회계정보와 시장정보를 이용한 부도예측모형의 평가 연구

이인로,김동철 한국재무학회 2015 한국재무학회 학술대회 Vol.2015 No.05

본 연구는 부도예측모형을 정보의 원천(information source)을 기준으로 회계모형, 시장모형, 그리고 헤저드모형으로 구분하고 분석대상모형의 부도예측력을 예측표본(out-ofsample) 에서 비교하였다. 회계모형은 분석방법에 따라 판별분석모형과 로짓분석모형으로 분류하였으며, 이 모형을 이용하여 국내기업에 적합한 변수를 새롭게 선정하여 변수의 계수를 재추정하였다. 시장모형은 부도거리(Distance to Default; DD)모형을 이용하였다. 회계정보와 시장정보를 통합하여 부도예측에 이용한 헤저드모형은 기존의 문헌에서 미국기업에 적용하여 선정된 변수를 국내기업에 그대로 적용하여 변수의 계수만을 재추정한 기존의 헤저드모형과 국내기업에 적합하도록 모형을 수정한 새로운 헤저드모형을 이용하였다. 따라서 5개의 부도예측모형의 부도예측력을 비교분석하였다. 위 5개 모형의 부도예측력은 부도적중률(hit-ratio), ROC (Receiver Operating Characteristic) 곡선을 이용한 평가방법, 그리고 분석대상모형에서 산출된 값과 추후 실제 기업부도와의 관계를 패널분석한 정보검증법(information content test), 이 세가지 방법으로 평가되었다. 이 세가지 평가방법에서 일관되게 국내기업에 적합하도록 기존의 모형을 수정한 새로운 헤저드모형이 가장 부도예측력이 높았으며, 미국기업에 적용하여 선정된 변수를 국내기업에 그대로 적용한 헤저드모형, 로짓분석모형, 판별분석모형, 그리고 DD모형순으로 부도예측력이 높게 나타났다. 따라서 본 연구의 새로운 헤저드모형을 국내기업의 부도예측모형으로 제안하고자 한다. This paper evaluates out-of-sample prediction power of bankruptcy prediction models, accounting-based model, market-based model, and hazard model using both accounting and market information. We suggest two new accounting-based models by using multivariate discriminant analysis and logit analysis. Merton(1974)’s distance-to-default(DD) model is employed as market-based-model. We also provide two hazard models. One is obtained by re-estimating coefficients of frequently used U.S. hazard model with Korean data. The other hazard model is built by modifying aforementioned hazard model for Korean firms. Therefore, we compare the predictability of these five bankruptcy prediction models. We assess the performance of these models by calculating hit-ratio, drawing ROC(receiver operating characteristic) curve, and analyzing information contents test. All three different approaches show that modified hazard model for Korean firms is superior to the others. Therefore, we recommend our modified hazard model for Korean firms as a bankruptcy prediction model.

