관계 검정, 공적분 검정등 변수의 기본적 검정을 수행하였다. 이후 분산분해분석과 충격반응분석을 활용하여 변수들 간의 관계성을 확인하였다.
- 또한, 다른 모형들과 가장 큰 차이점은 기업의 자산가치와 자산가치의 변동성을 추정하여 이를 채무불이행확률 예측에 사용한다는 점이다. 우선 주가의 변동성을 통해 기업 자산가치의 변동성을 파악하고, 이를 통해 기업의 자산가치가 부채의 총액보다 떨어질 가능성을 계산한다. 즉, 기업에 대한 신용정보가 시장에서 거래되는 주식에 포함되어 있다고 보고 이러한 시장가치를 통해 기업의 신용위험을 평가하는 것으로, 기존의 회계자료 및 신용평 가기관의 역사적 자료를 통한 등급이 동확률에 의존하는 다른 모형과는 다른 접근법이라고 할 수 있다(이은주 2000).
- 이러한 관점에서 예상부도확률을 시간흐름에 따라 산출함으로서 건설업체 부실화 정도를 시계열화할 수 있다. 이에 따라 본 논문에서는 건설업체 부실화 정도의 대리변수로 예상부도확률을 활용하였다.
- 하지만 본 논문에서 활용한 KMV 모형의 경우 시점별로 예상부도확률을 산출함으로서 부실화 정도의 변화과정을 확인할 수 있다. 이에 본 논문에서는 예상부도확률을 건설업체 부실화의 대리변수로 활용하여 분석에 활용하였다.
- 본 연구에서는 예상부도확률을 산출하여 건설업체 부실화를 나타내는 대리변수로 활용하였다. 예상부도확률을 산출하기 위해 본 연구에서는 표본으로 현재 상장되어 있는 건설업체 중분석기간인 2001년 1분기부터 2010년 4분기까지의 분기별 재무자료가 존재하는 26개 업체로 선정하였다.
- 선정된 26개 업체의 재무자료 및 통계청 자료를 토대로 하여 KMV 모형에 각각 적용한 후 다음 그림 2와 같이 예상부도확률을 산출하고 도출된 예상부도확률의 평균값을 건설업체 부실화 변수로 활용하였다. 예상부도확률을 측정하기 위해서는 다양한 변수들이 필요하다.
- 즉 자산가치 변동성, 자산가치, 채무불이행점, 무위험이자율, 자산수익률의 평균값 등의 변수들이 필요하다. 본 논문에서 무위험이자율로 3년 만기 국공채 이자율을 활용하였고 자산수익률의 평균값은 재무비율 중 총자 산수익률을 이용하였다. 그 외 자산가치 변동성, 자산가치, 채무불이행점은 계산식을 통하여 산출하였다.
- 공종별 건설경기와 건설업체 부실화 간의 관계성을 분석하기 위하여 본 논문에서는 건설업체 부실화의 대리변수인 예상부도 확률과 공종별 건설경기의 대리변수인 주거용 건설투자, 비주거용 건설투자, 토목용 건설투자를 분석변수로 활용하였다. 예상부도확률은 상기 KMV 모형을 통해 산출하였으며 그 외 변수들은 통계청 자료를 통해 확보하였다.
- 단위근 검정을 통해서 시계열에 단위근이 존재하는 것으로 나오는 경우, 공적분 검정을 하여 공적분 벡터가 존재하는지를 살펴보게 된다. 공적분의 경제적 의미는 변수들의 장기적 안정관계를 의미하는 것이다.
- 본 논문에서는 건설업체 부실화 정도와 건설경기 간의 관계성을 실증분석하는 것을 목적으로 한다. 이를 위해 본 논문에 서는 건설업체 부실화 정도를 나타내는 대리변수로 예상부도 확률을 활용하였다. 예상부도확률은 옵션이론을 이론적 토대로 하고 있는 KMV 모형을 통해 산출하였다.
