본 논문에서는 건설경기가 규모별 건설업체 부실화에 미치는 영향을 벡터오차수정모형(VECM : Vector Error Correction Model)을 통해 분석하는 것을 목적으로 한다. 본 논문에서는 먼저 KMV(Kealhofer, McQuown and Vasicek) 모형을 기반으로 산출하는 예상부도확률을 건설업체 부실화를 나타내는 대리변수로 정의하였다. 본 논문에서는 규모별로 예상부도확률을 측정하기 위해서 건설업체 상장기업 중 30개 업체를 선정하여 규모별로 상위 15개와 하위 15개로 구분하였다. 건설경기 변화를 대리하는 변수로 주거용, 비주거용, 토목용 건설수주액을 활용하였다. 각 변수들의 시계열 데이터는 한국상장회사협의회의 TS2000과 통계청 자료를 통해 확보하였다. 분석기간은 2001년 2분기부터 2015년 4분기까지로 설정하였다. 먼저 규모별 건설업체의 예상부도확률을 산출한 결과, 일반적으로 알려진 바와 같이 대형 건설업체가 상대적으로 규모가 작은 건설업체보다 부실화 정도가 낮은 것으로 확인되었다. 하지만 벡터오차수정모형을 기반으로 한 충격반응분석 결과 대규모 건설업체가 경기 변동에 더욱 민감하게 반응하며, 특히 대규모 건설업체 경영상태 변화에 주거용 건설시장 변화가 주요 요인인 것을 확인할 수 있었다.
본 논문에서는 건설경기가 규모별 건설업체 부실화에 미치는 영향을 벡터오차수정모형(VECM : Vector Error Correction Model)을 통해 분석하는 것을 목적으로 한다. 본 논문에서는 먼저 KMV(Kealhofer, McQuown and Vasicek) 모형을 기반으로 산출하는 예상부도확률을 건설업체 부실화를 나타내는 대리변수로 정의하였다. 본 논문에서는 규모별로 예상부도확률을 측정하기 위해서 건설업체 상장기업 중 30개 업체를 선정하여 규모별로 상위 15개와 하위 15개로 구분하였다. 건설경기 변화를 대리하는 변수로 주거용, 비주거용, 토목용 건설수주액을 활용하였다. 각 변수들의 시계열 데이터는 한국상장회사협의회의 TS2000과 통계청 자료를 통해 확보하였다. 분석기간은 2001년 2분기부터 2015년 4분기까지로 설정하였다. 먼저 규모별 건설업체의 예상부도확률을 산출한 결과, 일반적으로 알려진 바와 같이 대형 건설업체가 상대적으로 규모가 작은 건설업체보다 부실화 정도가 낮은 것으로 확인되었다. 하지만 벡터오차수정모형을 기반으로 한 충격반응분석 결과 대규모 건설업체가 경기 변동에 더욱 민감하게 반응하며, 특히 대규모 건설업체 경영상태 변화에 주거용 건설시장 변화가 주요 요인인 것을 확인할 수 있었다.
This study analyzed the impact of changes in the construction business on construction company insolvency according to their size using the vector error correction model. First, this study applied EDF (Expected Default Frequency), which was calculated by KMV (Kealhofer, McQuown and Vasicek) model, a...
This study analyzed the impact of changes in the construction business on construction company insolvency according to their size using the vector error correction model. First, this study applied EDF (Expected Default Frequency), which was calculated by KMV (Kealhofer, McQuown and Vasicek) model, as a variable to indicate the insolvency of construction companies. This study set 30 construction companies listed to KOSPI/KOSDAQ for estimating the EDF by size and construction companies were divided into two groups according to their size. To examine the construction business cycles, the amount of construction orders according to the type-residential, non-residential, and civil work- was used as a variable. The serial data was retrieved from TS2000 established by the Korea Listed Companies Association (KLCA), Statistics Korea. The analysis period was between the second quarter of 2001 and fourth quarter of 2015. As a result of calculating the EDF of construction companies by size, as it is generally known, the large-sized construction companies showed lower levels of insolvency than relatively smaller-sized construction companies. On the other hand, impulse response analysis based on VECM confirmed that the level of insolvency of large-scaled companies is more sensitive to business fluctuations than relatively smaller-sized construction companies, particularly changes in the residential construction market. Hence it is a major factor affecting the changes in insolvency of large-sized construction companies.