결합부도예측모형을 이용한 항공산업 자금운용의 위험관리방안

장욱 ( Uk Chang ) 한국항공경영학회 2013 한국항공경영학회지 Vol.11 No.1

본 논문은 항공산업 자금운용을 위한 위험관리방안을 제시하는 것을 목적으로 한다. 이를 위해 먼저 EDF와 신용스프레드와 같은 시장변수를 구한 후, 이를 재무건전성을 나타내는 CAEL 재무변수들과 결합을 통해 결합부도예측모형을 추정한다. 결합부도예측모형은 부도사례기반모형이 가지는 자료제약과 시기적 편중 문제를 해결하고 시장변수기반모형이 가지는 대상기업제약과 시장비효율성 문제를 완화시킬 수 있다. 본 논문은 은행과 저축은행에 대하여 결합부도예측모형을 추정하여 각 모형의 변수와 성과를 기존의 부도사례기반모형과 비교한다. 모형의 성과를 비교하는 방법론으로서 적합성검증은 변별력 측면에서 수행한다. 저축은행의 경우에는 부도사례기반모형과 결합부도예측모형 모두 자본적정성, 자산건전성 관련 지표가 선택되고 전체 내표본을 사용하는 부도사례기반모형에 비해 10%수준의 외표본을 사용하는 결합부도예측모형이 적합성검증에서 변별력이 떨어지지 않을 뿐만 아니라 예측오차의 민감도는 오히려 결합부도예측모형이 더 우수한 것으로 판단된다. 은행의 경우에는 역사적 부도사례가 적어 결합부도예측모형만을 분석하면, EDF를 이용할 경우 자산건전성, 수익성 지표가 유의한 설명변수로 선택되고 은행신용스프레드를 이용할 경우 자산건전성, 수익성 지표 외에 BIS비율로 대표되는 자본적정성이 유의성이 있는 변수로 선택된다. 추정결과 선택된 모든 변수가 매우 유의하고 표본집단이 확장되어도 지속적이다. 모형검증결과 저축은행의 역사적 부도사례의 경우를 제외하고는 모든 추정시기에서 완전모형에 대하여 부분모형이 더 유의한 것으로 나타난다. We propose the alternative model combining financial variables and market variables which is estimated in two stages for the risk management of the fund application of the aviation industry. At the first stage, we estimate the EDFs for the listed banks using stock market information or PDs from credit spreads using bond market information as dependent variables, and select candidate predictor variables from CAEL financial ratios. At the second stage, we estimate the logistic regression model combining these financial variables as predictors and EDFs and PDs from credit spreads as dependent variables. The combined model settles down the problems such as the data restriction and default concentration in the case of the model based on the historical default cases, and the data limit to the listed enterprises or market inefficiency in the case of the model based on the market information. We estimate two combined models with respect to EDFs and credit spreads, and compare the performance with the traditional model based on the historical default cases. We validate the respective models with respect to the discriminatory power. We find that in the case of savings banks 1) the CAEL variables related with asset soundness and capital adequacy are selected for both logistic and combined models, 2) although the combined model uses 10% out-of-sample for the model estimation, its performance is not less discriminatory than the logistic model using all in-samples, 3) its sensitivity for forecast errors are better than the logistic one. In the case of banks, due to the small size of default cases, the combined model is only used for the analysis and variables related with asset soundness and earnings are selected for the dependent variable based on EDFs, but capital adequacy represented by BIS ratio is added for the dependent one based on credit spreads. Every selected variable is very significant and persistent through every estimation period. In the validation of model, the model is tested with likelihood ratio test. Partial model is significant through every estimation period. We find high discriminatory power of both the combined models compared with the traditional models in validation.

금융기관의 부도 의사결정과 부실예측 모형의 내생성

김성환(Sunghwan Kim),박천식(Cheonsik Park),전성민(Seongmin Jeon) 한국산업경영학회 2010 한국산업경영학회 발표논문집 Vol.2010 No.1

