주수급자 역할을 하는 건설기업의 부실화는 발주자에게 공사계약 미이행에 따른 피해를 초래할 수 있고, 전문건설업체 및 자재공급업체의 재무건전성에 악영향을 줄 수 있다. 건설업은 프로젝트를 수주하고 진도에 따라 기성을 받는 현금흐름의 재무적 특성이 존재하고, 사업 진행 중의 부실화는 투입한 자금의 손실로 이어질 수 있으므로 건설업체의 부실화 예측은 중요하다. 국내 건설업체의 부실화 예측은 90년도 초 미국에서 개발된 KMV (Kealhofer McQuown and Vasicek)사의 KMV모형으로 수행되는 경우도 있지만, 이 모형은 일반적인 기업 및 은행의 신용위험 평가에 개발되어져 건설기업 예측력에는 부족함이 있다. 또한, KMV값의 부도확률 예측력에 대해서는 분석대상의 기업수 및 데이터의 부족으로 의문점이 지속적으로 제기되고 있다. 따라서 이러한 의문점을 해결하기 위해 기존 부도예측확률모형에 베이지안 확률적 접근법(Bayesian Probabilistic Approach)을 접목하고자 한다. 베이즈 통계학의 사전확률(Prior Probability)만 적절하게 예측가능하다면 적은 정보라도 증거에 대한 조건부 획득으로 신뢰성 있는 사후확률(Posterior Probability)을 예측할 수 있기 때문이다. 이에 본 연구에서는 기존 부도예측확률모형에 베이지안 확률적 접근법을 활용하여 예상부도확률(Expected Default Frequency, EDF)을 측정하고, 기존 모형의 예상부도확률과 비교하여 정확성을 예측하고자 한다.
주수급자 역할을 하는 건설기업의 부실화는 발주자에게 공사계약 미이행에 따른 피해를 초래할 수 있고, 전문건설업체 및 자재공급업체의 재무건전성에 악영향을 줄 수 있다. 건설업은 프로젝트를 수주하고 진도에 따라 기성을 받는 현금흐름의 재무적 특성이 존재하고, 사업 진행 중의 부실화는 투입한 자금의 손실로 이어질 수 있으므로 건설업체의 부실화 예측은 중요하다. 국내 건설업체의 부실화 예측은 90년도 초 미국에서 개발된 KMV (Kealhofer McQuown and Vasicek)사의 KMV모형으로 수행되는 경우도 있지만, 이 모형은 일반적인 기업 및 은행의 신용위험 평가에 개발되어져 건설기업 예측력에는 부족함이 있다. 또한, KMV값의 부도확률 예측력에 대해서는 분석대상의 기업수 및 데이터의 부족으로 의문점이 지속적으로 제기되고 있다. 따라서 이러한 의문점을 해결하기 위해 기존 부도예측확률모형에 베이지안 확률적 접근법(Bayesian Probabilistic Approach)을 접목하고자 한다. 베이즈 통계학의 사전확률(Prior Probability)만 적절하게 예측가능하다면 적은 정보라도 증거에 대한 조건부 획득으로 신뢰성 있는 사후확률(Posterior Probability)을 예측할 수 있기 때문이다. 이에 본 연구에서는 기존 부도예측확률모형에 베이지안 확률적 접근법을 활용하여 예상부도확률(Expected Default Frequency, EDF)을 측정하고, 기존 모형의 예상부도확률과 비교하여 정확성을 예측하고자 한다.
Insolvency of construction companies that play the role of main contractors can lead to clients' losses due to non-fulfillment of construction contracts, and it can have negative effects on the financial soundness of construction companies and suppliers. The construction industry has the cash flow f...