This study analyzed the impact of changes in the construction business on construction company insolvency according to their size using the vector error correction model. First, this study applied EDF (Expected Default Frequency), which was calculated by KMV (Kealhofer, McQuown and Vasicek) model, as a variable to indicate the insolvency of construction companies. This study set 30 construction companies listed to KOSPI/KOSDAQ for estimating the EDF by size and construction companies were divided into two groups according to their size. To examine the construction business cycles, the amount of construction orders according to the type-residential, non-residential, and civil work- was used as a variable. The serial data was retrieved from TS2000 established by the Korea Listed Companies Association (KLCA), Statistics Korea. The analysis period was between the second quarter of 2001 and fourth quarter of 2015. As a result of calculating the EDF of construction companies by size, as it is generally known, the large-sized construction companies showed lower levels of insolvency than relatively smaller-sized construction companies. On the other hand, impulse response analysis based on VECM confirmed that the level of insolvency of large-scaled companies is more sensitive to business fluctuations than relatively smaller-sized construction companies, particularly changes in the residential construction market. Hence it is a major factor affecting the changes in insolvency of large-sized construction companies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 건설경기 변동이 규모별 건설업체 부실화에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 본 논문에서는 먼저 KMV 모형을 기반으로 산출하는 예상부도확률을 건설업체 부실화를 나타내는 대리변수로 정의하였다.
본 논문에서는 건설업체 부실화 변동과정을 확인하기 위하여 KMV 모형을 통해 예상부도확률을 산출하였다. 본 논문에서 예상부도확률을 산출하기 위해서 상장된 건설업체 중 분석 기간 동안 분기별 재무자료 및 주가자료를 확인할 수 있는 30개 업체를 분석 표본으로 선정하였다.
본 논문에서는 공종별 건설경기 변화가 건설업체 규모별 부실화 변동에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 본 논문에서는 먼저 건설업체 부실화 변수로 예상부도확률을 정의하였다.
그랜져 인과관계 검정은 경제이론을 배제한 상태에서 시차분포모형(lag distributed model)을 활용하여 원인변수와 결과변수를 명확하게 구분하기 위한 방법이다[26]. 이에 본 논문에서는 그랜져 인과관계 검정을 통해 다음 표 4, 5와 같이 각 모델에 대하여 변수들 간 인과관계를 검토하였다.
제안 방법
이를 위해 본 논문에서는 먼저 건설업체 부실화 변수로 예상부도확률을 정의하였다. KMV 모형을 통해 예상부도확률을 산출하기 위하여 건설업체 상장기업 중 30개 업체를 선정하고 해당 업체들을 규모별로 구분하여 상위 15개 업체를 모델 1에, 하위 15개 업체를 모델 2로 설정하였다. 각 모델에 배정된 건설업체들의 예상부도확률을 시간 흐름에 따라 산출한 후 평균하여 시계열화하였다.
또한 건설경기 변수들의 경우 주거용, 비주거용, 토목용으로 세분화하였다. 각 건설경기 변수들은 해당 공종의 건설수주액을 대리변수로 활용하였다. 각 변수들의 시계열자료는 통계청에서 확보하였다.
KMV 모형을 통해 예상부도확률을 산출하기 위하여 건설업체 상장기업 중 30개 업체를 선정하고 해당 업체들을 규모별로 구분하여 상위 15개 업체를 모델 1에, 하위 15개 업체를 모델 2로 설정하였다. 각 모델에 배정된 건설업체들의 예상부도확률을 시간 흐름에 따라 산출한 후 평균하여 시계열화하였다. 본 논문에서는 각 모델의 변수들의 분기별 시계열 데이터를 통계청 및 한국상장회사협의회의 TS2000을 통해 확보하였으며, 분석기간은 2001년 2분기부터 2015년 4분기까지로 결정하였다.
