중소기업의 부실 예측에서 산업 관련 변수의 유용성에 관한 연구 : 비상장 중소기업을 중심으로 = A Study on the Usefulness of Industry-related Variables in Predicting the Failure of SMEs : Focusing on unlisted SMEs|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Corporate failure results in enormous losses to most stockholders, especially consumers, suppliers, workers, financial institutions and many investors, and impacts significantly on the national economy. Corporate failure is manifested by a combination of factors, rather than being influenced by one factor. Futhermore, since industrial structural constraints as macroeconomic variables affect the corporate's business strategy, financial structure, and profitability, etc. resulting in eventual effect on the probability of corporate failure. Therefore, it is necessary to include industry-related variables in business failure prediction model, in addition to the financial ratios. In order to meet these needs, this study was conducted on unlisted firms, especially SMEs, which included industry - related variables besides financial ratios as explanatory variables of business failure prediction model, and lacked previous studies. As for the methodology for the prediction of corporate failure, various techniques have been used such as discriminant analysis, logistic regression analysis (logistic regression: logit), probit, survival analysis, Artificial Neural Network (ANN), Case-Based Reasoning (CBR), Decision tree, etc. As for the explanatory variables of the forecasting model, accounting based measures, such as EBT and financial ratios are mainly used, while firm age, firm size, industry, region, credit rating, appropriateness of accounting information system, and macroeconomic indicators are used as non-accounting variables. In this study, we examined whether the possibility of failure is affected by profitability, liquidity, interest payment ability, financial stability, growth potential, activity, industry concentration and industry dependency. In addition, whether industry concentration and industry dependency moderate the effect of financial ratios on corporate failure is also examined. The dependent variable is a dummy variable that indicates whether the firm failed. According to the asset quality classification standard of the banking supervision regulation, ‘1’ is assigned to firms below ‘Fix’, while ‘0’ is assigned to others. And the independent variable is the financial ratio variable. Among the industry-related variables that are independent and moderating variables, the industrial concentration indicates the competition level of the industry. In this study, it is measured by the HHI data published by the Korea Fair Trade Commission. The industrial dependency indicates the extent to which producers in one market become buyers or sellers directly or indirectly in other markets. In this study, we measured customer dependency and supplier dependency separately according to Shih (2007). As for the control variables, we selected the firm size and age, and the firm size was measured by the natural log of total assets. The validation data used in this study are financial and industry-related data of unlisted SMEs excluding financial industry, and extracted from the internal database of "A" bank which is one of the domestic commercial banks. In this study, 100 normal companies and 100 insolvent companies were selected. The Fair Trade Commission has calculated the Hirschman-Herfindahl Index for each industry and has been compiling since 2006. The sample period is from 2010 to 2013 because it is now publicly disclosed to the index in 2013. The results of empirical analysis are as follows: The financial ratios are divided into six areas such as liquidity, profitability, financial stability, interest payment ability, activity, and growth potential. One of the highest t values per area, such as cash ratio, retained earnings ratio, SDBV, financial expenses to net sales ratio, turnover ratio of accounts receivable, and growth rate of equity capital, are selected. In the estimation of the regression model in the financial stability area, we selected SDBV instead of ratio of net worth to total capital, debt-equity ratio and debt ratio, which caused multicollinearity. According to a result of analysis using logistic regression on the data of the year of occurrence of the insolvency, the age showed the negative effect on the occurrence of the failure, while the size effect indicated by the amount of assets showed the negative direction. Among the independent variables, the financial expenses to net sales ratio has a positive (+) effect on the failure at the 1% of statistically significant level, and the SDBV has the positive (+) effect on the failure at the 10% level. According to a result of estimating the insolvent companies two years ago, the financial expenses to net sales ratio has a positive affect at the 1% level. As for a result of estimation three years ago, only the turnover of accounts receivable turns out to be statistically significant at 1% level. The industry concentration variable showed a positive (+) value at the 5% level, and both the customer dependency variable and the supplier dependency variable showed no statistical significance. The moderating effect was verified by creating a dummy variable that is 1 if the industry concentration, customer dependence, and supplier dependency are above the median, and 0, if they are below the median. The industry concentration dummy variable had a significant moderating effect only on the relationship between the financial expenses to net sales ratio and the failure probability.
it is shown that the customer dependency dummy variable has a significant moderating effect only on the relationship between the financial expenses to net sales ratio and the failure probability. On the other hand, the supplier dependency dummy variable has a significant moderating effect only on the relationship between the financial expenses to net sales ratio and the failure probability. The contribution of this study is as follows: First, SMEs have important implications for managers and policy making authority that financial ratios deeply related to the occurrence of insolvency are significantly different from those of large corporations. Second, since the financial ratios with high predictability change depending on the number of the years before the failure gets bigger, the possibility of failure can be predicted from a long-term perspective, based on changes in financial ratios. Third, we extended the time and spatial range of forecasting by predicting corporate failure by integrating micro-financial ratios and macro-industry-related variables.
However, as this study has the following limitations, it needs further study to complement this. First, as this study has limitedly collected data at one specific bank, it is limited to generalize the analysis results. Further research is required to collect data simultaneously from different banks' databases and to increase the likelihood of generalization of results. Second, because the sample of this study is limited to the manufacturing industry, it is difficult to apply it to the financial industry. Therefore, it is necessary to develop a model that extends to the financial industry, and to conduct a research that can analyze the difference between the financial industry and the manufacturing industry. Third, it is necessary to make a comparison with other methods in addition to logistic regression analysis.