Insolvency of construction companies that play the role of main contractors can lead to clients' losses due to non-fulfillment of construction contracts, and it can have negative effects on the financial soundness of construction companies and suppliers. The construction industry has the cash flow financial characteristic of receiving a project and getting payment based on the progress of the construction. As such, insolvency during project progress can lead to financial losses, which is why the prediction of construction companies is so important. The prediction of insolvency of Korean construction companies are often made through the KMV model from the KMV (Kealhofer McQuown and Vasicek) Company developed in the U.S. during the early 90s, but this model is insufficient in predicting construction companies because it was developed based on credit risk assessment of general companies and banks. In addition, the predictive performance of KMV value's insolvency probability is continuously being questioned due to lack of number of analyzed companies and data. Therefore, in order to resolve such issues, the Bayesian Probabilistic Approach is to be combined with the existing insolvency predictive probability model. This is because if the Prior Probability of Bayesian statistics can be appropriately predicted, reliable Posterior Probability can be predicted through ensured conditionality on the evidence despite the lack of data. Thus, this study is to measure the Expected Default Frequency (EDF) by utilizing the Bayesian Probabilistic Approach with the existing insolvency predictive probability model and predict the accuracy by comparing the result with the EDF of the existing model.
Insolvency of construction companies that play the role of main contractors can lead to clients' losses due to non-fulfillment of construction contracts, and it can have negative effects on the financial soundness of construction companies and suppliers. The construction industry has the cash flow financial characteristic of receiving a project and getting payment based on the progress of the construction. As such, insolvency during project progress can lead to financial losses, which is why the prediction of construction companies is so important. The prediction of insolvency of Korean construction companies are often made through the KMV model from the KMV (Kealhofer McQuown and Vasicek) Company developed in the U.S. during the early 90s, but this model is insufficient in predicting construction companies because it was developed based on credit risk assessment of general companies and banks. In addition, the predictive performance of KMV value's insolvency probability is continuously being questioned due to lack of number of analyzed companies and data. Therefore, in order to resolve such issues, the Bayesian Probabilistic Approach is to be combined with the existing insolvency predictive probability model. This is because if the Prior Probability of Bayesian statistics can be appropriately predicted, reliable Posterior Probability can be predicted through ensured conditionality on the evidence despite the lack of data. Thus, this study is to measure the Expected Default Frequency (EDF) by utilizing the Bayesian Probabilistic Approach with the existing insolvency predictive probability model and predict the accuracy by comparing the result with the EDF of the existing model.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 기존 부도예측확률모형의 예상부도확률과, 부도예측확률모형에 베이지안 확률적 접근법(Bayesian Probabilistic Approach)을 활용하여 비교하고자 한다.
본 연구에서는 KMV모형과 예상부도확률모형을 종합하여 예상부도확률을 산출한다.
가설 설정
Merton모형은 구조모형(Structural model)과 축약모형(Reduced-formodel)으로 나누어 연구되었다. 구조모형(Structural model)은 채무불이행이 기업가치 변동에 의해 발생되고, 자본시장이 효율적이지 않다고 가정한다. 또한 자본시장의 정보뿐만 아니라 다른 변수들까지도 종합적으로 사용하는데 Longstaff and Schwartz (1995), Leland and Toft (1996), Colin-Dufresne and Goldstein (2001)에 의해 현실적 가정을 추가하여 발전하게 된다.
이와 다르게 축약모형(Reduced-formodel)은 채무불이행 발생 자체를 확률변수로 보는데, 이는 현재 이용 가능한 정보를 가지고 채무불이행 시점을 예측할 수 없는 사실을 반영하여 채무불이행 발생시점을 확률변수로 보는 것이다. 또한 구조모형과는 다르게 자본시장을 효율적이라고 가정하며 자본시장 정보 외의 정보는 제한적으로만 활용한다. 축약 모형(Reduced-formodel)의 대표적인 모형으로는 채권의 신용스프레드를 이용하는 내재부도확률모형(Implied Default Probability Model)이 있다.
두 번째, 자본잠식상태인 기업까지 고려한 값으로 자본 잠식 상태의 기업이 반드시 부도가 나는 것이 아니므로 부도 가능성이 과대 평가 될 수 있다. 세 번째, 자산의 활용을 단순 부채상환으로만 한정한 것이다.
제안 방법
22개 기업 중 부도거리 기준으로 상위 7개(1~10) 기업과 15개(11~20)의 기업을 법적부실이 아닌 영업이익 악화라는 경제적 부실을 기준으로 분류하였다(Fig. 3).