이후 해당 업체들을 규모별로 구분하여 상위 15개 업체를 모델 1에, 하위 15개 업체를 모델 2에 편입하였다. 각 모델에 배정된 업체들을 대상으로 시간 흐름에 따라 각각의 예상부도 확률을 측정한 후 모델별 각 시점별 평균값을 산출하였다. 도출된 각 모델별 예상부도확률 평균값을 해당 모델의 건설업체 부실화 변수의 시계열 자료로 활용하였다.
본 논문에서는 무위험이자율은 3년 만기 국공채 이자율을, 자산수익률의 평균값은 재무제표를 통해 총자산수익률을 산출하여 적용하였다. 그 외 자산가치, 자산가치 변동성, 채무불이행점은 상기 계산식을 통하여 산출하였다. 이렇게 산출된 각 건설업체의 예상부도확률을 상위 15개, 하위 15개로 구분하여 각 집단의 시점별 예상부도확률 평균값을 도식화하면 다음 그림 2와 같다.
본 논문에서 예상부도확률을 산출하기 위해서 상장된 건설업체 중 분석 기간 동안 분기별 재무자료 및 주가자료를 확인할 수 있는 30개 업체를 분석 표본으로 선정하였다. 또한 규모별 건설업체 부실화 변동과정을 살펴보기 위하여 해당 표본을 시공능력평가액 상위 15개, 하위 15개로 구분하였다. 분석기간인 2001년 2분기부터 2015년 4분기까지이다.
충격반응분석은 모형 내 변수에 1 표준편차의 충격을 가했을 때 변수 자체 및 다른 변수들이 일정 시간동안 변동하는 결과를 확인함으로써 변수 간의 상호 연관관계와 파급효과를 분석한다[27]. 본 논문에서는 각 모델의 벡터오차 수정모형을 설정한 후 충격반응분석을 실시하여 건설경기 변동이 규모별 건설업체 부실화에 미치는 영향을 비교하였다.
상기 그림 1에서 확인할 수 있듯이 KMV 모형을 통해 예상부도확률을 산출하기 위해서는 자산가치, 자산가치 변동성, 채무불이행점, 무위험이자율, 자산수익률의 평균값 등의 변수들이 필요하다. 본 논문에서는 무위험이자율은 3년 만기 국공채 이자율을, 자산수익률의 평균값은 재무제표를 통해 총자산수익률을 산출하여 적용하였다. 그 외 자산가치, 자산가치 변동성, 채무불이행점은 상기 계산식을 통하여 산출하였다.
본 논문에서는 예상부도확률, 주거용, 비주거용, 토목용 건설수주액의 분기별 자료를 통해 실증분석을 수행하였다. 분석기간은 2001년 2분기부터 2015년 4분기까지로 설정하였다.
하지만 만약 불안정성에 의해 단위근을 포함하고 있는 시계열 자료들 간에 공적분 관계가 성립된다면 벡터자기회귀모형에서 오차수정항을 추가한 벡터오차수정모형 (VECM : Vector Error Correction Model)을 통해 실증분석을 수행하여야 한다[21]. 본 연구에서는 공적분 검정을 수행한 결과, 실제로 변수들 간 공적분 관계가 성립하는 것으로 확인되었으므로 벡터오차수정모형을 통해 분석을 수행하였다.
분석결과, 모델 1은 주거용 건설수주액(Residence), 예상부도확률(EDF_top), 토목용 건설수주액(Civil), 비주거용 건설수주액(Non-Residence) 순서로 인과관계를 설정하였고, Model 2는 토목용 건설수주액(Civil), 주거용 건설수주액(Residence), 예상부도확률(EDF_top), 비주거용 건설수주액(Non-Residence) 순서로 인과관계를 설정하여 모형 내 배열순서를 결정하였다.
KMV 모형이 다른 모형들과 가장 큰 차이점은 기업의 자산가치와 자산가치의 변동성을 추정하여 이를 부도확률 예측에 사용한다는 점이다. 우선, 주가 수익률의 변동성을 통해 기업자산가치의 변동성을 파악하고, 이를 통해 기업의 자산가치가 부채의 총액보다 아래로 떨어질 가능성을 계산한다. 즉 기업에 대한 신용정보가 시장에서 거래되는 주식에 포함되어 있다고 보고 이러한 시장가치를 통해 기업의 신용위험을 평가하는 것으로 기존의 회계자료 및 신용평가기관의 역사적 자료를 통한 등급 이동확률에 의존하는 다른 모형과는 매우 다른 접근법이라고 할 수 있다[16].
