해운업의 적정부채비율 추정을 위한 실증연구

국문 초록 (Abstract)

본 연구는 분석적 모형의 도출과 함께 실증적 자료를 통하여 해운산업의 적정부채비율을 추정 가능하게 하는 한 가지 접근방법을 제시하고 실제로 최적자본구조를 위한 부채비율지표를 제시하는 데 구체적인 연구목적을 둔다. 그 분석적 모형의 출발은 독립변수를 부채비율로 하는 자기자본순영업이익률 계산식으로부터 출발한다. 관련모수는 매출액영업이익률, 총자산회전율과 순금융비율(금융비용대부채)로 구성되는 데, 매출액영업이익률과 총자산회전률의 경우 부채비율과는 어떠한 상관관계(correlation)가 존재한다고 보기 어렵지만 금융비용율은 부채비율과 상관관계 또는 인과관계(causality)가 존재한다고 볼 수 있다. 바꾸어 말하면 부채비율이 높은 기업은 상대적으로 높은 금융비용을 부담해야 할 가능성이 크다고 볼 수 있다. 이 경우 금융비용율과 부채비율 간에 1차 선형(linearity) 관계가 존재할 것이고 이러한 관계를 고려하기 위한 그 관계식을 분석모형에 추가할 수 있다. 결과적으로 적정부채비율의 기준을 자기자본순영업이익률을 극대화하는 부채비율 수준으로 정의한다면, 두 식으로부터 통해 자기자본순영업이익률은 부채비율을 독립변수로 하는 2차함수로 나타낼 수 있다. 그리고 이를 1차 미분하고 극대화의 조건 0을 대입하면, 결과적으로 자기자본순영업이익률을 극대화하는 최적 부채비율을 도출할 수 있다. 특히 모수 추정을 위한 회귀모형의 결정계수는 47.44%로서 단순회귀분석으로는 상당히 설명력이 높으며, 그 통계적 유의성도 F비 9.026067로 유의수준 5%에서 유의적이었다. 그리고 모수의 추정치의 t-값도 모두 높아 추정계수는 각각 유의수준 1%, 5%에서 통계적으로 유의적이었다. 본 연구는 우리나라해운산업의 12년 자료를 기초로 회귀분석을 통하여 관련모수를 추정하고 최적부채비율을 산출한 바 약 400%임을 확인하였다. 결론적으로, 우리 나라 해운산업의 경우, 매출과 영업이익이 안정적이라면 흔히 과거 재무적 안전성을 담보하는 부채비율로 강제하였던 200%의 2배인 400%까지도 용인될 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

The concrete purpose of this study is to suggest actually a debt ratio to optimize the capital structure providing a kind of approach to estimate the proper debt ratio with an analytical model and empirical data in Korean shipping industry.
The analytical process of this model is as follows:
OI ≡ a*S (OI: operating income, S: sales)
S ≡ b*A (A: assets )
FC ≡ c*L (FC: finance cost, L: liabilities)
where, (a) means ratio of operating income to sale, (b) total assets turnover, and (c) finance cost ratio. And NOI, net operating income, is calculated as follows,
NOI = OI - FC
= a*S - c*L
= a*(b*A) - c*L
= a*b*(E + L) - c*L (E: owner's equity)
= a*b*E + {(a*b) - c}*L
And then, ROE means Return of NOI on Equity.
NOI/E = a*b*E/E + {(a*b) - c}*L/E
ROE = a*b + {(a*b) - c}*x (x: debt ratio)
There could be the correlation or causality between (c) and (x), in other words, the following linear equation is doable.
c = i + s(x ) where, i is intercept and s is slope.
To be short,
ROE = a*b + (a*b - i)*x - 2s*x^2
From this analytical, this study conducted the regression analysis to estimate parameters (i) and (s) with empirical data. The regression model has high explanation power because the coefficient of determination is .474, as well as its probability is significant