- 예상부도확률은 옵션이론을 이론적 토대로 하고 있는 KMV 모형을 통해 산출하였다. 즉 건설업체 중상장한 26개 회사를 대상으로 시간 흐름에 따라 예상부도확률을 측정한 후 각 시점별 평균값을 산출하여 시계열화하였다. 그 외 건설경기 변수들은 주거용, 비주거용, 토목용 등으로 공종별로 세분화하여 설정하였다.
대상 데이터
- KMV 모형을 통해 예상부도확률을 산출하기 위해서 자산가치와 자산가치변동성, 채무불이행점, 만기시점, 무위험이자율 등의 변수들이 필요하다. 본 논문에서는 예상부도확률 산출을 위한 필요변수들을 획득하기 위해서 한국상장회사협의회에서 구축한 TS2000, 통계청 자료를 활용하였다.
- 즉 주거용, 비주거용, 토목용 건설투자액을 공종별 건설경기를 대리 하는 변수로 활용하였다. 건설투자액 시계열 자료는 통계청자료를 활용하여 획득하였다.
- 본 연구에서는 예상부도확률을 산출하여 건설업체 부실화를 나타내는 대리변수로 활용하였다. 예상부도확률을 산출하기 위해 본 연구에서는 표본으로 현재 상장되어 있는 건설업체 중분석기간인 2001년 1분기부터 2010년 4분기까지의 분기별 재무자료가 존재하는 26개 업체로 선정하였다.
- 공종별 건설경기와 건설업체 부실화 간의 관계성을 분석하기 위하여 본 논문에서는 건설업체 부실화의 대리변수인 예상부도 확률과 공종별 건설경기의 대리변수인 주거용 건설투자, 비주거용 건설투자, 토목용 건설투자를 분석변수로 활용하였다. 예상부도확률은 상기 KMV 모형을 통해 산출하였으며 그 외 변수들은 통계청 자료를 통해 확보하였다. 본 논문에서의 시계열 자료는 2001년 1분기부터 2010년 4분기까지의 분기별 자료이다.
- 예상부도확률은 상기 KMV 모형을 통해 산출하였으며 그 외 변수들은 통계청 자료를 통해 확보하였다. 본 논문에서의 시계열 자료는 2001년 1분기부터 2010년 4분기까지의 분기별 자료이다.
데이터처리
- 건설업체 부실화와 건설경기 간의 관계성 분석을 수행하기 위해 본 논문에서는 벡터오차수정모형(VECM)을 활용하였다. 이를 위해 먼저 단위근 검정, Granger 인과관계 검정, 공적분 검정등 변수의 기본적 검정을 수행하였다. 이후 분산분해분석과 충격반응분석을 활용하여 변수들 간의 관계성을 확인하였다.
- 건설업체 부실화와 건설경기 간의 관계성 분석을 수행하기 위해 본 논문에서는 벡터오차수정모형(VECM)을 활용하였다. 이를 위해 먼저 단위근 검정, Granger 인과관계 검정, 공적분 검정등 변수의 기본적 검정을 수행하였다. 이후 분산분해분석과 충격반응분석을 활용하여 변수들 간의 관계성을 확인하였다.
- 이러한 Granger 인과관계 검정을 하는 이유는 벡터자기회귀모형(VARM)의 경우 내생변수의 인과관계에 따른 배열순서에 따라 분석결과가 예민하게 변화하고 상이한 분석 결과가 도출되기 때문이다(양선주 2009). 이에 따라 본 논문에서는 Granger 인과관계 검정법을 통해 분석변수 사이의 인과관계를 도출하였으며 그 결과는 다음 표 6과 같다. 이를 기초로 하여 벡터오차수정모형(VECM) 을 설정하여 분석을 수행하였다.
- 만일 공적분 검정 결과 공적분이 존재하게 되면 벡터자기회귀모형(VARM)에서 오차수정항을 포함시킨 벡터오차수정모형(VECM)을 활용하여 분석을 수행하여야 한다(박종철 2008). 본 논문에서는 SIC 기준 시차를 1로 결정하여 Johansen 검정법을 통해 공적분을 검정하였으며 그 결과 공적분이 존재하는 것으로 나타남에 따라 벡터오차수정모형(VECM)을 통해 실증분석을 수행하였다.
