생존분석과 KMV모형을 이용한 기업 부도 예측

다국어 초록 (Multilingual Abstract)

While the methods of evaluating and measuring the risk of corporate bankruptcy have been developing, the need of more sophisticated predictional models for coporate bankruptcy becomes greater than ever.
The existing methods for forecasting company's default are classified into two: the one is discriminant analysis using financial statement data and the other is KMV model using stock market data. Although there are many trials to combine two methods, we have not found any meaningful results yet.
This paper presents a forecasting model for corporate bankruptcy using both financial statement data and stock market data. So, we try to combine survival analysis and KMV model through Monte- Carlo simulation.
In conclusion, we can get better results when we apply survival data that were forecasted to a logistic regression model than the existing models. This paper proves that it is more useful to use both financial statement data and stock market data when forecasting corporate bankruptcy.

국문 초록 (Abstract)

기업 부도 위험을 평가하고 측정하는 방법은 계속 발전하여왔지만, 보다 정교한 부도 예측모형의 필요성은 점차 증대되고 있다. 과거에 비해 복잡해진 기업경영환경의 영향에 따라 기업들의 정확한 부도 예측을 위한 추가적인 정보가 필수적이다.
기존의 기업부도 예측 방법론들은 크게 회계적인 재무정보를 이용한 이진 분류적인 판별분석 형태의 예측과 시장정보인 주가를 이용하여 기업 부도확률을 예측하는 KMV 모형으로 나누어진다고 할 수 있다. 이 두 가지 방법론을 접목하는 시도는 많이 이루어져 왔지만 아직 유의적인 결과를 얻지는 못하였다.
본 연구는 이 두 가지 정보를 동시에 적용할 수 있는 부도 예측 모형을 추정하고자 한다. 두 가지 정보를 같이 예측모형에 적용하기 위하여 생존분석과 KMV 모형, 두 방법론을 몬테칼로 시뮬레이션으로 접목하여 예측하는 방법을 시도하였다. KMV 모형을 사용하여 시뮬레이션으로 사후 부도 확률 분포를 예측하고 이를 이용하여 각 기업의 생존 주기를 확률적으로 도출한 후, 이를 기존의 재무지표를 이용한 부도 예측 모형에 접목시켜 두 정보를 같이 고려하는 모형을 만드는 것이 핵심 아이디어이다.
연구 결과 예측 생존 주기를 로지스틱 예측모형에 변수로 적용하였을 경우 보다 우수한 예측 능력을 보여주는 것을 볼 수 있었다. 이 수정된 로지스틱 모형은 기존의 로지스틱 모형 보다 우수한 예측 능력을 보였으며, 특히 표본 검정결과 부도기업을 부도로 예측하여 판별해내는 능력이 더 뛰어난 것으로 나타났다.
이와 같이 기존의 재무 정보로서만 예측하는 모형보다 시장 정보를 KMV모형과 생존분석 기법을 통하여 반영한 본 연구의 모형이 기업 부도 예측을 좀 더 정확히 추정할 수 있음을 제시한다.

목차 (Table of Contents)

• 표목차 = ⅲ
• 그림목차 = ⅳ
• 국문초록 = ⅴ
• 제1장 서론 = 1
• 제2장 선행연구 = 4
• 제3장 연구 방법론 및 배경 이론 = 7
• 3.1. 생존분석 = 7
• 1) 생존분석 = 7
• 2) 기업 부도 예측 모형에 생존분석을 적용하는 이유 = 8
• 3) 생존함수의 추정 = 10
• 4) 공변량을 이용한 생존분석 = 12
• 3.2. KMV 모형의 시뮬레이션과 결합 = 16
• 1) KMV모형 = 16
• 2) 시뮬레이션을 이용한 예측 D.D.의 산출 = 17
• 3.3 예측모형의 유용성 평가 = 21
• 제4장 실증연구 = 24
• 4.1. 실증 연구 데이터 및 도구 = 24
• 4.2. 예측 생존주기 추정 과정 = 26
• 1) 개별기업 주가 프로세스 추정 = 26
• 2) KMV 모형을 사용한 D.D.의 추정 = 28
• 3) 생존분석을 위한 표본의 예측 생존주기 추정 = 30
• 4.3. 시장정보를 이용한 부도예측 = 33
• 1) D.D.를 통한 표본 집단 간 부도 확률 비교 = 33
• 2) 생존함수 추정에 의한 표본 집단 간 비교 = 35
• 4.4. 재무변수를 이용한 부도예측 = 38
• 1) 재무변수 선택 = 38
• 2) 로지스틱 회귀분석 모형 = 39
• 4.5. 시장정보와 재무정보를 이용한 부도 예측 = 41
• 1) 수정 로지스틱 회귀분석 모형 = 41
• 2) AFT 모형 = 43
• 4.6. 예측모형의 예측력 평가 = 46
• 4.7. 실증 분석 결과 정리 = 48
• 제5장 결론 = 50
• 참고문헌 = 52
• 부록 1 표본선정 = 55
• 부록 2 재무지표 선정 = 61
• Abstract = 67