[국내논문]창업기업 금융정책 개선을 위한 기업 신용정보 데이터의 정량적 분석 연구: 기업의 생존에 부정적인 요인을 중심으로 A Research on the Quantitative Analysis of the Credit Information for the Improvement of Financial Policies for Startup Companies: Focusing on Negative Factors원문보기
전 세계적으로 금융선진국을 비롯한 각 국가의 금융당국은 금융기관과 금융소비자 간의 정보비대칭 완화 및 이를 통한 리스크관리를 위하여 금융기관이 참여하는 신용정보 공유제도를 운영하고 있다. 본 연구는 한국에서 공유되고 있는 신용정보 중 사고정보를 대상으로 하여 실제로 공유중인 신용정보 데이터를 분석하였다. 사고정보를 사고횟수, 사고기간, 사고금액의 세 종류로 구분하여, 생존분석에서는 사고정보가 기업의 생존기간에 미치는 영향을 분석하였고, 이후 집단 간 비교분석을 통해 업력 7년 이하의 창업기업과 그 외 기존기업 간에 존재하는 사고정보양상 차이를 검증하였다. 총 449,579개 기업의 사고정보에 대한 정량적인 분석을 시행한 결과 생존분석에서 사고횟수가 사고후생존기간과 정(+)의 상관관계를 보였는데 이는 사고횟수를 부정적인 요소로 판단하고 있는 금융기관의 현행 리스크정책에 반증적 성격을 갖는다. 또한, 집단 간 비교분석에서는 창업기업의 사고양상이 기존기업보다 생존기간에 더 긍정적인 모습을 보이고 있음에 따라 창업기업의 특성을 고려한 신용정보 공유제도의 개선이 필요하다는 시사점을 도출할 수 있었다.
전 세계적으로 금융선진국을 비롯한 각 국가의 금융당국은 금융기관과 금융소비자 간의 정보비대칭 완화 및 이를 통한 리스크관리를 위하여 금융기관이 참여하는 신용정보 공유제도를 운영하고 있다. 본 연구는 한국에서 공유되고 있는 신용정보 중 사고정보를 대상으로 하여 실제로 공유중인 신용정보 데이터를 분석하였다. 사고정보를 사고횟수, 사고기간, 사고금액의 세 종류로 구분하여, 생존분석에서는 사고정보가 기업의 생존기간에 미치는 영향을 분석하였고, 이후 집단 간 비교분석을 통해 업력 7년 이하의 창업기업과 그 외 기존기업 간에 존재하는 사고정보양상 차이를 검증하였다. 총 449,579개 기업의 사고정보에 대한 정량적인 분석을 시행한 결과 생존분석에서 사고횟수가 사고후생존기간과 정(+)의 상관관계를 보였는데 이는 사고횟수를 부정적인 요소로 판단하고 있는 금융기관의 현행 리스크정책에 반증적 성격을 갖는다. 또한, 집단 간 비교분석에서는 창업기업의 사고양상이 기존기업보다 생존기간에 더 긍정적인 모습을 보이고 있음에 따라 창업기업의 특성을 고려한 신용정보 공유제도의 개선이 필요하다는 시사점을 도출할 수 있었다.
Financial institutions around the world, including financially advanced nations, widely operate a credit information sharing system to ease off information asymmetry between financial institutions and financial consumers. This study analyzed the credit problem data that is actually being shared amon...
Financial institutions around the world, including financially advanced nations, widely operate a credit information sharing system to ease off information asymmetry between financial institutions and financial consumers. This study analyzed the credit problem data that is actually being shared among financial institutions in Korea, and classified credit problem data into three categories; Frequency, Period, Amount. In survival analysis, this study analyzed how different types of credit problem influence on survival period of companies. Next, in comparative analysis, this study verified a difference between start-up companies and existing companies on classified conditions of the credit problems. After conducting a survival and comparative analysis of the credit information of 449,579 companies of 8 years' actual information sharing in Korea, it showed that the number of the frequency of accidents showed a positive(+) correlation with the survival period. This provides contrary evidence to the financial institutions' risk policies that the number of the frequency of accidents is a negative factor. Furthermore, since the start-up companies that are under 7 years old show more positive aspect in the survival period than existing companies, it draws a policy implication that the credit information sharing system need to be improved by taking account of characteristics of the start-up companies.