이 연구는 금융기관이 부실이 발생한 경우에도 부도처리를 하지 않는 것이 보다 바람직할 수도 있다는 Alexeev and Kim(2004) 등의 이론모델에 대하여, 1990년대 한국 금융기관들의 연성예산제약 문제와 같은 부도 의사결정에 내생성이 존재하는 경우 이를 고려하지 않은 부도예측 모형이 내생성이 존재하는 경우 부도예측을 제대로 할 수 있는지를 심층적으로 연구해 보았다. 구체적으로, Altman (1968, 1996) 등 이분류 부도예측 모형을 통하여 Altman Z 및 K Score등 주요한 모형의 예측능력을 검증함으로써 부도모형에서의 내생성 현상을 진단한 후 부도예측 모형의 개선방안을 제시하고자 하였다. 연구결과, Altman 등에 의하여 제시된 이분류 부도예측 모형은 연성예산제약 등 내생성이 존재하는 경우 예측능력이 현저히 떨어질 뿐만 아니라 고위험군 기업들의 부도위험을 현저히 낮게 추정하고, 저위험군 기업들의 부도위험을 현저히 높게 추정하였다. 본 연구는 부도발생 여부에 따른 기업의 부도예측과 관련한 통계적 기법의 개선보다는 부도에 대한 대출기관의 의사결정 행태, 대출기관과 부실기업 등과의 관계금융 등에 대한 심층분석과 결정요소들에 대한 연구가 되지 반영되지 않고서는 이익률, 레버리지 등 재무비율에 의존한 부도예측모형이 한계가 있다고 지적한다. This study examines the endogeneity problems in default prediction models such as Altman's Z Scores (1968) and Altman's K Scores (1996) due to irrational decision makings by lenders with respect to default risks and risk premium, using a firm level panel data of firms both listed and delisted during the period from 1991 to 2007. We check whether such measures predict firms' default risks properly. Mainly due to indecisive behaviors before the crisis for high risk and poor performing firms in debt financing, or soft budget constraints (SBC) in Korea, and partially due to incorrect use of financial data and missing important variables in the prediction models, models using samples during the period with endogeniety problems affecting the actual defaults of firms do not reflect the quality of firms as expected. Specifically, well known Altman's K Scores so severly underestimate the quality of Korean firms while Altman's Z Scores overestimate their quality. While they estimate overly high and low respectively, they both predict extremely poorly the actually defaulted firms. It appears that they just predict. This implies that default prediction models using intrinsically flawed data even with very high discriminant power in sample can not be used both in sample and out of sample unless the plausible endogeneity problems of the dichotomous samples. We aslo develop default prediction models predicting much better for Korean firms controlling for some serious endogeneity problems like SBC.

대출기관의 부도 의사결정과 부실예측 모형의 내생성

김성환(Sunghwan Kim),박천식(Cheon-sik Park),전성민(Seong-min Jeon) 한국산업경영학회 2011 경영연구 Vol.26 No.1

이 연구는 대출기관에게 있어서 차입한 기업에 부실이 발생한 경우에도 부도처리를 하지 않는 것이 보다 바람직할 수도 있다는 Alexeev and Kim(2004) 등의 이론모델에 대하여, 1990년대 한국 대출기관들의 연성예산제약 문제와 같은 부도 의사결정에 내생성이 존재하는 경우 이를 고려하지 않은 부도예측 모형이 내생성이 존재하는 경우 부도예측을 제대로 할 수 있는지를 심층적으로 연구해 보았다. 구체적으로, Altman(1968, 1996) 등 이분류 부도예측 모형을 통하여 Altman Z 및 K Score등 주요한 모형의 예측능력을 검증함으로써 부도모형에서의 내생성 현상을 진단한 후 부도 예측 모형의 개선방안을 제시하고자 하였다. 연구결과, Altman 등에 의하여 제시된 이분류 부도 예측 모형은 연성예산제약 등 내생성이 존재하는 경우 예측능력이 현저히 떨어질 뿐만 아니라 고위험군 기업들의 부도위험을 현저히 낮게 추정하고, 저위험군 기업들의 부도위험을 현저히 높게 추정하였다. 본 연구는 부도발생 여부에 따른 기업의 부도예측과 관련한 통계적 기법의 개선보다는 부도에 대한 대출기관의 의사결정 행태, 대출기관과 부실기업 등과의 관계금융 등에 대한 심층 분석과 결정요소들에 대한 연구가 되지 반영되지 않고서는 이익률, 레버리지 등 재무비율에 의존한 부도예측모형이 한계가 있다고 지적한다. This study examines the endogeneity problems in default prediction models such as Altman's Z Scores (1968) and Altman's K Scores (1996) due to irrational decision makings by lenders with respect to default risks and risk premium, using a firm level panel data of firms both listed and delisted during the period from 1991 to 2007. We investigate whether such measures predict firms' default risks properly. Mainly due to indecisive behaviors before the crisis for high risk and poor performing firms in debt financing, or soft budget constraints(SBC) in Korea, and partially due to incorrect use of financial data and missing important variables in the prediction models, models using samples during the period with endogeniety problems affecting the actual defaults of firms do not reflect the quality of firms as expected. Specifically, well known Altman's K Scores so severly underestimate the quality of Korean firms while Altman's Z Scores overestimate their quality. While they estimate overly high and low respectively, they both predict extremely poorly the actually defaulted firms. This implies that default prediction models using intrinsically flawed data even with very high discriminant power in sample can not be used both in sample and out of sample unless the plausible endogeneity problems of the dichotomous samples. We aslo develop default prediction models predicting much better for Korean firms controlling for some serious endogeneity like SBC.