본 논문에서는 건설경기 변동이 규모별 건설업체 부실화에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 본 논문에서는 먼저 KMV 모형을 기반으로 산출하는 예상부도확률을 건설업체 부실화를 나타내는 대리변수로 정의하였다. 본 논문에서는 예상부도확률을 측정하기 위해서 건설업체 상장기업 중 30개 업체를 선정하였다.
본 논문에서는 공종별 건설경기 변화가 건설업체 규모별 부실화 변동에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 본 논문에서는 먼저 건설업체 부실화 변수로 예상부도확률을 정의하였다. KMV 모형을 통해 예상부도확률을 산출하기 위하여 건설업체 상장기업 중 30개 업체를 선정하고 해당 업체들을 규모별로 구분하여 상위 15개 업체를 모델 1에, 하위 15개 업체를 모델 2로 설정하였다.
이에 따라 본 논문에서는 KMV 모형을 활용하여 표본으로 선정된 건설업체들의 예상부도확률을 시점별로 산출한 후 시계열 변수화하였다. 이를 통해 건설업체 부실화 변수의 데이터를 확보하여 실증분석에 적용하였다.
또한 모델 1, 2변수들의 배열 순서를 정의하기 위하여 그랜져 인과관계검정을 실시하였다. 이를 통해 벡터오차수정모형을 설정한 후 충격반응분석을 실시하여 분석을 수행하였다. 본 논문에서는 Eviews-8 통계 소프트웨어를 이용하였다.
KMV 모형은 세계 21,000개 즉, 북미의 비금융기관 9,000개사, 유럽의 4,1000개사, 아시아 태평양권 기업 4,400개사, 다국적 금융기관 4,300개사 등에서 활용하고 있다[18]. 이에 따라 본 논문에서는 KMV 모형을 활용하여 표본으로 선정된 건설업체들의 예상부도확률을 시점별로 산출한 후 시계열 변수화하였다. 이를 통해 건설업체 부실화 변수의 데이터를 확보하여 실증분석에 적용하였다.
이에 본 논문에서는 먼저 다음 표 2와 같이 모델 1, 2에 대하여 적정시차 검정을 수행하였으며, 그 결과 SIC기준이 최소가 되는 시차 1을 적정시차로 채택하였다.
해당 문헌들의 경우, KMV 모형을 적용하여 건설업체 부실화 과정을 실증분석함으로서, KMV 모형을 활용한 건설업체 부실화 평가의 객관성을 선행적으로 확인하였다. 또한 기존 다양한 재무지표들은 의미하는 바가 상이함에 따라 미분양주택, 건설경기 등 다양한 변수들과 건설업체 부실화 간의 관계성을 종합적인 관점에서 확인하는데 한계를 가지고 있었다.
대상 데이터
각 건설경기 변수들은 해당 공종의 건설수주액을 대리변수로 활용하였다. 각 변수들의 시계열자료는 통계청에서 확보하였다.
각 모델에 배정된 업체들을 대상으로 시간 흐름에 따라 각각의 예상부도 확률을 측정한 후 모델별 각 시점별 평균값을 산출하였다. 도출된 각 모델별 예상부도확률 평균값을 해당 모델의 건설업체 부실화 변수의 시계열 자료로 활용하였다. KMV모형을 활용하여 예상부도확률을 산출하기 위해서는 자산가치, 자산가치 변동성, 채무불이행점, 만기시점 및 무위험이자율 등의 변수들이 필요하다.
본 논문에서는 건설업체 부실화 변동과정을 확인하기 위하여 KMV 모형을 통해 예상부도확률을 산출하였다. 본 논문에서 예상부도확률을 산출하기 위해서 상장된 건설업체 중 분석 기간 동안 분기별 재무자료 및 주가자료를 확인할 수 있는 30개 업체를 분석 표본으로 선정하였다. 또한 규모별 건설업체 부실화 변동과정을 살펴보기 위하여 해당 표본을 시공능력평가액 상위 15개, 하위 15개로 구분하였다.