Financial institutions around the world, including financially advanced nations, widely operate a credit information sharing system to ease off information asymmetry between financial institutions and financial consumers. This study analyzed the credit problem data that is actually being shared among financial institutions in Korea, and classified credit problem data into three categories; Frequency, Period, Amount. In survival analysis, this study analyzed how different types of credit problem influence on survival period of companies. Next, in comparative analysis, this study verified a difference between start-up companies and existing companies on classified conditions of the credit problems. After conducting a survival and comparative analysis of the credit information of 449,579 companies of 8 years' actual information sharing in Korea, it showed that the number of the frequency of accidents showed a positive(+) correlation with the survival period. This provides contrary evidence to the financial institutions' risk policies that the number of the frequency of accidents is a negative factor. Furthermore, since the start-up companies that are under 7 years old show more positive aspect in the survival period than existing companies, it draws a policy implication that the credit information sharing system need to be improved by taking account of characteristics of the start-up companies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 선행연구에서 사용된 변수 외에 신용정보를 변수로 이용한 점에서 기존연구와 차별점이 있으며, 나아가 기업연령에 따라 창업기업, 기존기업으로 나누어 신용정보 양상을 비교한 결과를 바탕으로 신용정보 공유제도의 및 금융기관의 리스크정책 개선을 위한 시사점을 도출하고 있다.
‘사고기간’은 상환만기일 익일인 ‘사고기산일’로부터 사고사유를 해소한 날인 ‘사고해제일’까지의 기간을 의미한다. 본 연구에서는 정량적인 분석을 위해 건별사고기간과 누적사고기간을 산출했다.
연구의 내용은 첫째, 생존분석을 통해 사고정보의 종류별로 기업의 생존기간에 미치는 영향에 대해 분석하였고, 둘째, 집단간 비교분석을 통해 업력 7년 이하의 창업기업과 그 외 기존기업의 사고정보 종류별 양상의 차이를 밝히고 마지막으로, 두 분석결과의 결합을 통해 금융정책에의 시사점을 도출하는 것을 목적으로 한다.
기존의 연구는 신용정보 집중 및 공유제도 자체에 대한 사례연구 및 효과 분석, 제도개선 제안에 집중되어 있으며 개인신용정보에 대한 연구가 주를 이루고 있다. 이에 따라 실제로 공유되고 있는 신용정보 데이터를 실증 분석하고, 그중 특히 기업신용정보를 바탕으로 생존분석 및 집단간 비교분석을 수행한 연구는 본 연구가 처음이라 하겠다. 나아가 분석 결과를 통해 국내 신용정보 공유제도의 개선을 위한 시사점을 도출한다는 점에서 본 연구의 차별점이 있다.
가설 설정
가설1. 사고횟수는 기업의 사고후생존기간에 유의한 영향을 미칠 것이다.
가설5. 창업기업여부에 따라 건별사고금액에 차이가 있을 것이다.
가설4. 창업기업여부에 따라 누적사고금액에 차이가 있을 것이다.
가설2. 창업기업여부에 따라 누적사고기간에 차이가 있을 것이다.
제안 방법
6) 이를 바탕으로 데이터 엔지니어링을 통해 사고횟수, 건별사고기간, 누적사고기간, 건별사고금액, 누적사고금액, 사고후생존기간 등을 분석 항목으로 설정하여 데이터를 가공하였다. 이는 금융기관이 사고정보의 기간이 장기일수록, 금액이 클수록, 횟수가 많을수록 신용등급 및 금융거래 심사에 부정적인 요인으로 판단함에 따른 것이다.
먼저 누적사고금액은 기업별로 여러 건의 사고가 있을 경우 사고금액을 합계하였다. 건별사고금액은 누적사고금액을 사고발생횟수로 나누어 산출하였다.
건별사고기간은 누적사고기간을 사고발생횟수로 나누어 산출하였다. 위의 예에서 건별사고기간은 누적사고기간 40일을 사고발생 2건으로 나눈 20일로 산출된다.
먼저 누적사고기간은 기업별로 여러 건의 사고가 있을 경우 사고기간을 합한 후 중복되는 사고기간을 차감하여 산출하였다. 예를 들어 A라는 회사가 1월 1일 ~ 1월 31일, 1월 21일 ~ 2월 10일까지 두 계좌에 사고가 있을 때 이 회사의 누적사고기간은 두 개별 사고기간인 30일과 20일을 더하되, 중복기간 10일(1월 21일 ~ 1월 31일)을 차감한 결과 총 40일로 산출된다.
본 연구는 한국에서 공유되고 있는 신용정보 중 사고정보를 분석대상으로 하여 생존분석과 집단간 비교분석을 실시하였다. 생존분석에서는 실제로 공유되고 있는 신용정보 데이터를 기반으로 사고정보 종류별로 기업의 생존기간에 미치는 영향을 분석하고, 이후 기업연령에 따라 분석대상 집단을 창업기업, 기존기업으로 나누어 신용정보 양상을 비교분석하였다.