이론/모형
- 본 논문에서는 건설업체 부실화와 건설경기 변동 간의 관계성을 분석하는 것을 목적으로 한다. 이를 위해 본 논문에서는 먼저 KMV 모형을 활용하여 예상부도확률을 측정하고 이를 건설업체 부실화의 대리변수로 활용하였다. 예상부도확률은 건설업체 중 상장한 26개 회사를 대상으로 시간 흐름에 따라 측정한 후 각 시점별 평균값을 산출하여 시계열화하였다.
- 본 논문에서는 예상부도확률, 주거용, 비주거용, 토목용 건설 투자액의 분기별 자료를 활용하여 분석을 수행하였으며, 분석 기간은 2001년 1분기부터 2010년 4분기까지로 설정하였다. 건설업체 부실화와 건설경기 간의 관계성 분석을 수행하기 위해 본 논문에서는 벡터오차수정모형(VECM)을 활용하였다. 이를 위해 먼저 단위근 검정, Granger 인과관계 검정, 공적분 검정등 변수의 기본적 검정을 수행하였다.
- 본 논문에서는 예상부도확률, 주거용, 비주거용, 토목용 건설 투자액의 분기별 자료를 활용하여 분석을 수행하였으며, 분석 기간은 2001년 1분기부터 2010년 4분기까지로 설정하였다. 건설업체 부실화와 건설경기 간의 관계성 분석을 수행하기 위해 본 논문에서는 벡터오차수정모형(VECM)을 활용하였다. 이를 위해 먼저 단위근 검정, Granger 인과관계 검정, 공적분 검정등 변수의 기본적 검정을 수행하였다.
- 하지만 불안정 시계열 간에 공적분 관계가 존재하게 되면 장기적 균형 관계가 성립되는 바 벡터자기회귀모형의 확장형인 벡터오차수정모형을 활용하여 분석을 수행하는 것이 효과적이다(박종철 2007). 본 논문에서 Johansen 검정법을 통해 공적분 검정을 수행한 결과 공적분이 존재하는 것으로 나타났기 때문에 벡터오차수정모형(VECM)을 이용하여 분석을 수행하였다.
- 이에 따라 본 논문에서는 Granger 인과관계 검정법을 통해 분석변수 사이의 인과관계를 도출하였으며 그 결과는 다음 표 6과 같다. 이를 기초로 하여 벡터오차수정모형(VECM) 을 설정하여 분석을 수행하였다.
- 이를 위해 본 논문에 서는 건설업체 부실화 정도를 나타내는 대리변수로 예상부도 확률을 활용하였다. 예상부도확률은 옵션이론을 이론적 토대로 하고 있는 KMV 모형을 통해 산출하였다. 즉 건설업체 중상장한 26개 회사를 대상으로 시간 흐름에 따라 예상부도확률을 측정한 후 각 시점별 평균값을 산출하여 시계열화하였다.
- 만일 한 변수가 확률보행을 따른다면, 다른 변수에 대한 한 변수의 회귀는 가성회귀(spurious regression) 결과를 초래하게 된다(김홍민 2009). 이에 따라 단위근 검정을 통해 시계열의 안정성 여부를 판단하여야 하며 ADF(Augmented Dickey-Fuller) 검정법을 통해 이를 판별할 수 있다(김명환 2008). ADF검정법을 통해 수준변수에 대하여 단위근 검정을 다음 표 5와 같이 수행한 결과 모든 변수들이 5% 유의수준에서 단위근을 가지는 것으로 나타났다.
성능/효과
- 주거용 건설투자의 경우 IMF 이후 지속적인 주택시장 활황으로 인해 증가추세를 유지했지만 이후 참여정부의 부동산 정책 및 서브프라임 금융위기에 의해 현재까지 하락추세를 나타내고 있다. 반면 공공공사가 대부분인 토목용 건설투자의 경우는 주거용 건설투자와 반대의 추세를 나타내고 있었으며 비주거용 건설투자는 변동양상이 상대적으로 일정한 것으로 확인되었다.