빅데이터와 인공지능 기법을 이용한 기업 부도예측 연구

최정원,오세경,장재원 한국재무학회 2017 한국재무학회 학술대회 Vol.2017 No.11

본 연구는 기업 부도 예측 과정에서 새로운 정보 원천으로 비정형 데이터인 뉴스 텍스트 데이터를 계량화하여 활용할 수 있도록 인공지능 기법인 ‘Word2vec’ 방법으로 측정하는 방법을 제시한다. 또한 인공지능 기반의 예측 방법론을 제시하고 기존의 방법론과 예측력을 비교 분석하였다. 연구 결과, 우선 연간 모형에서는 인공지능 기법인 Random forests 기법이 가장 우수한 예측력이 나타나는 것으로 분석되었다. 또한 인공지능을 이용한 다른 방법론들도 전반적으로 기존의 전통적인 예측 방법보다 예측력이 우수한 것으로 나타났다. 뉴스 텍스트를 추가적인 정보 원천으로 추가한 효과는 연간 예측 모형에서는 다소 미미하였다. 하지만 월간 예측 모형에서는 텍스트 정보 기반의 예측 모형이 시장 정보 기반의 예측 모형인 KMV 모형과 유사한 결론을 도출할 수 있어 기업 부도 예측 과정에서 조기 경보 모형으로 충분히 활용이 가능함을 실증하였다.

국내 주식시장의 부도위험 이례현상에 관한 연구

이인로,김동철 한국재무학회 2016 한국재무학회 학술대회 Vol.2016 No.05

본 연구는 국내 주식시장에서 부도위험과 주식수익률의 관계를 분석하였다. 외국의 대 다수 연구가 부도위험과 주식수익률 간의 음(-)의 관계를 나타내는 부도위험 이례현상을 보고하는 것과 달리 국내연구에서는 일치된 결론을 제시하지 못하고 있다. 이에 본 연구는 기존연구보다 다양한 부도예측모형을 이용하여 국내 기존연구에서 상이한 연구결과를 제 시하는 원인을 분석하였다. 분석을 시행한 결과, 국내 주식시장에서 부도위험과 주식수익률의 관계는 표본에 따라 다른 것으로 나타났다. 1999년부터 2000년은 인터넷버블이 심한 기간으로 이 기간중 규모 가 작고 부도위험이 높은 기업이 매우 큰 수익률을 나타냈는데 이 기간이 표본에 포함될 경우 부도예측모형에 따라 부도위험과 주식수익률간의 양(+)의 관계를 나타났다. 하지만 인터넷버블 기간을 제외한 2001년부터 2014년중에는 어떠한 부도예측모형을 이용하더라 도 부도위험과 주식수익률은 매우 유의한 음(-)의 관계를 갖는 것으로 나타났다. 따라서 한국시장에서도 부도위험 이례현상이 강하게 나타난다고 할 수 있다. 인터넷버블기간의 샘 플 포함여부 이외에도 표본에 관리종목을 포함하는지 여부도 부도위험과 주식수익률 간의 관계에 영향을 미친것으로 나타났다. 또한 본 논문은 2001년부터 2014년까지 국내 주식시장에서 나타나는 부도위험 이례현 상은 수익성요인으로 설명됨을 보여주고 있다. 수익성요인을 통제하면 부도위험과 주식수 익률간의 유의한 음(-)의 관계는 나타나지 않았다.