생존분석에서는 실제로 공유되고 있는 신용정보 데이터를 기반으로 사고정보 종류별로 기업의 생존기간에 미치는 영향을 분석하고, 이후 기업연령에 따라 분석대상 집단을 창업기업, 기존기업으로 나누어 신용정보 양상을 비교분석하였다.
t-test는 평균을 비교하여 두 표본집단이 동일한 모집단에서 추출되었는지를 검증하는 통계기법이다. 평균분석을 위한 분류기준으로서 집단변수는 창업기업여부로 설정하였고 검정변수는 사고횟수, 사고기간, 사고금액으로 설정하였다18).
회귀모형 구성에 있어 독립변수가 누적변수인지 건별변수인지에 따라 와 같이 2개의 회귀모형을 구성하였다.
회귀모형 구성에 있어 독립변수가 누적변수인지 건별변수인지에 따라 <표 5>와 같이 2개의 회귀모형을 구성하였다. 회귀모형1의 독립변수는 사고횟수, 건별사고기간, 건별사고금액, 창업기업여부(더미변수)로 설정하였고 종속변수는 사고후생존기간으로 설정하였다. 회귀모형2의 독립변수는 사고횟수, 누적사고기간, 누적사고금액, 창업기업여부(더미변수)로 설정하였고 종속변수는 사고후생존기간으로 설정하였다.
회귀분석을 실시하기 전에 먼저 독립변수 간의 다중공선성 여부를 확인하기 위하여 분산팽창계수(VIF; Variance Inflation Factor)와 공차한계(TOL; Tolerance)를 분석하였다. 분석 결과 분산팽창계수는 1.
다중선형회귀분석은 2개 이상의 독립변수들을 이용한 회귀분석으로, 독립변수가 종속변수에 미치는 영향의 방향 및 크기를 산출하고 이에 더해 독립변수의 일정한 값을 상정할 때 독립변수에 대응하는 종속변수 값을 예측하는 모형을 구성하는 방법이다. 회귀분석을 위한 분류기준으로서 독립변수는 사고횟수, 사고기간, 사고금액, 창업기업여부로 설정하였고 종속변수는 사고후생존기간으로 설정하였다17).
대상 데이터
2를 이용하여 진행되었다. 2008년 7월 민간 신용정보 공유제도가 출범8)한 이후 공유된 사고정보 데이터 전수를 연구의 대상으로 하였다.
본 연구는 한국에서 공유되고 있는 신용정보 중 사고정보를 대상으로 하여 실제로 공유중인 신용정보 데이터를 분석하였다. 2008년 7월부터 2016년 5월까지의 자료를 기반으로 총 449,579개 기업의 사고정보에 대한 정량적인 분석을 시행하였다.
본 연구는 한국에서 공유되고 있는 신용정보 중 사고정보를 대상으로 하여 실제로 공유중인 신용정보 데이터를 분석하였다. 2008년 7월부터 2016년 5월까지의 자료를 기반으로 총 449,579개 기업의 사고정보에 대한 정량적인 분석을 시행하였다.
본 연구의 분석대상은 신용정보 중 기업의 신용정보를 대상으로 하였다. 신용정보의 네 가지 분류 중 민간영역에서 공유하고 있는 신용도판단정보 자료를 추출하였으며, 구체적으로 신용도판단정보 중 연체정보, 보증사고정보 등의 사고정보를 대상으로 하였다.
본 연구의 분석대상인 사고정보는 기업여신연체, 기업카드연체 및 보증사고를 의미한다. 이상의 사고정보는 신용정보주체의 신용도를 판단할 수 있는 정보로서 관련 법규에서 규정하는 ‘신용도판단정보’에 속한다.
본 연구의 분석대상은 신용정보 중 기업의 신용정보를 대상으로 하였다. 신용정보의 네 가지 분류 중 민간영역에서 공유하고 있는 신용도판단정보 자료를 추출하였으며, 구체적으로 신용도판단정보 중 연체정보, 보증사고정보 등의 사고정보를 대상으로 하였다.
연구 대상기간 동안 등록된 총 5,784,932개 사고계좌정보를 토대로 사고기업 중복제거 및 변수정의 등의 데이터엔지니어링을 통해 얻어진 최종 표본집단의 크기는 총 449,579개 기업이다.9) 이 중 창업기업은 302,361업체, 기존기업은 147,218업체로 나타났으며 기술통계 사항은 <표 1>과 같다.
