재무적 특성을 활용한 회생기업 예측에 관한 연구

Abstract

기업부실이 발생하면 경제와 개인의 삶에 중대한 영향을 주기 때문에 국가는 기업에 회생의 기회를 주고 있다. 하지만 회생가능성이 낮은 기업이 회생을 신청한다면 회사의 자원을 낭비하는 일이 생길 수 있다. 그러므로 부실기업이 회사정리 및 회생절차를 신청할 때 그 기업이 회생할 수 있는지 예측할 수 있다면 회사의 의사결정에 도움이 될 것이고 경제적 낭비를 예방할 것이다. 하지만 기업도산과 관련된 연구들은 많이 있었으나 대부분 도산기업과 건전기업을 비교하여 도산을 예측하는 데 초점을 맞추었고, 부실기업 중 회생예측에 관한 연구는 미미한 실정이다. 본 연구에서는 부도기업 중 회생기업과 청산기업을 분석하여 특성을 확인하고 이해관계자들(법원, 채권자, 주주, 투자자 등)에게 유용한 정보를 제공하는데 그 목적을 두고 있다. 본 연구에서 구축한 모형은 logit모형으로 한국증권거래소를 통해 1997년부터 2012년까지 회생 또는 청산을 한 101개의 상장 제조업을 선정하였고, FnGuide를 통해 부실발생 전 3년 동안의 평균 재무자료를 추출하였다. 이 회사들 중에서 회생기업은 60개이고 청산기업은 41개이었다. 이들의 자료를 이용하여 회생기업과 청산기업을 구분하는 변수를 찾아내고, 이 변수를 독립변수로 하는 회생예측 모형을 구축하였다. 1차적으로 선택된 12개의 변수 중에서 회생기업군과 청산기업군을 분류하는 데 기여도가 높은 변수를 가려내기 위하여 후진단계 제거법을 사용하였다. 그 결과 10% 유의수준에서 유동비율, 매출액영업이익률, 기업규모, 매출채권회전율의 기여도가 높은 변수로 선택되었다. 선택된 변수들은 유동비율, 매출채권회전율이 적을수록, 매출액영업이익률, 기업규모의 값이 클수록 회생확률이 높아지는 것으로 나왔다. 회생예측 모형의 예측력 검증을 실시한 결과, 분류정확도가 84.2%였다. 회생기업의 경우에는 91.7%였고 청산기업의 경우에는 73.2%였다. 그리고 청산기업의 분류정확도가 회생기업의 분류정확도에 비하여 낮은 이유는 경제적․정책적인 변수 등이 있었을 것으로 추측된다. 이 연구와 관련하여 추가적인 향후 연구과제는 업종간의 분류를 하고 재무변수와 비재무변수를 추가하여 회생예측모형을 구축할 필요가 있다.|This study aims to examine the characteristics of the reorganization company and liquidation company and to provide the useful information for the stake holders such as court, creditors, shareholders, investors etc. As the constructed model in this study, 101 listed manufacturing companies which carried out the reorganization or corporate liquidation from 1997 until 2012 through the Korea Stock Exchange as the logit model were selected, and the financial data three year before the causing insufficiency was extracted through the FnGuide. Among these companies, there were 60 reorganization companies, and 41 liquidation companies. And, the variable to distinguish the reorganization company and liquidation company was examined by using those materials, and the reorganization prediction model with the independent variable was established. Among 12 variables selected primarily, the backward elimination was used for distinguishing variable with high contributiveness for classification of the reorganization company group and liquidation company group. In the result, the current ratio, the ratio of operating profit to the net sales, company scale, contributiveness of receivables turnover from 10% significance level were selected as high variable. The selected variables showed higher reorganization rate as much as litter current ratio, receivables turnover, and bigger the ratio of operating profit to the net sales, company scale value were. The correlation between the choice variables was relatively low, so there was no multicollinearity issue. In the result of the likelihood ratio testing and Hosmer & Lemeshow test for the conformance verification of model, there was the statistical result about clear conformance of model. In the result of the prediction power verification of reorganization prediction model, the classification accuracy was 84.2%. The reorganization company was 91.7%, and the liquidation company was 73.2%. In addition, the reason that the classification accuracy of liquidation company was lower than the classification accuracy of reorganization company is supposed as the economic-political variable. In regard to this study, the additional future researches should establish the reorganization prediction model with the classification between industry by adding the financial variable and non-financial variable.