생존분석과 KMV모형을 이용한 기업 부도 예측

최정원(Jung won Choi),오세경(Sekyung Oh) 건국대학교 경제경영연구소 2016 商經硏究 Vol.41 No.1

과거 기업 부도예측을 위한 여러 가지 방법이 발전되어 왔으나, 최근 기업 경영 환경 변화의 속도가 매우 빨라지고 변화 원인이 복잡해짐에 따라 보다 정교한 기업 부도예측 모형에 대한 필요성이 증대되었다. 그동안의 모형은 크게 재무적 정보를 이산 모형으로 분석하는 방법과 주식 가격과 같은 시장 정보를 이용하여 부도를 예측하는 모형(KMV 모형) 크게 두 분류로 나뉠 수 있다. 이 두 가지 재무적 정보와 시장 정보를 함께 활용하기 위한 방법은 꾸준히 시도되어 왔으나 의미있는 결과를 얻기는 어려웠다. 본 연구는 재무정보와 시장정보를 결합하기 위하여, 몬테칼로 시뮬레이션 기법을 활용하여 생존분석과 KMV 모형을 결합하는 방법으로 기업의 부도를 예측하는 방법을 연구하였다. 그 결과 결합모형은 로지스틱 회귀분석과 같은 기존의 부도예측 모형보다 우수한 추정력을 얻었다. 본 연구를 통하여 기업 부도예측에 재무 정보와 시장 정보를 결합하는 것이 부도예측 가능성을 높일 수 있음을 연구하였으며, 향후 보다 정교한 기업 부도예측 모형을 통하여 예측 가능성을 향상 시킬 수 있음을 제시한다. While the methods of evaluating and measuring the risk of corporate bankruptcy have been developing, the need of more sophisticated prediction models for corporate bankruptcy becomes greater than ever. The existing methods for forecasting company’s default are classified into a discriminant analysis using financial statement data and a KMV model using stock market data. Although there are many attempts to combine two methods, we have not found any meaningful results yet. We try to combine survival analysis and KMV model through Monte-Carlo simulation. We find better results when we apply survival data that were forecasted by a logistic regression model than the existing models. This paper shows that it is more useful to use both financial statement data and stock market data when forecasting corporate bankruptcy.

연결재무제표와 별도재무제표를 활용한 부도예측모형의 비교 연구

권혁진 한국회계정보학회 2017 한국회계정보학회 학술대회발표집 Vol.2017 No.1

본 연구는 K-IFRS 도입 이후 회계정보를 활용함에 있어 별도재무제표와 연결재무제표의 유용성을 비교하기 위한 목적으로 K-IFRS 도입 이후 기간인 2010년부터 2014년까지 별도재무제표와 연결재무제표에서 각각 도출한 재무비율에 차이가 있는지 검토하고, 각 재무제표를 이용해 도출한 부도예측모형의 변별력을 비교했다. 구체적으로 부도예측모형의 기준 재무제표로 연결재무제표를 활용하는 것이 타당한지검토하기 위해 별도재무제표와 연결재무제표를 모두 공시한 유가증권시장 및 코스닥 상장기업을대상으로 선행연구와 실무에서 사용하는 재무비율을 별도재무제표와 연결재무제표에 대해각각 산출했다. 총 30개의 후보재무비율에 대해 T-test, 단변량 로짓분석, AR 검토, 상관관계 분석을 수행함으로써 기업 부도예측에 유용한 것으로 판단되는 변수들을 선정했다. 이렇게 선정된 변수를 독립변수로 하여 단계적 선택법을 통해 부도여부를 종속변수로 하는 최종 다변량로짓모형을 추정했다. 본 연구에서 발견한 검증결과는 다음과 같다. 첫째, 별도재무제표 기준으로 산출한 재무비율과 연결재무제표 기준으로 산출한 재무비율 간에는 유의한 차이가 있었다. 특히, 유동성, 수익성, 활동성, 규모 범주에 속하는 재무비율의 경우 연결재무제표 기준으로 측정했을 때 더 우수한 값을 보였다. 반면, 재무적안정성과 이자지급능력 및 현금흐름의 경우 별도재무제표 기준으로 측정한 재무비율이 더 우수했다. 둘째, 최종부도모형을 추정한 결과 별도재무제표를 기준으로 한 모형의 변별력과 연결재무제표를 기준으로 한 모형의 변별력에는 유의한 차이가 발견되지 않았다. 그러나 표본을 구분해 별도재무제표와 연결재무제표 상 총자산과 매출액의 차이가 큰 표본에 대해 분석한 결과연결재무제표를 이용한 부도예측모형에서 AR(Accuracy ratio)이 높았다. 본 연구는 K-IFRS로 작성된 회계정보를 이용한 부도예측모형의 추정을 통해 별도재무제표와 연결재무제표의 유용성을 비교분석함으로써 다음과 같은 공헌점을 가질 것으로 기대된다. 첫째, 연결재무제표 정보의 유용성을 확인하고, 연결재무제표 상 회계정보를 이용한 부도예측모형을 제시함으로써 향후 주재무제표의 회계정보를 활용해야 한다는 시사점을 제공한다는 점에서 본 연구의 결과는 의의가 있다. K-IFRS 도입 이후 주재무제표가 된 연결재무제표의 정보가 개별기업의 특성을 보다 더 적합하게 보여줄 수 있다는 본 연구의 결과는 기업활동에 대한향후 연구 또는 기업을 분석하는 실무자의 입장에서 별도재무제표 뿐 아니라 연결재무제표에대해서도 관심을 기울여야 한다는 시사점을 제공하고 있다. 둘째, 지금까지의 선행연구에서는 K-IFRS 도입으로 인한 회계정보의 유용성을 주로 주주의 관점에서 분석하고 있으나, 본 연구는 주주 뿐만 아니라 채권자의 관점에서 활용될 수 있는 부도예측모형을 제시했다는 점에서 의의가 있다. K-IFRS로 작성된 회계정보 중 기업의 부도예측과 관련된 항목을 확인함으로써 투자자들이 기업의 신용위험을 평가하는 데 실무적인 도움을 줄 수 있을 것으로 기대된다.

