논문 : 경기변동을 이용한 기술보증의 부도율 추정 방법에 관한 연구 = A Study on Methods of Estimating Probabilities of Default for Technology Guarantee with Business Cycles

국문 초록 (Abstract)

본 연구는 경기변동을 이용하여 기술보증기금의 부도율을 추정하고 밴드(band)를 설정한 다. 기술보증기금의 자료를 이용하여 연도별 정태적 풀(static Pool)을 이용하여 연간부도율을 계산하고 평균 부도율 스무딩(smoothing)을 이용하여 등급간 부도율을 조정하는 방법을 도입 한다. 또한, 경기변동을 반영하기 위하여 중소제조업 생산지수를 이용하고, 경제현황 별 연도 별 추정부도율과 master Scale을 추정하고 경기변동은 2사이클 경기변동과 4사이클 경기변동을 반영하여 부도율을 각각 산출하였다. 마지막으로 부트스트랩 방법과 몬테카를로 시뮬레 이션을 이용하여 밴드를 설정한다. 실증분석 결과, 중소제조업 생산지수는 7개의 주기를 가 지는 것으로 나타나고 있으며 4사이클의 경우 불황과 회복보다 호황과 후퇴의 평균기간이 길게 나타난다. 또한, 2사이클의 경우 상승기간이 하강기간보다 긴 것으로 나타나고 있다. 이러한 주기를 이용한 4사이클의 master scale은 신용등급별로 0.07%∼25.08%, 2사이클의 경우 0.07%∼24.12%의 범위를 나타내고 있었다. 부트스트랩을 이용하는 경우 4사이클의 밴드는 하한이 0.7%∼6.26%, 상한이 0.07%∼47.98%로 나타나고 있으며 2사이클의 밴드는 하한이 0.07%∼5.09%, 상한이 0.07%∼34.91%로 나타나고 있다. 몬테카를로 시뮬레이션을 이용하는 경우 4사이클의 밴드는 하한이 0.00%∼6%, 상한이 0.07%∼20.02%, 2사이클의 밴드는 하한이 0.00%∼5.50%, 상한이 0.07%∼19.57%로 나타나고 있다. 따라서 부트스트랩으로 구한 등급의 범위보다 몬테카를로 시뮬레이션을 이용한 밴드가 보다 작게 나타나고 있었다.

다국어 초록 (Multilingual Abstract)

This study extracts a short-term business cycle in the long-term business cycle and then estimates probabilities of default (PD) for KIBO and bands. For estimating PD, we compose annual static pools and calculate historical annual PD before adjusting each grade PD with averaged PD smoothing. With historical PD, reflecting the business cycle is employed. Since most debtors of KIBO are nearly in short and middle manufacturing industry, the portfolio quality of KIBO are very close to Short and Middle Manufacturing Index (SMM Index). Thus, variance and each cycle of SMM Index have been valuable ingredients for estimating the disjunct grade PD of KIBO. However, the simply calculated business cycle could not signify recent trend, we exponentially average the business cycle weighted on recentness and calculate estimated PD with the master scale by separated fluctuation sections. The business cycle including 2-cycle and 4-cycle is used for calculating PD. Finally, we can estimate PD and the master scale of KIBO. Futhermore, using bootstrap method and Monte-Carlo simulation are applicable for bands of the PD. As results, the SMM index has seven periods. With these periods, the master scale of 4-cycle is between 0.07% and 25.08%. In addition, that of 2-cycle is between 0.07% and 24.12%. In case of bootstrap methods, bands is smaller than Monte-Carlo simulation.

참고문헌 (Reference)

1 김상봉, "한국의 산업별 경기변동 추이에 관한 연구" 한국경제통상학회 27 (27): 17-41, 2009

2 백웅기, "한국경기순환의 원인: 구조모형에 의한 분석" 16 (16): 3-44, 1994

3 조하현, "한국 경기순환의 변동성 구조변화" 한국산업경제학회 22 (22): 1039-1070, 2009

4 조하현, "우리나라 경기변동의 특성과 연구과제: Hodrick-Prescott필터에 의한 분석" 39 (39): 285-313, 1991

5 양준모, "우리나라 경기변동의 양태에 관한 연구" 47 (47): 3-23, 1999

6 김상봉, "신용정보의 이해와 활용" 지필미디어 2011

7 김건우, "신용위험과 거시경제변수에 관한 연구" 한국재무학회 16 (16): 193-225, 2003

8 남주하, "산업별 신용위험에 대한 연구 -재무 및 비재무요인을 중심으로-" 한국응용경제학회 10 (10): 157-184, 2008

9 이긍희, "국민소득 통계의 추세 및 순환변동 계열 추출방법" (1) : 23-58, 2000

10 정유성, "경기변동이 은행부실에 미치는 영향" 한국은행 (4) : 2011

11 김상봉, "경기변동을 이용한 부도율(PD) 추정 연구" 2 (2): 55-84, 2012

12 이치송, "거시경제변수와 산업별 신용위험에 관한 연구" 한국산업경제학회 18 (18): 79-99, 2005

13 Prescott, E. C., "Theory ahead of Business Cycle Measurement" 10 : 9-22, 1986

14 Das, S. R., "The Impact of Correlated Default Risk on Credit Portfolios" Santa Clara University 2001

15 Christiano, L. J., "The Band Pass Filter" 44 : 435-465, 2003

16 Nickell, P., "Stability of Rating Transitions" 24 (24): 203-228, 2000

17 Long, J. B., "Sectoral vs. Aggregate Shocks in the Business Cycle" 77 (77): 333-336, 1987

18 Mankiw, N. G., "Real Business Cycles : A New Keynesian Perspective" 3 (3): 79-90, 1989

19 Cantor, R., "Rating Transition and Default Rates Conditioned on Outlooks" 14 : 54-70, 2004

20 Guilmi, C. D., "Power Law Scaling in the World Income Distribution" 15 (15): 1-7, 2003

21 Hodrick, R. J., "Postwar U. S. business cycles : an empirical investigation" 29 (29): 1-16, 1997

22 Wilson, T., "Portfolio Credit Risk(Parts I and II)" 1997

23 Wilson, T., "Portfolio Credit Risk" 1997

24 Baxter, M., "Measuring Business Cycles: Approximated Band-Pass Filters for Economic Time Series" 81 (81): 575-593, 1999

25 King, R. G., "Measuring Business Cycles Approximated Band Pass Filters for Economic Time Series" 5022 : 1995

26 King, R. G., "Low Frequency Filtering and Real Business Cycles" 17 (17): 207-231, 1993

27 Kim, S. B., "Inflation Volatility and Stock Returns : Some International Evidence" The Bank of Korea 2008

28 Altman, E. I., "Explaining Aggregate Recovery Rates on Corporate Bond Defaults" New York University Salomon Center 2001

29 Bry, G., "Cyclical Analysis of Economic Time Series: Selected Procedures and Computer Programs" NBER 1971

30 Das, S. R., "Correlated Default Risk" Santa Clara University 2002

31 Cooper, R, "Coordinating Coordination Failure in Keynesian Models" 103 (103): 441-463, 1988

32 Altman, E. I., "Complete Guide to Predicting, Avoiding, and Dealing with Bankruptcy" John Wiley & Sons 1983

33 Cantor, R., "Are Corporate Bond Ratings Procyclical"

34 Weibull, W., "A Statistical Distribution Function of Wide Applicability" 18 (18): 293-297, 1951