경기변동을 반영한 부도예측모형에 관한 실증연구 : 중소기업 회계정보 기반 동태적 모형을 중심으로 = (The) effects of business cycle on the default model for unlisted SMEs in Korea

국문 초록 (Abstract)

기업의 신용위험은 재무상태 등 개별기업(차주)의 특성을 반영한 고유위험요소(idiosyncratic risk factor)와 모든 차주의 신용도에 영향을 미치는 거시환경위험요소(systematic risk factor)에 의해 결정된다. 또한 금융기관의 경기순응성(pro-cyclicality)은 경기국면에 따라 신용위험에 영향을 주는 요인에 차이가 있게 해준다.
이와 같이 기업의 신용위험(부도확률)을 측정하는 데에는 경기변동이 중요한데 기업부도예측과 관련된 대부분의 연구가 회계정보를 활용하여 기업 고유위험에 근거한 연구 위주로 이루어져 있거나 거시경제변수와 기업부도율간의 관계에 대한 단순한 실증 분석만 수행되었을 뿐 고유위험요소와 거시환경위험요소를 통합하여 부도예측모형과 연계한 국내외 연구는 별로 없는 현실이다.
특히 중소기업은 자산규모 등 회계정보의 변동성이 크고 대기업에 비해 경기변동에 민감하므로 부도예측시 경기변동을 감안하여 측정하는 것이 바람직하지만 중소기업을 대상으로 경기변동과 부도예측모형을 연계한 연구는 거의 없다.
본 연구는 이러한 배경에서 회계정보를 활용한 기업부도예측모형을 경기변동과 직․간접적으로 연계하여 추정하는 방법론을 제시하고 거시환경위험요소를 반영한 부도예측모형의 변별력이 개선될 수 있는지를 분석하였다. 또한 네 가지 경기국면(호황/하강/불황/회복)에 따라 신용위험을 설명하는 회계변수가 상대적으로 변할 것이 예상되므로 이를 분석하였다.
본 연구의 실증 분석대상은 그동안 연구가 활발하지 못하였던 경기변동에 민감한 비상장 중소기업을 대상으로 하였다. 표본은 경기변동이 충분히 반영되도록 1995년～2007년 동안의 재무자료에서 추출한 38,758개 비상장 중소기업의 재무제표 119,622개이며 이를 추정표본(estimation sample) 74,697개와 예측성과를 검토한 확인표본(holdout sample) 49,798개로 분리하였다.
부도예측모형을 경기변동과 연계하여 분석하는 방법론으론 첫째, 경기국면별로 모형을 달리 구축하여 거시환경위험요소를 모형에 직접적으로 반영하는 방법과 둘째, 산업별 거시환경위험요소 가중치를 산출하여 개별기업의 부도확률(PD: Probability of default)을 조정하는 방법이 있다. 본 연구에서는 이 두 가지 방법 각각에 대해 연구 설계하고 실증 검증하였다.
부도예측모형에 대한 분석방법은 동태적 현상인 기업부도를 예측하는데 활용하는 생존분석방법의 하나로서 연차단위 패널자료로서 시계열 특성이 있는 본 연구의 표본에 적합한 이산시간로짓모형(discrete-time logit model)을 사용하였다. 분석모형의 예측력은 바젤위원회에서 부도예측모형의 변별력(discriminant power) 측정치로 제시하는 여러 가지 측정치 중 실무에서 가장 많이 사용하고 있는 AUC(Area Under the ROC Curve) 등을 중심으로 살펴보았다.
실증 분석결과는 다음과 같다.
첫째, 회계정보를 활용한 부도예측모형에 경기변동변수를 직․간접적으로 연계하여 추정한 모형의 AUC는 회계정보를 활용한 모형 대비 크게 증가되지 않았지만 경기국면 예측에 따라 분류값(cut-off value)을 달리하여 부도기업을 부도기업으로 정확하게 분류하는 비율인 HR(hit ratio)과 건전기업을 부도기업으로 잘못 분류하는 비율인 FAR(false alarm ratio)를 동시에 감안시 경기변동을 감안한 분석모형이 금융기관 경영전략 측면에서 활용성이 크고 부도예측모형으로서의 유용성이 높은 것으로 나타났다.
둘째, 신용위험을 설명하는 회계변수가 경기국면별로 상대적으로 변하는지 여부를 실증 분석한 결과, 경기변동에 따라 부도율을 설명하는 기업고유위험에 체계적인 차이를 보여주는 회계정보가 있는 것으로 검토되었다. 회복기에는 수익성과 활동성 보다는 현금유동성과 현금흐름 기준 이자보상배율과 더불어 가장 강력한 부도예측을 설명하는 회계변수임이 확인되었고 호황기와 하강기에는 전반적으로 회복기와 불황기에 비해 부도예측력이 낮고 안정성, 활동성 변수가 유의하지 않은 것으로 확인되었다. 불황기에는 수익성, 안정성, 현금흐름 및 변동성 모두 다른 국면에 비해 부도예측에 유용한 변수로 확인되었으며 특히 불황기 일수록 재무건전성 및 현금흐름이 부도예측에 유용한 회계정보라는 선행연구결과와도 일치하였다.
본 연구의 주요 공헌점은 다음과 같다.
첫째, 거시환경위험요소인 경기변동변수를 부도예측모형에 연계하여 체계적인 연구를 수행하여 미시적인 관점에서 신용위험을 예측한 기존 부도예측모형의 한계점을 보완하였다.
둘째, 네 가지 경기국면에 따라 신용위험을 설명하는 회계정보가 변화될 수 있음을 제시하고 이를 부도예측모형에서 활용할 수 있음을 밝혔다는 점에서 의의가 있다.
셋째, 기존 부도예측모형은 표본외 검증을 통해 모형의 변별력을 평가하는 데 그치고 있으나 본 연구에서는 나아가 거시경제적 환경 변화에 따라 부도확률의 변동을 신용등급으로 계량화하여 부도예측모형의 실무적 활용성을 평가한 점에서 의의가 있다.
마지막으로 본 연구에서는 10만개가 넘는 중소기업 자료를 이용해 분석한 결과임을 특별히 언급하고 싶다. 소수의 부도자료를 이용한 선행연구는 표본선택의 편의 문제에 노출되는 경향이 있다. 따라서 경기변동에 따라 부도율이 매우 변동적인 특징을 보이고 있는 중소기업을 방대한 자료를 이용하여 분석한 본 연구결과는 경기변동에 따른 신용위험을 포착하는데 의미가 있다고 본다.