표형식 데이터 기반 Transformer 방법론을 활용한 개인 신용대출 부도예측 모형

김창효,이군희 한국경영컨설팅학회 2024 경영컨설팅연구 Vol.24 No.4

코로나19 이후 물가 상승과 이를 억제하기 위한 주요 국가들의 기준금리 인상이 글로벌 금융시장에 영향을 미치며, 한국에서도 개인 신용대출 연체율이 상승하고 있다. 이러한 상황에서 개인 신용대출 부도 가능성을 정확하게 예측하는 능력이 중요해지고 있으며, 본 연구는 정형화된 신용정보 데이터를 활용해 부도 여부를 예측하고자 한다. 개인 신용대출 부도예측 연구에서는 통계적 방법론부터 기계학습까지 다양한 접근이 시도되었으며, 최근에는 다층퍼셉트론과 같은 심화학습 방법론도 적용되고 있다. 그러나 다층퍼셉트론은 입력변수 간의 맥락 정보를 반영하지 못해, 기존 기계학습 방법론보다 예측 성능에서 개선을 보이지 못하고 있다. 본 연구에서는 기존 다층퍼셉트론 방법론의 단점을 극복하기 위해, 자연어처리 영역에서 주로 활용되고 있는 Transformer 방법론을 개인 신용대출 부도예측 문제에 적용해 보았고, 그 결과 기존 심화학습 대비 예측 성능의 개선과 함께 이전의 방법론 중 예측성능이 가장 뛰어난 앙상블 기반 의사결정나무인 XGBoost 방법론과 동등한 수준의 예측성능을 보이고 있음을 확인하였다. 본 연구의 시사점은 자연어처리에 주로 사용되던 Transformer 방법론이, 다양한 변수로 구성된 표형식 데이터를 활용한 개인 신용대출 부도예측 문제에서도 효과적일 수 있음을 확인했다는 점이다. 이는 기존의 전통적인 모델링 기법들과 비교하여 Transformer가 고차원 데이터 간의 복잡한 상호작용을 더 잘 포착하고, 예측 성능을 향상시킬 수 있음을 시사한다. 이로써 Transformer 모델은 금융 분야의 다양한 예측 문제에서 그 활용 범위를 확장할 수 있는 가능성을 보여주고 있다. Since COVID-19, the rise in prices and the increase in the base interest rate in major countries to suppress it have affected the global financial market, and the delinquency rate of personal credit loans is also increasing in Korea. In this situation, the ability to accurately predict the possibility of personal credit loan default is becoming important, and this study aims to predict default using standardized credit information data. Various approaches have been attempted in personal credit loan default prediction research, from statistical methods to machine learning, and recently, deep learning methods such as multilayer perceptron have been applied. However, multilayer perceptron does not reflect contextual information between input variables, so it does not show improvement in prediction performance compared to existing machine learning methods. In this study, in order to overcome the shortcomings of the existing multilayer perceptron methodology, the Transformer methodology, which is mainly used in the natural language processing field, was applied to the problem of personal credit loan default prediction, and as a result, it was confirmed that it showed an improvement in prediction performance compared to the existing deep learning and showed the same level of prediction performance as the XGBoost methodology, an ensemble-based decision tree with the best prediction performance among previous methods. The implication of this study is that the Transformer methodology, which is mainly used in natural language processing, can be effective in the problem of predicting personal credit loan defaults using tabular data consisting of various variables. This suggests that, compared to existing traditional modeling techniques, Transformer can better capture complex interactions between high-dimensional data and improve prediction performance. This shows that the Transformer model has the potential to expand its application range in various prediction problems in the financial field.