대한건설협회에서 공시하는 종합건설업체 시공능력평가 순위로 변동성이 큰 회사에 대한 한국거래소(Korea Exchange, KRX)에서 얻은 월별 주가 자료를 토대로 자산가치변동성을 산출하였으며, 금융감독원 전자 공시 시스템에서 유가증권시장에 한국건설업으로 등록된 22개 기업의 사업보고서를 바탕으로 자산가치를 산출하였다. 이 중에 부도거리로 22개 기업 중 15개의 기업과 7개의 기업을 베이지안 확률적 접근법을 이용하여 도출하였다(Table4).
건설기업의 재무적 특징으로는 유동비율, 총자산증가율이 높고 총자본회전율, 영업비 등은 평균에 비해 낮은 것으로 드러났다. 또한 국내 건설기업 현황에는 국내 총생산(GDP)과 건설투자액, 건축허가 면적을 분석하였고, 해외건설기업 현황에는 해외 수주액을 기준으로 분석하였다(한진택, 2012).
대한건설협회에서 공시하는 종합건설업체 시공능력평가 순위로 변동성이 큰 회사에 대한 한국거래소(Korea Exchange, KRX)에서 얻은 월별 주가 자료를 토대로 자산가치변동성을 산출하였으며, 금융감독원 전자 공시 시스템에서 유가증권시장에 한국건설업으로 등록된 22개 기업의 사업보고서를 바탕으로 자산가치를 산출하였다. 이 중에 부도거리로 22개 기업 중 15개의 기업과 7개의 기업을 베이지안 확률적 접근법을 이용하여 도출하였다(Table4).
이러한 한계점 극복을 위해 Merton (1974)이 증권시장정보를 이용한 부도예측모형을 제시하였다. 증권시장을 이용한 부도예측모형은 증권시장의 효율성 여부와 사용하는 정보의 범위에 따라 구조모형(Structural model)과 축약모형(Reduced-formodel)으로 나누어 연구되었다. 구조모형의 대표적인 모형 중 하나는 KMV(Kealhofer McQuown and Vasicek)사에서 제시한 KMV모형이다.
첫 번째, 블랙 숄즈 모형을 이용한 기업자산 가치(VA)와 기업자산의 변동성(σA)을 추정하며, 두 번째, KMV모형을 활용하여 부도점(Default Point)을 계산한다.
이론/모형
따라서 이러한 의문점을 해결하기 위해 기존 부도예측확률모형에 베이지안 확률적 접근법(Bayesian Probabilistic Approach)을 접목하고자 한다. 베이지안 확률적 접근법을 적용하고자 하는 목적은 사전확률만 적절하게 예측 가능하다면 국내건설업체와 같은 적은 재무정보를 가지고도 충분히 신뢰성 있는 사후확률을 예측할 수 있기 때문이다.
베이지안 확률적 접근법을 적용시 사전분포(Prior distribution)는 자연공액사전분포(Natural conjugate prior distribution)를 사용한다. 사전분포와 우도함수(Likelihood function)을 이용하여 사후분포(Posterior distribution)를 추론하고, 추론된 사후분포의 기대값(Posterior mean)을 예상 부도확률로 사용한다.
부실기업 예측모형의 시초는 Beaver (1966)의 단일변량분석(Univariate discriminant analysis)이다. 단일변량분석은 변수 하나로 부도 기업과 비부도 기업을 구분하였는데, 최초의 부도예측 모형이라는데 의의가 있지만, 변수 하나로 부도와 비부도를 예측하였다는 한계점이 존재한다.
베이지안 확률적 접근법을 적용시 사전분포(Prior distribution)는 자연공액사전분포(Natural conjugate prior distribution)를 사용한다. 사전분포와 우도함수(Likelihood function)을 이용하여 사후분포(Posterior distribution)를 추론하고, 추론된 사후분포의 기대값(Posterior mean)을 예상 부도확률로 사용한다.
따라서 데이터가 적은 국내 건설기업만을 대상으로 부도확률을 계산하게 될 경우 신뢰성이 떨어 질 수 있다. 이러한 문제점을 극복하기 위해 베이지안 확률적 접근법 (Bayesian Probabilistic Approach)을 부도예측모형에 적용해 볼 수 있다.