데이터처리
둘째, 업력 7년 이하의 창업기업여부에 따른 사고정보 종류별 양상차이를 밝히기 위해서 평균분석(t-test)을 실시하였다. t-test는 평균을 비교하여 두 표본집단이 동일한 모집단에서 추출되었는지를 검증하는 통계기법이다.
본 연구를 위한 데이터 엔지니어링은 사회과학 통계분석 패키지인 SAS9.2를 이용하여 진행되었다. 2008년 7월 민간 신용정보 공유제도가 출범8)한 이후 공유된 사고정보 데이터 전수를 연구의 대상으로 하였다.
본 연구를 위한 통계분석은 사회과학 통계분석 패키지인 SPSS24를 이용하여 실시하였다. 본 연구의 내용에 따라 첫째, 사고정보의 종류별로 기업의 생존기간에 미치는 영향에 대해 분석하기 위해 다중선형회귀분석(Multiple Linear Regression Analysis)를 실시하였다.
본 연구에서는 독립표본 t-test를 수행하였다. 본 연구의 내용에 따라 기업의 금융활동에서 발생하는 사고정보가 기업의 생존에 미치는 영향을 검증하기 위해 실제로 공유되고 있는 신용정보 데이터를 대상으로 독립표본 t-test를 수행하기 위하여 <표 8>과 같이 가설을 설정하였다.
본 연구를 위한 통계분석은 사회과학 통계분석 패키지인 SPSS24를 이용하여 실시하였다. 본 연구의 내용에 따라 첫째, 사고정보의 종류별로 기업의 생존기간에 미치는 영향에 대해 분석하기 위해 다중선형회귀분석(Multiple Linear Regression Analysis)를 실시하였다. 다중선형회귀분석은 2개 이상의 독립변수들을 이용한 회귀분석으로, 독립변수가 종속변수에 미치는 영향의 방향 및 크기를 산출하고 이에 더해 독립변수의 일정한 값을 상정할 때 독립변수에 대응하는 종속변수 값을 예측하는 모형을 구성하는 방법이다.
본 연구를 위한 통계분석은 사회과학 통계분석 패키지인 SPSS24를 이용하여 실시하였다. 본 연구의 내용에 따라 첫째, 사고정보의 종류별로 기업의 생존기간에 미치는 영향에 대해 분석하기 위해 다중선형회귀분석(Multiple Linear Regression Analysis)를 실시하였다. 다중선형회귀분석은 2개 이상의 독립변수들을 이용한 회귀분석으로, 독립변수가 종속변수에 미치는 영향의 방향 및 크기를 산출하고 이에 더해 독립변수의 일정한 값을 상정할 때 독립변수에 대응하는 종속변수 값을 예측하는 모형을 구성하는 방법이다.
이론/모형
업력기준은 「중소기업창업 지원법」의 정의12)와 통계청 ‘창업기업실태조사’의 정의13)를 따랐으며 창업기업에 대한 정부나 지방자치단체의 지원이 대부분 업력 7년을 기준으로 하고 있는 점을 참고하였다.
성능/효과
두 번째로 ‘90일간 사고’는 등록된 사고가 90일 이상 지속시 한국신용정보원에 의하여 장기연체정보로 분류 및 ‘불량정보’로 등록되고 금융거래에 직접적인 제재가 가해지는 상태로서 사실상 부도를 의미한다.
둘째, 생존분석을 통해 사고기간과 사고금액은 사고후생존기간과 부(-)의 상관관계가 있음을 확인할 수 있었다. 이는 금융기관의 현행 리스크정책의 기조를 뒷받침하는 결과이다.
646일로 기존기업의 누적사고기간이 더 길다. 또한 창업기업과 기존기업의 건별사고기간 평균값은 각각 280.262일, 301.144일로 기존기업의 건별사고기간이 더 길고, 창업기업과 기존기업의 누적사고금액의 평균값은 각각 170,318,859.127원, 594,791,753.839원으로 기존기업의 누적사고금액이 더 많으며, 창업기업과 기존기업의 건별사고금액의 평균값은 각각 97,236,046.832원, 353,571,511.670원으로 기존기업의 건별사고금액이 더 많다.
011)은 사고후생존기간에 부(-)의 영향을 미치는 것으로 나타났으며 누적사고기간이 누적사고금액 사고후생존기간에 더욱 부정적인 영향을 미치는 것으로 나타났다. 또한 창업기업은 기존기업에 비해 사고후생존기간이 약 51일 짧은 것으로 나타났다.