번역하기

국문 초록 (Abstract)

기업의 부실(corporate failure)은 기업과 관련된 대부분의 이해관계자들 특히 소비자, 납품업자, 근로자, 그리고 금융기관과 많은 투자자에게까지 막대한 손실을 끼치게 되고 국가 경제에 중대한 영향을 미친다. 기업부실은 하나의 요인에 의해 영향을 받기보다는 여러 가지 요인이 복합적으로 작용하여 나타난다. 특히 거시경제변수인 산업구조적인 제약요소가 기업의 영업전략, 재무구조, 수익성 등에 영향을 미침으로써 결과적으로 기업부실 가능성에 영향을 미칠 수 있으므로 부실예측모형에 재무비율 외에도 산업관련변수를 포함할 필요가 있다. 이러한 필요성을 충족하기 위하여 본 연구는 부실예측모형의 설명변수로 재무비율 외에 산업관련변수를 포함하고 기존 연구가 부족한 비상장기업, 특히 중소기업을 대상으로 하였다. 기업부실 예측 연구의 방법은 판별분석, 로지스틱회귀분석(logistic regression: logit), 프로빗(probit), 생존분석, 인공신경망(artificial neural network, ANN), 사례기반추론(case-based reasoning: CBR), 의사결정나무(decision tree) 등 다양한 기법들이 사용되고 있다. 예측모형의 설명변수로는 주로 세전이익(EBT), 재무비율과 같은 회계 측정치(accounting based measures)를 사용하고 있다. 비회계변수로는 기업업력(firm age), 기업규모(firm size), 산업, 지역, 신용평가등급, 회계정보시스템의 적합성, 거시경제지표 등을 사용하고 있다. 선행 연구를 종합하여 본 연구에서는 수익성, 유동성, 이자지급능력, 재무적 안정성, 성장성, 활동성, 산업집중도 및 산업의존도가 부실 발생 가능성에 영향을 미치는지를 조사하였다. 또한 재무비율이 기업부실에 미치는 영향을 산업집중도 및 산업의존도가 조절하는지도 조사하였다. 종속변수는 기업부실 여부를 나타내는 더미변수로서 은행업감독규정의 자산건전성 분류기준에서 고정이하 업체인 경우는 1, 고정이하 업체가 아니면 0을 부여하였고 독립변수는 재무비율변수이다. 독립변수이면서 조절변수인 산업관련변수 중 산업집중도는 산업의 경쟁수준을 나타내며, 본 연구에서는 공정거래위원회가 발표하고 있는 자료로 측정한다. 산업의존도는 한 시장에서의 생산자가 다른 시장에서 직․간접적으로 구매자 혹은 판매자가 되는 정도를 나타내며, 본 연구에서는 Shih(2007)의 방식을 따라 고객의존도와 공급자의존도로 각각 분리하여 측정하였다. 통제변수로는 기업규모와 업력을 선택하였으며, 기업규모는 자산총액의 자연로그(natural log)로 측정하였다. 본 연구에서 사용할 검증자료는 금융업을 제외한 비상장 중소기업의 재무자료 및 산업 관련 자료로서 국내 시중은행 중 하나인 A은행의 내부 데이터베이스에서 추출하여 사용하였다. 본 연구에서는 100개의 정상기업과 100개의 부실기업을 선정하였다. 공정거래위원회에서는 산업별로 허쉬만-허핀달지수(Hirschman-Herfindahl Index: )를 계산하여 2006년 이후부터 집계, 발표하고 있다. 현재 2013년 지수까지 공시되었으므로 표본기간은 2010년부터 2013년까지로 하였다. 