이와 같이 블랙-숄즈 옵션가격결정모형과 주식가치의 변동성 관계를 나타내는 식을 Newton-Raphson 방식을 이용한 반복오차법을 사용하여 자산가치(VA)와 자산가치의 변동성을(σA)을 추정하여 기존 옵션가격결정모형을 이용한 부도확률을 산출한다.
성능/효과
건설기업의 재무적 특징으로는 유동비율, 총자산증가율이 높고 총자본회전율, 영업비 등은 평균에 비해 낮은 것으로 드러났다. 또한 국내 건설기업 현황에는 국내 총생산(GDP)과 건설투자액, 건축허가 면적을 분석하였고, 해외건설기업 현황에는 해외 수주액을 기준으로 분석하였다(한진택, 2012).
기존 모형의 경우를 식(21)을 이용하여 구하고, 베이지안 확률적 접근법을 이용한 방법은 식(22)을 이용하여 도출하였다(Table 4). 검증결과, 베이지안 확률적 접근법을 이용한 예상부도확률이 조금 더 크게 산출 되었다. 2014년 부도 거리 10이내의 15개 기업 부도확률에 경우 기존대비 증가량 5.
)가 현실적인 상황과 거리가 멀게 제한적 가정과 무차익거래 조건하에 산출된 값이라는 것이다. 두 번째, 자본잠식상태인 기업까지 고려한 값으로 자본 잠식 상태의 기업이 반드시 부도가 나는 것이 아니므로 부도 가능성이 과대 평가 될 수 있다. 세 번째, 자산의 활용을 단순 부채상환으로만 한정한 것이다.
첫 번째, N(-d2)가 현실적인 상황과 거리가 멀게 제한적 가정과 무차익거래 조건하에 산출된 값이라는 것이다. 두 번째, 자본잠식상태인 기업까지 고려한 값으로 자본 잠식 상태의 기업이 반드시 부도가 나는 것이 아니므로 부도 가능성이 과대 평가 될 수 있다.
Zmijewski는 기존 주요한 부도예측모형을 비교하여 기존에 사용된 75개의 재무비율을 10개의 유형으로 구분하고 단일변량분석을 실시하여 예측력이 우수한 변수 몇 가지를 추출하였으나 기존 연구들과 크게 다르지 않았다. 프로빗 분석이 부도기업과 비부도기업 평가 시 부도기업은 더 과대하게 평가하며 비부도기업은 더 과소하게 평가한다는 것을 밝혀냈다. 최근에는 인공신경망(Artificial neural network), 생존분석모형(Survival analysis model) 등과 같은 통계적 예측모형이 사용되고 있다.
후속연구
하지만 재무적 관점에서 소규모업체에 대한 적용 사항은 아쉬운 부분이며, 이를 위해 원청사와 협력업체의 계약이행 준수상황 및 재무적 상태를 평가하고 반영해야한다. 앞으로는 기업에 부실화 예측을 위한 방안으로 데이터로부터 얻은 정보를 체계적으로 갱신하는 시스템과정이 중요시 여겨지며, 향후 발주자 또는 원청시공사가 협력업체 및 자재업체 평가시에 베이지안 확률적 접근법을 적용할 수 있도록 데이터 축적이 필요하다. 이를 통해 건설사업 수주 플랫폼과 같은 이슈에 적용하여 금융지원 및 경쟁력 있는 진출과 전략을 도출해낼 수 있을 것이다.
앞으로는 기업에 부실화 예측을 위한 방안으로 데이터로부터 얻은 정보를 체계적으로 갱신하는 시스템과정이 중요시 여겨지며, 향후 발주자 또는 원청시공사가 협력업체 및 자재업체 평가시에 베이지안 확률적 접근법을 적용할 수 있도록 데이터 축적이 필요하다. 이를 통해 건설사업 수주 플랫폼과 같은 이슈에 적용하여 금융지원 및 경쟁력 있는 진출과 전략을 도출해낼 수 있을 것이다.
