부도예측모형에 대한 연구 : Three Essays on Bankruptcy Prediction Model
- 발행기관 서강대학교 대학원
- 지도교수 남주하
- 발행년도 2008
- 학위수여년월 2008. 8
- 학위명 박사
- 학과 및 전공 경제학과
- 식별자(기타) 000000108415
- 본문언어 한국어
목차
본 연구는 기업부도예측모형의 개선방향과 관련한 세 편의 논문으로 구성되어 있다. 제1부에서는 기업부도의 외적 환경요소인 산업위험을 반영하기 위해 거시경제변수를 이용한 산업평가모형을 구축하였으며 이를 기초로 산업간 부도전이효과를 실증적으로 분석하였다. 제2부에서는 부도 및 재무비율 등 패널자료에서 나타나는 패널간 상관성 문제를 반영할 수 있는 모형으로 일반화추정방정식(generalized estimating equation: GEE)모형을 제시하고 이의 유용성을 살펴보았다. 제3부에서는 부도확률과 재무비율간의 비선형성(nonlinearity)을 검증하고 이를 반영할 수 있는 모형으로서 다차항 로짓모형을 구축하고 그 예측력을 비교분석하였다.
(1) 산업평가모형에 대한 연구 -거시변수와 산업간 부실 전이효과를 중심으로-
18개의 거시경제변수를 주성분분석(principal component analysis: PCA)을 통해 4개의 주성분으로 축약하고 이를 이용하여 21개의 산업별 신용평가모형을 구축하였다. 이를 기초로 거시경제변수와 산업부실률간의 관계를 분석한 결과, 대체적으로 이론과 일치함을 확인할 수 있었다. 실업률, 생산자물가, 국제유가, 수입물가, 원화가치, 엔/달러환율, 회사채수익률, 신용스프레드는 산업위험과 양(+)의 관계, 주택가격, 제조업생산, 건설기성액, 총유동성, 총대출금 등은 산업위험과 음(-)관계를 보여 주었다. 구축된 산업별 신용평가모형을 이용하여 산업간 부실 전이효과를 실증 분석한 결과 총 21개 공급산업 중 14개 산업에서 유의한 양(+)의 관계를 발견하였다. 수요산업의 부실률 상승이 14개 공급 산업의 부실을 높이는 요인의 하나임을 확인하였다.
(2)기업부도예측을 위한 일반화추정방정식 모형의 적용
재무정보 및 부도정보 등과 같은 전형적인 패널자료에서 나타나는 상관성의 문제를 반영하기 위해 일반화추정방정식(generalized estimating equation: GEE)을 기업 부도모형을 적합해 보았다. 분석 결과, 큰 차이는 아니지만 패널간 상관성을 반영한 GEE모형의 예측력이 로짓모형에 비해 다소 높게 나타났다. GEE의 ROC가 LOGIT의 ROC에 0.2%p 높았으며 예측률(정분류율)에서도 GEE모형이 72.7%로 LOGIT의 72.3%보다 높았다. 패널자료의 상관성을 반영하는 GEE모형을 도입함으로써 기존 부도예측모형을 일부 개선할 수 있음을 시사한다.
(3) 재무비율의 비선형성과 부도예측모형
재무비율과 부도확률간의 비선형성(nonlinearity)을 검증했다. 재무비율을 등거리로 나누어 구간별 부도확률을 산출한 결과 유보액대총자산비율, 부채비율, 당좌비율, 영업비비율, 매출채권대매입채무비율 등 에서 U자형 비선형성이 발견되었다. 재무비율의 1차항과 2차항 변수만을 대상으로 한 단변수 다차항 로짓(simple polynomial logit) 분석 결과, 대부분의 2차항 변수의 계수가 유의성을 보여 주었으며 우도비 (lilelihood ratio: LR) 검증 결과, 2차항 변수가 모형에 포함되어야 함을 보여주었다. 다중 다차항 로짓모형(multiple polynomial logit model)이 다중 로짓모형(multiple logit model)에 비해 설명력이 향상되는지 알아보기 위한 LR 검증에서도 모형간에 유의적인 차이가 발견되었다. 이는 기업부도예측모형의 구축시 재무비율의 비선형성 정보가 예측력을 개선하는데 활용될 수 있음을 시사한다고 할 수 있다.
목차
This study is composed of three theses related to the improvement of the corporate bankruptcy prediction model. In Part 1, the study constructs an industrial risk prediction model that utilizes macroeconomic variables. In addition, it analyzes whether there exist spillover effects of failure rates across vertically integrated industries. In Part 2, the study suggests a Generalized Estimating Equation (GEE) model that can account for possible correlations between series appearing in panel data and reviews its pros and cons. In Part 3, the study sets up a polynomial logit model that can reflect nonlinearity between the probability of bankruptcy and financial ratios, and examines its predictive power.
1. Industrial risk prediction model : focusing on macrovariables & spillover effect
A firm''s credit risk is governed in large part by the industrial environment, which in turn is affected by the macroeconomic conditions. This paper studies the nature of these links by applying the principal component analysis. Unemployment rate, producer prices, international oil prices, import prices, won currency value, yen/dollar exchange rates, corporate bond yield rates and credit spread are found to be positively related to industrial risks. On the other hand, housing prices, manufacturing output, construction investment, total liquidity, total loan, etc. are found to be negatively correlated with industrial risks. The empirical analysis of spillover effects of failure rates across vertically integrated industries found significant positive relations in 14 out of 21 supply industries.
2. Application of GEE model for bankruptcy prediction model
This paper applies GEE(Generalized Estimating Equation) to corporate bankruptcy models in order to account for the correlations in the data. It is found that this approach is slightly better than the typically used logit model in terms of predictive power. Specifically, the ROC(Receiver Operating Characteristic Curve) of GEE model was 0.2%p higher than that of the logit model. In addition, the GEE model was higher at 72.7% compared with the logit model in terms of the prediction rate. The results imply that the use of the GEE model that reflects correlations between the data series may provide improvement over the existing bankruptcy prediction models to certain extent.
3. Nonlinearity of financial ratios and bankruptcy prediction model
In this study, the nonlinearity between financial ratios and bankruptcy probability is tested. As a result of producing bankruptcy probability by group after dividing the financial ratios at identical distances, U shaped nonlinearity was found. According to the standard polynomial logit analysis for the level term and square term variables of a financial ratio, the coefficients of most of square term variables turn out to be significant. And the LR (likelihood ratio) test shows that the square term variables should be included in the model. Also, it is found that there is a significant difference between the multiple polynomial logit model and the multiple logit model in terms of the explanatory power. This implies that the predictive power of the corporate bankruptcy prediction model can be greatly improved by incorporating the nonlinear nature of the financial ratio into model specification.