각 모델에 배정된 건설업체들의 예상부도확률을 시간 흐름에 따라 산출한 후 평균하여 시계열화하였다. 본 논문에서는 각 모델의 변수들의 분기별 시계열 데이터를 통계청 및 한국상장회사협의회의 TS2000을 통해 확보하였으며, 분석기간은 2001년 2분기부터 2015년 4분기까지로 결정하였다.
이를 위해 본 논문에서는 먼저 KMV 모형을 기반으로 산출하는 예상부도확률을 건설업체 부실화를 나타내는 대리변수로 정의하였다. 본 논문에서는 예상부도확률을 측정하기 위해서 건설업체 상장기업 중 30개 업체를 선정하였다. 이후 해당 업체들을 규모별로 구분하여 상위 15개 업체를 모델 1에, 하위 15개 업체를 모델 2에 편입하였다.
본 논문에서는 예상부도확률, 주거용, 비주거용, 토목용 건설수주액의 분기별 자료를 통해 실증분석을 수행하였다. 분석기간은 2001년 2분기부터 2015년 4분기까지로 설정하였다. 건설경기가 규모별 건설업체 부실화에 미치는 영향을 분석하기 위해서 벡터오차수정모형을 이용하였다.
또한 규모별 건설업체 부실화 변동과정을 살펴보기 위하여 해당 표본을 시공능력평가액 상위 15개, 하위 15개로 구분하였다. 분석기간인 2001년 2분기부터 2015년 4분기까지이다.
KMV모형을 활용하여 예상부도확률을 산출하기 위해서는 자산가치, 자산가치 변동성, 채무불이행점, 만기시점 및 무위험이자율 등의 변수들이 필요하다. 이에 본 논문에서는 해당 변수들을 도출하기 위하여 한국상장회사협의회의 TS2000과 통계청 자료를 활용하였다.
데이터처리
먼저 모델 1, 2 변수들의 안정성 여부를 판단하기 위해서 ADF (Augmented Dickey-Fuller) 단위근검정을 수행하고 변수들 간의 안정적 선형관계를 확인하기 위하여 공적분 검정을 실시하였다. 또한 모델 1, 2변수들의 배열 순서를 정의하기 위하여 그랜져 인과관계검정을 실시하였다. 이를 통해 벡터오차수정모형을 설정한 후 충격반응분석을 실시하여 분석을 수행하였다.
건설경기가 규모별 건설업체 부실화에 미치는 영향을 분석하기 위해서 벡터오차수정모형을 이용하였다. 먼저 모델 1, 2 변수들의 안정성 여부를 판단하기 위해서 ADF (Augmented Dickey-Fuller) 단위근검정을 수행하고 변수들 간의 안정적 선형관계를 확인하기 위하여 공적분 검정을 실시하였다. 또한 모델 1, 2변수들의 배열 순서를 정의하기 위하여 그랜져 인과관계검정을 실시하였다.
이를 토대로 본 논문에서는 대표적인 공적분 검정방법인 Johansen 검정법을 활용하여 다음 표 3과 같이 공적분 검정을 수행한 결과, 모델 1, 2의 각 변수들 간에 유의수준 0.05를 기준으로 공적분 관계가 성립되는 것으로 확인된 바, 벡터오차수정모형을 통해 실증분석을 수행하였다.
이론/모형
분석기간은 2001년 2분기부터 2015년 4분기까지로 설정하였다. 건설경기가 규모별 건설업체 부실화에 미치는 영향을 분석하기 위해서 벡터오차수정모형을 이용하였다. 먼저 모델 1, 2 변수들의 안정성 여부를 판단하기 위해서 ADF (Augmented Dickey-Fuller) 단위근검정을 수행하고 변수들 간의 안정적 선형관계를 확인하기 위하여 공적분 검정을 실시하였다.
이를 통해 벡터오차수정모형을 설정한 후 충격반응분석을 실시하여 분석을 수행하였다. 본 논문에서는 Eviews-8 통계 소프트웨어를 이용하였다.