실증분석 결과는 다음과 같다 : 재무비율을 유동성, 수익성, 재무안정성, 이자지급능력, 활동성, 성장성 등 6개 영역으로 구분하고 각 영역별로 t값이 가장 높은 하나씩, 즉 현금비율, 이익잉여금비율, SDBV, 금융비용부담률, 매출채권회전률, 자기자본증가율을 선정하였다. 재무 안정성 영역에서 회귀모형의 추정과정에서 다중공선성문제를 야기한 자기자본구성비율, 부채구성비율, 부채비율 대신 SDBV를 선정하였다. 부실 발생년도의 자료로 로지스틱 회귀분석을 사용하여 분석한 결과, 통제변수 중 기업업력이 부실 발생에 부(-)의 영향을, 자산액으로 표시한 규모효과는 부(-)의 방향을 보여주었다. 독립변수 중에서 금융비용부담률은 1% 수준에서 부실에 정(+)의 영향을, SDBV는 10% 수준에서 부실에 정(+)의 영향을 미치는 것으로 나타났다. 부실 2년 전의 부실기업을 대상으로 추정한 결과에서도, 금융비용부담률이 1% 수준에서 정(+)의 영향을 미치는 것으로 나타났다. 부실 3년 전의 부실기업을 대상으로 추정한 결과에서는 매출채권회전율만이 1% 수준에서 통계적 의미가 있는 것으로 나타났다. 산업집중도변수는 5% 수준에서 유의한 정(+)의 값을 보이고 있으며 고객의존도변수와 공급자의존도변수 모두 통계적 유의성이 없는 것으로 나타났다. 산업집중도, 고객의존도, 공급자의존도가 각 기업별로 중위수 이상이면 1이고, 중위수 이하이면 0인 더미변수를 새로 만들어서 조절효과를 검증하였다. 금융비용부담률과 부실확률 간의 관계에만 산업집중 더미변수가 유의한 조절효과를 가지고 있었다. 금융비용부담률과 부실확률 간의 관계에만 고객의존 더미변수가 유의한 조절효과를 가지고 있고, 금융비용부담률과 부실확률 간의 관계에만 공급자의존 더미변수가 유의한 조절효과를 가지고 있는 것으로 나타났다. 본 연구의 공헌점으로는 첫째, 중소기업의 경우 부실 발생과 관련이 깊은 재무비율이 대기업과는 상당한 차이를 보이고 있다는 점에서 경영자나 정책당국에게 중요한 시사점을 준다는 점이다. 둘째, 부실 전 연도가 커질수록 예측력이 높은 재무비율이 상이하므로 장기적인 관점에서 재무비율의 변동을 토대로 미리 부실 가능성을 예측할 수 있다. 셋째, 미시적인 재무비율과 거시적인 산업 관련 변수를 통합적으로 반영하여 기업부실을 예측함으로써 예측의 시간, 공간적 범위를 확대하였다. 반면 본 연구는 다음과 같은 한계점을 가지고 있으므로 이를 보완하는 연구가 필요하다. 첫째, 본 연구가 특정 은행 한 곳에서 한정적으로 자료를 수집하였다는 점에서 분석결과를 일반화시키기에는 한계가 있다. 추후 목적이 다른 여러 은행의 데이터베이스에서 동시에 데이터를 수집하여 결과의 일반화 가능성을 높이는 연구가 필요하다. 둘째, 본 연구의 표본이 제조업에 국한하고 있으므로 금융업에 적용하기에는 어렵다. 따라서 금융업까지 확장한 모형을 개발하고 금융업과 제조업 간 차이를 분석할 수 있는 연구가 필요하다. 셋째, 부실 예측 방법으로 로지스틱 회귀분석 이외에 다른 방법과의 비교를 통한 분석이 필요하다.

번역하기

기업의 부실(corporate failure)은 기업과 관련된 대부분의 이해관계자들 특히 소비자, 납품업자, 근로자, 그리고 금융기관과 많은 투자자에게까지 막대한 손실을 끼치게 되고 국가 경제에 중대...

목차 (Table of Contents)