기업의 부채구조를 고려한 옵션형 기업부도예측모형과 신용리스크

원재환,최재곤 한국재무관리학회 2006 財務管理硏究 Vol.23 No.2

Since previous default forecasting models for the firms evaluate the probability of default based upon the accounting data from book values, they cannot reflect the changes in markets sensitively and they seem to lack theoretical background. The market-information based models, however, not only make use of market data for the default prediction, but also have strong theoretical background like Black-Scholes (1973) option theory. So, many firms recently use such market based model as KMV to forecast their default probabilities and to manage their credit risks.Korean firms also widely use the KMV model in which default point is defined by liquid debt plus 50% of fixed debt. Since the debt structures between Korean and American firms are significantly different, Korean firms should carefully use KMV model. In this study, we empirically investigate the importance of debt structure. In particular, we find the following facts: First, in Korea, fixed debts are more important than liquid debts in accurate prediction of default. Second, the percentage of fixed debt must be less than 20% when default point is calculated for Korean firms, which is different from the KMV. These facts give Korean firms some valuable implication about default forecasting and management of credit risk. 기존의 기업부도 예측모델들은 장부가치를 기준으로 한 회계적 자료에 의존하여 부도확률을 평가함으로써 시장의 상황변화를 민감하게 반영하지 못하며, 이론적 배경도 약하다는 약점을 가지고 있었다. 그러나 시장정보형 부도예측모형은 기업의 부도예측에 시장가치를 이용함은 물론 Black-Scholes(1973)의 옵션가격결정이론이라는 옵션이론을 배경으로 하고 있어 최근 들어 많은 기업들이 신용리스크를 평가하는 데 사용하고 있으며 그 대표적인 모형이 KMV이다. 우리나라 기업들도 최근 들어 KMV를 많이 사용하고 있으나, 미국기업들과 부채구조가 다른 데도 미국에서 사용하는 KMV모형을 그대로 사용함으로써 부도시점 예측 시 오차가 발생한다는 문제를 가지고 있다. 본 연구에서는 부채구조가 다를 경우 KMV모형을 그대로 사용하면 안 되고 부도확률 산출 시 부채구조를 감안하여야 함을 실증적으로 입증하였다. 즉, KMV모형을 국내에 적용할 경우, 부도확률계산 시 고정부채의 편입비율 50%로 일률적으로 적용하는 것 보다는 부채구조를 감안하여 20% 이하로 고정부채편입비율을 조정해야 부도예측능력이 제고된다는 것을 확인함으로써 기업의 신용리스크관리에 중요한 시사점을 제공하고 있다. 또한 IMF 외환위기와 같은 외부충격이 기업부도에 미치는 영향을 확인하였으며, 한국기업들의 경우 유동비율보다는 유동부채비중이 부도점 산정에 보다 중요함도 확인하였다.