하지만 기존 문헌들에서는 건설경기 변화가 규모별 건설업체 부실화 과정에 어떠한 영향을 미치는지에 대하여 실증적으로 분석하는 데에는 한계를 가지고 있었다. 이에 따라 건설경기 변동이 규모별 건설업체 부실화에 유의미한 영향을 미치는 것으로 판단되는바, 본 연구에서는 건설경기가 규모별 건설업체 부실화에 미치는 영향을 벡터오차수정모형(VECM : Vector Error Correction Model)을 통해 분석하였다.
이에 변수들의 안정성을 확인하기 위한 방법으로 단위근 검정이 이루어진다[22]. 이에 따라 본 논문에서는 대표적인 단위근 검정방법인 ADF(Augmented Dickey-Fuller) 검정법을 통해 시계열의 안정성 여부를 판별하였다. 검증결과, 표 1과 같이 모델 1, 2로 구성할 각 시계열의 수준변수에서는 대부분 단위근이 존재하는 것으로 나타났지만 1차 차분변수에서는 해당 시계열이 안정적인 것으로 나타났다.
성능/효과
이에 따라 본 논문에서는 대표적인 단위근 검정방법인 ADF(Augmented Dickey-Fuller) 검정법을 통해 시계열의 안정성 여부를 판별하였다. 검증결과, 표 1과 같이 모델 1, 2로 구성할 각 시계열의 수준변수에서는 대부분 단위근이 존재하는 것으로 나타났지만 1차 차분변수에서는 해당 시계열이 안정적인 것으로 나타났다.
0998% 양(+)의 변동을 나타냈다. 또한 상위 15개 업체의 예상부도확률은 비주거 및 토목 건설수주액 충격에 대하여 지속적으로 양(+)의 방향으로 변동폭이 증가하여 최종 10분기에 약 0.0212%, 0.0074%의 변동을 나타냈다. 반면 주거용 건설수주액 충격에 대하여 상위 15개 업체의 예상부도확률은 초기부터 음(-)의 방향으로 변동하여 최종 10분기에는 약 0.
또한 특징적인 점은 비주거용 및 토목용 건설수주역 증가는 예상부도확률을 높이는 것으로 나타났다. 이는 비주거용, 토목용 프로젝트가 수익성이 매우 낮았다기보다는 전반적인 건설시장변화가 비주거용, 특히 토목용 프로젝트 발주 물량에 주거용 프로젝트보다 상대적으로 큰 영향을 미치지 않기 때문에 해당 결과가 나타난 것으로 판단된다.
또한 하위 15개 업체의 예상부도확률은 토목 건설수주액 충격에 대하여 지속적으로 양(+)의 방향으로 변동폭이 증가하여 4분기에는 약 0.0070% 변동을 나타냈다. 이후 다소 변동폭이 감소하여 최종 10분기에는 약 0.
먼저 KMV 모형을 통한 예상부도확률 산출값을 비교한 결과 일반적으로 알려진 바와 같이 대형 건설업체가 상대적으로 규모가 작은 건설업체보다 경영상태가 양호한 것으로 나타났다. 이는 건설산업구조에 기인한다.
분석결과를 종합하면, 모델 1, 2의 유사점은 주거용 건설수주액 충격에는 예상부도확률이 음(-)의 방향으로 변동하였으며, 비주거용 및 토목용 건설수주액 충격에는 양(+)의 방향으로 변동하였다는 것이다. 일반적으로 건설수주액이 증가하게 되면 건설업체의 매출액이 상승함에 따라 예상부도확률은 낮아져야 한다.
모델 1, 2의 특징적인 차이점은 주거용, 비주거용, 토목용 건설수주액 충격에 대한 예상부도확률 변동폭에 있다. 즉 상위 15개 업체의 예상부도확률 변동폭이 하위 15개 업체의 예상부도확률 변동폭보다 큰 것을 확인할 수 있다. 이는 대형 건설업체가 상대적으로 규모가 작은 건설업체에 비해 시장 민감도가 큰 것을 의미한다.
특히 건설업체 부실화 관련 문헌 중 건설업체 규모별 특성을 고려하여 중소건설업체의 부실화 관련 연구들도 존재하는 것으로 확인되었다. 강미 외 1명(2009)는 중소건설업체의 부실화 원인을 확인하고, 생존분석을 통하여 건설기업의 부실화를 예측할 수 있는 요인을 분석하였다[8].