- 즉각 시점별로 건설업체 부실화 정도가 어느정도인지를 산출하는 데에는 한계가 있었다. 하지만 본 논문에서 활용한 KMV 모형의 경우 시점별로 예상부도확률을 산출함으로서 부실화 정도의 변화과정을 확인할 수 있다. 이에 본 논문에서는 예상부도확률을 건설업체 부실화의 대리변수로 활용하여 분석에 활용하였다.
- 이에 따라 단위근 검정을 통해 시계열의 안정성 여부를 판단하여야 하며 ADF(Augmented Dickey-Fuller) 검정법을 통해 이를 판별할 수 있다(김명환 2008). ADF검정법을 통해 수준변수에 대하여 단위근 검정을 다음 표 5와 같이 수행한 결과 모든 변수들이 5% 유의수준에서 단위근을 가지는 것으로 나타났다. 하지만 1차차분변수에 대해서는 5% 유의수준에서 단위근을 가진다는 귀무가설을 기각하는 것으로 나타났다.
- 예상부도확률의 변동 과정에 있어서 예상부도확률 자체의 설명력이 대부분을 차지하고 있었다. 예상부도확률에 변동성에 대한 세부 공종별 건설투자의 설명력을 살펴보면 각 공종별 건설투자 모두 시간이 흐름에 따라 그 설명력이 증가했지만 특히 주거용 건설투자의 설명력이 가장 높은 것으로 나타났다.
- 마찬가지로 주거용 건설투자에 대하여 예상부도확률 역시 시간이 흐름에 따라 그 설명력이 증가하였지만 설명력의 변화폭은 작은 것으로 나타났 다. 비주거용 건설투자의 변동과정에 대해서는 초기에는 예상부도확률의 설명력이 높은 것으로 나타났지만 시간이 지남에 따라 주거용 건설투자의 설명력이 가장 높아지는 것으로 나타났다. 즉 토목용 건설투자의 경우 토목용 건설투자 자체를 제외한 나머지 변수들 중 초기에는 예상부도확률의 설명력이 높았지만 시간이 지남에 따라 주거용 건설투자의 설명력이 가장 높아지는 것으로 나타났다.
- 비주거용 건설투자의 변동과정에 대해서는 초기에는 예상부도확률의 설명력이 높은 것으로 나타났지만 시간이 지남에 따라 주거용 건설투자의 설명력이 가장 높아지는 것으로 나타났다. 즉 토목용 건설투자의 경우 토목용 건설투자 자체를 제외한 나머지 변수들 중 초기에는 예상부도확률의 설명력이 높았지만 시간이 지남에 따라 주거용 건설투자의 설명력이 가장 높아지는 것으로 나타났다.
- 분산분해분석 결과 건설업체 부실화 정도의 변화에 대하여 건설업체 부실화 자체가 가장 영향력을 많이 미치는 것을 확인할 수 있으며, 시간이 지남에 따라서도 그 영향력이 유지됨을 확인할 수 있다. 이는 건설업체가 부실해지면 질수록 원래상태로 회복하는 것은 상당히 힘들게 됨을 나타낸다.
- 또한 국내 건설업체들은 주택건설의 비중이 상당히 높기 때문에 건설업체 부실화에 대한 주거용 건설투자의 설명력이 상대적으로 가장 높은 것으로 나타났다. 각 공종별 건설경기의 변동과정에 건설업체 부실화가 미치는 영향은 주거용 건설투자의 경우는 시간이 지남에 따라 그 영향력이 증가하는 것을 확인할 수 있지만 다른 공종의 건설투자에서는 그 영향력이 상대적으로 일정하게 유지됨을 확인할 수 있다.
- 또한 국내 건설업체들은 주택건설의 비중이 상당히 높기 때문에 건설업체 부실화에 대한 주거용 건설투자의 설명력이 상대적으로 가장 높은 것으로 나타났다. 각 공종별 건설경기의 변동과정에 건설업체 부실화가 미치는 영향은 주거용 건설투자의 경우는 시간이 지남에 따라 그 영향력이 증가하는 것을 확인할 수 있지만 다른 공종의 건설투자에서는 그 영향력이 상대적으로 일정하게 유지됨을 확인할 수 있다. 이는 국내 건설 업체의 사업 포트폴리오에 주택건설 부분이 높은 비중을 차지하기 때문이다.