목차 (Table of Contents)

• 국문요지 ⅶ
• 제1장 서론
• 제1절 연구의 배경 및 목적 1
• 제2절 연구의 범위 및 방법 4
• 제2장 이론적 배경 및 선행연구
• 제1절 이론적 배경 6
• 1. 기업부도의 정의 6
• 2. 경기변동 이론과 회계정보의 유용성 7
• 3. 부도예측 접근방법에 따른 신용평가철학 11
• 4. 바젤Ⅱ와 중소기업 부도예측모형 개발의 중요성 12
• 제2절 주요 선행연구의 검토 18
• 1. 분석기법 측면에서의 주요 부도예측 관련 선행연구 18
• 2. 경기변동과 기업 부도율과의 관계에 관한 선행연구 22
• 3. 선행 부도예측연구에서 제시한 회계변수 24
• 제3장 연구방법 및 연구설계
• 제1절 연구방법 27
• 1. 회계모형에 경기변동을 반영하는 방법 27
• 2. 거시변수를 분리하여 경기변동을 반영하는 방법 28
• 제2절 연구모형 29
• 1. 회계모형에 경기변동을 반영한 연구 29
• 2. 거시변수를 분리하여 경기변동을 반영한 연구 33
• 제3절 부도예측모형에 대한 적합성 검증방법 36
• 1. 변별력 검증방법 38
• 2. 안정성 점검 44
• 3. 등급계량화 점검 45
• 제4절 변수선정 및 변수정의 47
• 1. 회계변수 선정 및 정의 47
• 2. 거시경제변수 선정 및 정의 53
• 제5절 연구표본 55
• 1. 회계모형에 경기변동을 반영한 연구표본 55
• 2. 거시변수를 분리하여 경기변동을 반영한 연구표본 61
• 제4장 실증 분석결과
• 제1절 회계모형에 경기변동을 반영한 모형 67
• 1. 단일변량 분석 67
• 2. 기본모형의 회계변수 선정과정 및 선정결과 71
• 3. [분석모형1]에 대한 검증결과 78
• 4. [분석모형2]에 대한 검증결과 82
• 5. 확인표본에 의한 분석모형 예측성과 93
• 6. 기대비용을 감안한 분석모형 예측성과 100
• 제2절 거시변수를 분리하여 경기변동을 반영한 모형 105
• 1. 거시부도예측모형 105
• 2. 산업별 거시부도시계모형 109
• 3. 산업별 경기국면에 따른 PD민감도 산출 112
• 4. PD민감도에 의한 개별기업 PD조정후 예측성과(분석모형3) 114
• 제5장 결론
• 제1절 요약 118
• 제2절 연구의 공헌과 한계점 121
• 참고문헌 124
• [부록1] KMV의 DD모형 설명 133
• [부록2] 생존분석기법 및 이산시간로짓모형 설명 137
• ABSTRACT 139