하지만 충격반응분석 결과 대규모 건설업체가 경기변동에 더욱 민감하게 반응하며, 특히 대규모 건설업체 경영상태 변화에 주거용 건설시장변화가 주요 요인인 것을 확인할 수 있었다. 이는 매우 유의미한 시사점을 나타낸다.
후속연구
해당 문헌들의 경우, KMV 모형을 적용하여 건설업체 부실화 과정을 실증분석함으로서, KMV 모형을 활용한 건설업체 부실화 평가의 객관성을 선행적으로 확인하였다. 또한 기존 다양한 재무지표들은 의미하는 바가 상이함에 따라 미분양주택, 건설경기 등 다양한 변수들과 건설업체 부실화 간의 관계성을 종합적인 관점에서 확인하는데 한계를 가지고 있었다. 이에 따라 기존 문헌에서도 건설업체 부실화를 단일 지표로 가늠할 수 있는 예상부도확률을 활용하여 다른 변수들과의 관계성을 효과적으로 분석하고 있었다.
이는 결국 시장 변화에 대형 건설업체들이 상당히 민감하게 반응하는 것을 나타내는 바, 급격한 시장변화에 매우 취약하다는 것을 확인할 수 있다. 이와 같이 예상부도확률을 통해 건설업체 부실화 변동과정을 시간 흐름에 따라 확인할 수 있는바, 예상부도확률을 건설업체 부실화 변수로 활용할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
본 논문에서 부실화 영향 분석을 위해 지정한 건설경기 변수는 무엇으로 세분화 하였는가?
또한 건설경기 변수들의 경우 주거용, 비주거용, 토목용으로 세분화하였다. 각 건설경기 변수들은 해당 공종의 건설수주액을 대리변수로 활용하였다.
산업경기 및 부동산 경기의 변화가 건설수요의 불안정을 초래하는 이유는 무엇인가?
특히, 국가에서 일어나는 일련의 사건에 예민하게 반응하며, 정치, 경제, 사회 및 국제정세 변화에 따른 산업경기 및 부동산 경기의 변화는 건설수요의 불안정을 초래한다. 이는 건설산업이 수주산업으로서 발주자가 정부기관, 공공기관, 민간기업, 개인 등에 이르기까지 다양하여 이러한 변화에 예민하게 반응하기 때문이다[1].
건설산업은 어떤 특수성을 갖는가?
건설산업은 국가기간산업으로서 제조업 등 타 산업과 달리 일품수주 생산, 옥외이동 생산, 인력의존 생산, 경기의존 생산 등과 같은 특수성을 가지고 있다. 특히, 국가에서 일어나는 일련의 사건에 예민하게 반응하며, 정치, 경제, 사회 및 국제정세 변화에 따른 산업경기 및 부동산 경기의 변화는 건설수요의 불안정을 초래한다.
참고문헌 (27)
C. B. Son, C. D. Oh "Estimation of Labor Demand by Business Fluctuations in the Construction Market", Journal of the Architectural Institute of Korea Structure & Construction, 22(5), pp. 211-218, 2006.
S. W. Jang, S. K. Kim, S. H. Lee, J. J. Kim "An Analysis on the Stability Fluctuation of Construction Company related Housing Construction Business", Journal of the Architectural Institute of Korea Planning & Design, 25(10), pp. 217-224, 2009.
S. W. Jang, S. H. Lee, J. J. Kim "Relationship between the Financial Crisis of Construction Companies and Macroeconomic Fluctuations", Journal of the Architectural Institute of Korea Planning & Design, 26(8), pp. 237-244, 2010.
S. G. Lee, G. S. Jeon "A Study on Bankruptcy Risk Model of Housing Construction Companies", Korea Real Estate Academy Review, 39, pp. 302-315, 2009.
H. Moon, Y. S. Lee, J. J. Kim "A Study on the Polarization in the Construction Industry through the Investigation about Perception of General and Prime Contractors", Journal of the Architectural Institute of Korea Structure & Construction, 22(10), pp. 147-154, 2006.