마지막으로, 생존분석의 결과와 집단간 비교분석의 결과를 결합하였을 때 생존기간에 정(+)의 상관관계를 보이는 모든 항목에서 창업기업이 기존기업보다 통계적으로 높은 수치를 기록하였고, 이를 통해 창업기업이 기존기업보다 생존기간에 더 긍정적인 사고양상을 보이고 있다는 결론을 도출할 수 있었다.
반면, 누적사고기간(β=-.392)과 누적사고금액(β=-.011)은 사고후생존기간에 부(-)의 영향을 미치는 것으로 나타났으며 누적사고기간이 누적사고금액 사고후생존기간에 더욱 부정적인 영향을 미치는 것으로 나타났다.
회귀분석을 실시하기 전에 먼저 독립변수 간의 다중공선성 여부를 확인하기 위하여 분산팽창계수(VIF; Variance Inflation Factor)와 공차한계(TOL; Tolerance)를 분석하였다. 분석 결과 분산팽창계수는 1.001~1.048, 공차한계는 .954~.999로 나타나 독립변수 간의 다중공선성 문제는 없다고 판단된다. 또한 오차항의 독립성 검토를 위한 Durbin- Watson 통계량 분석 결과 그 값이 1.
기준 창업기업여부에 따른 구성을 비교한 것이다. 사고정보공유기업 중 창업기업이 차지하는 비중은 67.25%로 일반적인 창업기업 비중인 35.22%를 크게 웃돌고 있으며 사고정보공유기업의 창업기업여부에 따른 구성비와 통계청기업통계 기준 창업기업여부에 따른 구성비가 역전되어 있음을 확인할 수 있다. 창업기업이 신용정보 공유제도에 과도한 적용을 받고 있다는 문제의식은 이 역전현상의 관찰에서 비롯되었으며 본 연구의 출발점이 되었다.
세부 변수별로 상대적 영향력을 살펴보면 사고횟수(β=.264)는 사고후생존기간에 정(+)의 영향을 미치는 것으로 나타났다.
셋째, 기업연령에 따라 분석대상 집단을 창업기업, 기존기업으로 나누어 신용정보 양상에 대한 평균비교를 수행한 결과 창업기업이 기존기업에 비해 평균적으로 사고횟수는 더 많고, 사고기간은 더 짧으며 사고금액은 더 작은 양상을 보이고 있음을 알 수 있었다.
첫째, 생존분석을 통해 사고횟수는 사고후생존기간과 정(+)의 상관관계가 있음을 확인할 수 있었다. 이러한 결과는 국내 금융기관의 현행 리스크정책에 대한 반증적 성격을 갖는다.
후속연구
현재 국내 금융기관들은 사고횟수가 기업의 생존에 부정적인 영향을 미친다는 판단 하에 해당 항목을 신용등급 및 금융거래 심사에 부정적인 요인으로 설정하고 있기 때문이다. 이점은 후속연구를 통해 보다 엄밀한 검증을 해야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
한국 기업이 자금을 조달하는 방법은 무엇이 있는가?
한국 기업이 자금을 조달하는 방법은 크게 차입과 지분투자로 나뉜다. 차입은 다시 금융기관으로부터의 차입과, 사채발행을 통한 채권자로부터의 직접 차입으로 나눌 수 있다.
차입은 어떻게 구분되는가?
한국 기업이 자금을 조달하는 방법은 크게 차입과 지분투자로 나뉜다. 차입은 다시 금융기관으로부터의 차입과, 사채발행을 통한 채권자로부터의 직접 차입으로 나눌 수 있다. 소기업의 경우 사채발행이나 지분투자를 유치할 역량이 사실상 부족하고 주식회사가 아닌 개인사업자 등은 주식 발행이 필요한 지분투자 유치가 제도적으로 불가능하다.
창업기업들이 주로 금융기관 대출을 통해 자금을 조달하는 이유는 무엇인가?
차입은 다시 금융기관으로부터의 차입과, 사채발행을 통한 채권자로부터의 직접 차입으로 나눌 수 있다. 소기업의 경우 사채발행이나 지분투자를 유치할 역량이 사실상 부족하고 주식회사가 아닌 개인사업자 등은 주식 발행이 필요한 지분투자 유치가 제도적으로 불가능하다. 따라서 소기업과 개인사업자가 절대 다수를 차지하고 있는 창업기업들은 자금 조달 방식으로 금융기관 대출을 통해 자금을 조달하는 방식을 주로 택하고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.