추후에는 어느 모형의 설명력이 높은지에 대한 정확도 예측이 필요하며, 대기업건설사만이 아닌 중·소 건설업체도 적용이 가능한지 검증이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
기업이 부도예측을 위해 사용되는 방법은 무엇이 있는가?
기업이 부도예측을 위해 사용되는 방법은 전문가시스템 (Expert Systems)에 의한 주관적 정성적 기업평가, 신용등급 (Rating Systems)에 의한 평가, 과거 재무정보에 기반을 둔 신용평점(Credit Scoring)에 의한 평가, 자본시장 정보를 이용한 옵션모형에 근거한 평가 등이 있다.
로짓모형의 한계점은?
Ohlson의 연구는 단순판별분석이 아닌 새로운 형태의 로짓분석을 사용하는데 의의가 있다. 그러나 모형을 검증용 표본으로 검증률을 시도하지 않았으며 과거의 모형들보다 예측력이 떨어진다는 한계점을 가지고 있다.
건설업계에서 베이지안 확률적 접근법이 필요한 이유는?
저가수주로 이루어지는 유동성 악화는 최근 국내 대형 설계사무소의 부도까지 이어지고 거시 경제 및 건설회사 금융 시스템의 안정성 분석에 대한 필요성이 커지고 있는 상황이며, 이러한 변수로는 규모가 큰 건설회사일수록 베이지안 확률적 접근법의 도입이 필요하다. 다시 말해 증권사나 은행뿐만 아니라 자금의 흐름이 중요한 건설업계에서도 미리 베이지안 확률적 접근법을 이용한 거시적인 흐름을 주시할 필요성이 있다.
참고문헌 (22)
Altman, E. I. (1968). "Finacial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy." Journal of Finance, 23(4), pp. 589-609.
Beaver, W. (1966). Financial Ratios as Predictors of Failures. Empirical Research in Accounting : Selected Studies.
Cho, S. and Ryu, I. (2007). "Accounting Information and Prediction of Corporate Failure During a Recession." Journal of Business Research, 22(1), pp. 1-32.
Choi, I, Yoo, S, and Kim, J. (2013). "Measuring Default Risk of Construction Company Using KMV-model." Journal of the Architectural Institute of Korea Structure & Construction, 29(2), pp. 67-74.
Collin-Dufresne, P. and Goldstein, R.S. (2001). "Do Credit Spreads Reflect Stationary Leverage Ratios?" Journal of Finance, 56(5), pp. 1929-1957.
Kang, M. and Lee, J. (2009). "Survival Analysis of Small and Medium Size Construction Enterprises Using Cox Proportional Hazards Model." Journal of Korea Real Estate Analysts Association, 15(2), pp. 41-57.
Kim, J. (2009). "Development and Application of a Default Prediction Model Using a Bayesian Probabilistic Approach." M.A. degree, Hanyang University.
Kim, J. H and Nam, J. S (2014). "Impacts of Macroeconomic Fluctuations on Insolvency: Case of Korean Construction Companies." Journal of Management in Engineering. pp. 1-9
Kook, C. and Jeong, w. (2002). "Based on Stock Price Information A Study on Forecasting Corporate Default." Asian Review of Financial Research, 15(1), pp. 217-249.
Leland, H.E. and Toft, K.B. (1996). "Optimal Capital Structure, Endogenous Bankruptcy, and the Term Structure of Credit Spreads." Journal of Finance, 51(3), pp. 987-1019.
Park, K. and Kim, H. (2011). "A study on the professional construction company bankruptcy prediction model." Korea Research Institute of Construction Policy.
Sim, J. (2009). Credit risk modeling (structural model and reduced model). M.A. degree, Yonsei University.
Simonian, J. (2011). "A Bayesian Approach to Building Robust Structural Credit Default Models." Applied Economics Letters, 18, pp. 1397-1400.
Zmijewski, M.E. (1984). "Methodological Issues Related to the Estimation of Financial Distress Prediction Models." Journal of Accounting Research, 22(1), pp. 59-82.
Han, J. (2013). "Analysis of Factors Influencing the Construction Business Management Success. Korean." Journal of Construction Engineering and Management, 14(4), pp. 46-54.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.