Y. S. Jeon, B. R. Park, C. S. Park "A Survival Predicting Model of the Construction Firm", Journal of the Architectural Institute of Korea Structure & Construction, 18(12), pp. 165-172, 2002.
W. Y. Heo, C. M. Suk, W. J. Kim "A Study on the Forecast of Construction Business Failure according to Financial Ratio", Journal of The Korean Institute of Building Construction, 4(2), pp. 137-142, 2004. DOI: http://dx.doi.org/10.5345/JKIC.2004.4.2.137
M. Kang, J. W. Lee "Survival Analysis of Small and Medium Size Construction Enterprises Using Cox's Proportional Hazards Mode", Journal of the Korea Real Estate Analysts Association, 15(2), pp. 41-57, 2009.
O. K. Kwon "An Empirical Study on the Forecasting Model of Specialty Constructors' Insolvency", Master's Thesis, Chung-Ang University, 2011.
K. H. Kang "Developing a Model to Predict the Insolvency of Medium and Small General Contractor", Master's Thesis, Hanyang University, 2012.
I. S. Choi, S. K. Yoo, J. J. Kim "Measuring Default Risk of Construction Company Using KMV-model", Journal of the Architectural Institute of Korea Structure & Construction, 29(2), pp. 67-74, 2013.
J. K. Choi, S. K. Yoo, J. J. Kim "Relationship Between the Default Risk of a Construction Company and Unsold Housing Stock", Journal of the Architectural Institute of Korea Structure & Construction, 29(6), pp. 89-96, 2013.
J. B. Seo, S. H. Lee, J. J. Kim "Analysis of Correlation between Construction Business and Insolvency of Construction Company", Korean Journal of Construction Engineering and Management, 14(3), pp. 3-11, 2013. DOI: http://dx.doi.org/10.6106/kjcem.2013.14.3.003
S. W. Jang "Analysis of Dynamic Relationship between Changes in Domestic and Overseas Orders and Insolvency of Construction Companies", Korean Journal of Construction Engineering and Management, 15(2), pp. 87-94, 2014. DOI: http://dx.doi.org/10.6106/KJCEM.2014.15.2.087
I. K. Hwang "An empirical study on the corporate default prediction using stock price information - Changes in default rates after the credit risk crisis -", Master's Thesis, Yonsei University, 2009.
E. J. Lee "A Study on Credit Risk Management based on KMV Credit Monitor Model", Master's Thesis, Yonsei University, 2000.
J. W. Choi "The Prediction of Corporate Bankruptcy Combining Survival Analysis and KMV model", Master's Thesis, Konkuk University, 2009.
S. H. Yoon "Credit Risk Management using traded stock prices - Empirical study on KMV model -", Master's Thesis, Ewha University, 2001.
D. W. Kang "The analysis of stock price by using the VAR-model", Master's Thesis, Chungnam National University, 2001.
J. H. Jeon "The Influence of Building Permission Area on Housing Purchase Price Index", Master's Thesis, Konkuk University, 2012.
J. H. Choi "An Analysis of the Dynamic Relationship hetween KOSPI200 Index and Futures using ECM", Master's Thesis, Seoul National University, 2000.
W. S. Cho "A Study on the Effects of the open Macroeconomic Variables on the Economic Growth", Doctoral Thesis, Dongkuk University, 2011.
D. Y. Yang "The Effects of Oil Price Changes on the Industrial Stock Index", Master's Thesis, Sung Kyun Kwan University, 2009.
S. K. Kim, S. H. Lee, J. J. Kim "Analyzing Fluctuation of Construction Business under the Influence of Macroeconomic Factors", Journal of the Architectural Institute of Korea Planning & Design, 26(4), pp. 263-270, 2010.
S. J. Yang "A VAR Analysis of the Term Structure of Interest Rate in the Korean Bond Market", Master's Thesis, Ewha University, 2009.
H. S. Lee "A Study on the Influence of Macroeconomic Factors upon the Housing Transaction and the Jeonse Rental Index", Doctoral Thesis, Kyungwon University, 2007.
M. K. Ahn, H. Moon, J. J. Kim "The Impacts of Construction Investment related Building Permit Area Indicator", Journal of the Architectural Institute of Korea Structure & Construction, 22(12), pp. 155-164, 2006.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.