- 예상부도확률과 세부 공종별 건설투자 간 충격반응분석 결과는 그림 4, 표 9와 같다. 세부 공종별 건설투자 충격에 대하여 예상부도확률의 변동성을 살펴보면 주거용 건설투자의 충격에 음(-)의 방향으로 가장 큰 변화를 나타냄을 확인할 수 있다. 하지만 비주거용 건설투자의 충격에는 예상부도확률의 경우 낮은 변동성을 나타냄을 확인할 수 있다.
- 하지만 비주거용 건설투자의 충격에는 예상부도확률의 경우 낮은 변동성을 나타냄을 확인할 수 있다. 또한 예상부도확률의 충격에 대하여 각 공종별 건설투자의 변동과정을 살펴보면 주거용 건설투자와 비주거용 건설투자의 경우는 음(-)의 방향으로 변동하였지만 토목용 건설투자의 경우는 양(+)의 방향으로 변동하는 것을 확인할 수 있다. 충격반응분석 결과 건설 업체 부실화에 가장 큰 영향을 미치는 것은 분산분해분석 결과와 마찬가지로 주거용 건설투자인 것으로 나타났다.
- 이는 국내 건설업체의 경우 주택건설 비중이 상당히 높기 때문이다. 또한 비주거용 건설투자보다 토목용 건설투자가 건설업체 부실화에더 큰 영향을 미치는 것으로 나타났다. 토목용 건설투자의 경우 공공공사가 대부분임에 따라 비주거용 다른 공종보다 전체 거시경제에 덜 민감한 편이다.
- 또한 건설업체 부실화 충격이 각 공종별 건설투자 변동에 미치는 영향을 살펴보면 건설업체 부실화 충격에 대하여 주거용, 비주거용 건설투자는 역방향으로 변동을 하지만 토목용 건설 투자는 정방향으로 변동하는 것을 확인할 수 있다. 이와 같은 현상은 민간공사 비중이 상대적으로 높은 주거용, 비주거용 건설투자의 경우 시장의 수요-공급 법칙에 따라 그 변동양상이 나타나게 된다.
- 또한 예상부도확률의 충격에 대하여 각 공종별 건설투자의 변동과정을 살펴보면 주거용 건설투자와 비주거용 건설투자의 경우는 음(-)의 방향으로 변동하였지만 토목용 건설투자의 경우는 양(+)의 방향으로 변동하는 것을 확인할 수 있다. 충격반응분석 결과 건설 업체 부실화에 가장 큰 영향을 미치는 것은 분산분해분석 결과와 마찬가지로 주거용 건설투자인 것으로 나타났다. 이는 국내 건설업체의 경우 주택건설 비중이 상당히 높기 때문이다.
후속연구
- 즉 기술력, 인력, 운영관리능력 다양한 기업내부역량을 강화함으로서 외부환경변화에 상대적으로 강하게 건설업체들의 체질 개선이 필요할 것으로 판단된다. 하지만 본 연구은 분석결과를 토대로 정성적인 시사점만을 도출한 한계를 가지고 있는 것으로 판단된다. 또한 실제 부도회사 자료를 기초로 하지 못한 부분에 대하여 연구의 한계가 존재하는 것으로 판단된다.
- 하지만 본 연구은 분석결과를 토대로 정성적인 시사점만을 도출한 한계를 가지고 있는 것으로 판단된다. 또한 실제 부도회사 자료를 기초로 하지 못한 부분에 대하여 연구의 한계가 존재하는 것으로 판단된다. 이에 따라 다각화지수 등을 산출하여 관계성을 분석함으로서 사업포트폴리오 최적 구성비율이나 실제 부도회사를 자료를 활용한 분석 등 추가적인 연구가 필요할 것으로 판단된다.
- 또한 실제 부도회사 자료를 기초로 하지 못한 부분에 대하여 연구의 한계가 존재하는 것으로 판단된다. 이에 따라 다각화지수 등을 산출하여 관계성을 분석함으로서 사업포트폴리오 최적 구성비율이나 실제 부도회사를 자료를 활용한 분석 등 추가적인 연구가 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.