본 연구는 Barth 외(2001)가 개발한 모형을 이용하여, 표본 내 예측과 표본 외 예측 상황에서의 발생액 및 발생액 구성요소들의 미래 현금흐름 예측력을 검토하는 것을 목적으로 한다. 이를 위해 우리나라의 유가증권 시장 과 코스닥 시장에 상장된 762개 기업의 1994년부터 2007년까지 14년간의 자료를 이용하여 발생액 및 발생액 구성요소의 미래현금 예측력을 검정하였다. 검정 결과 표본 내 예측력 검정에서는 Barth 외(2001)와 유사한 결과가 얻어졌다. 즉, 발생액을 여섯 가지의 구성요소로 추가로 분해한 모형의 표본 내 예측력이 비교 대상이 된 다른 세 가지 모형(회계이익 모형, 현금흐름 모형, 영업현금흐름 및 총발생액 모형)에 비해 우수하였으며, 여러 상황에서 무형자산 및 이연자산을 제외한 나머지 다섯 가지의 발생액 구성요소는 미래 현금흐름의 예측에 관하여 추가적인 정보 내용을 포함하는 것으로 밝혀졌다. 표본 외 예측에서는 상반되는 결과가 얻어졌다. 표본 외 예측력이 가장 뛰어난 모형은 영업현금흐름만을 독립변수로 포함하는 모형이었으며, Barth 외(2001)의 발생액 분해모형은 비교 대상인 네 가지의 모형 중 예측력이 가장 낮았다. 산업별 및 연도별로 수행된 추가 분석에서도 전반적으로 결과의 강건성을 확인할 수 있었다. 따라서 발생액과 발생액 구성요소가 미래 현금흐름의 예측에 유용한 정보를 전달한다는 Barth 외(2001)의 주장은 표본 외 예측에서는 성립한다고 할 수 없다. 이러한 결과는 미국 자료를 이용한 Lev 외(2005)의 결과와 일치하며, 미국과 한국의 회계기준 제정기관의 입장과 상반된다.
본 논문은 순이익의 시계열 속성을 조사하고, 순이익의 시계열이 랜덤워크 모형과 일치하는지를 단위근 검증방식을 사용하여 조사하며, 시계열 속성에 근거하여 도출된 예측모형과 흔히 사용되어 온 랜덤워크 모형의 예측능력을 비교하여 선행연구에서 사용되고 있는 랜덤워크 모형에 실증적 타당성을 제시하는 것을 주목적으로 하고 있다. 본 연구는 한국신용평가주식회사의 데이터 베이스에 1980년부터 1996년까지 17년간 자료가 연속적으로 포함되어 있는 금융기업을 제외한 모든 기업(272개)을 표본으로 사용하고 있다. 표본기업의 순이익 시계열에 가장 적합한 과정은 랜덤워크나 AR(1) 또는 AR(2) 모형이다. 또한 본 논문은 대부분의 기업에 때해 순이익이 랜덤워크 과정을 따른다는 가설을 기각할 수 없음을 보였다. 이들 상이한 모형의 표본외 예측력(out-of-sample predictive ability)을 비교한 결과 상수항을 포함한 랜덤워크 모형이 가장 작은 평균 절대 예측오차(mean absolute forecast error)를 갖는 것으로 나타나고 있다. 본 연구는 기존의 연구가 순이익 시계열의 불안정성(nonstationarity) 문제를 무시하거나 명시적으로 다루고 있지 않은 것과는 달리 단위근 검증(unit root test)을 통해 연간 순이익이 대체로 불안정하다는 것을 보였으며, 또한 상이한 모형의 표본외 예측능력을 비교한 결과 선행연구에서 사용하여 온 랜덤워크 모형의 우월성에 대한 실증적 증거를 제공하였다는 데 의의가 있다.
우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정밀한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.
본 연구는 새로운 VaR 추정모형으로 수정 VaR(modified VaR)을 소개하고, 수정 VaR의 예측성과를 역사적 시뮬레이션 모형이나 Riskmetrics 등 전통적인 모형들과 비교하였다. 수정 VaR은 분산뿐만 아니라 왜도, 첨도를 VaR 계산에 고려함으로써 금융자산분포의 비대칭성과 꼬리가 굵은 성질이 위험측정치에 반영될 수 있는 장점이 있다. 수정 VaR은 6개국의 주가지수 수익률을 이용한 표본외 예측성과검증에서 다른 모형들에 비해 가장 우수한 예측성과를 보였다. VaR 예측의 독립성검증에서는 Riskmetrics와 GARCH 모형이 우수한 것으로 나타났으나 수정 VaR에 대해 서도 독립성이 기각되지 않았다. 특정한 표본을 이용한 예측성과분석에서 나타날 수 있는 data snooping 문제를 해결하기 위해 skew t 분포를 이용한 시뮬레이션분석을 시도하였는데, 시뮬레이션 검증결과에서도 수정 VaR이 가장 양호한 예측성과를 보였다. 포트폴리오 VaR에 대한 표본외 예측성과에서도 수정 VaR은 단일변량모형이나 다변량 정규분포모형에 비해 우수한 성과를 보였다. 다변량 수정 VaR은 포트폴리오 구성자산 간의 선형상관관계뿐 아니라 공왜도(coskewness)와 공첨도(cokurtosis)를 통한 비선형 상호의존관계도 고려할 수 있다는 점에서 포트폴리오 위험에 대한 우수한 예측성과는 당연한 결과라고 할 수 있다. 6개국 주가지수로 구성된 포트폴리오의 VaR을 component VaR로 분할한 실증분석에서는 포트폴리오 VaR의 분할결과가 적극적인 위험관리와 포트폴리오 최적화를 위한 자산재배분에 효과적으로 활용될 수 있음을 확인하였다.
분류 문제에서 특정 범주의 빈도가 다른 범주에 비해 과도하게 높은 경우, 왜곡된 기계 학습을 유발할 수 있는 데이터 불균형(imbalanced data) 문제가 발생한다. 기업부도 예측 문제도 그 중 하나인데, 일반적으로 금융기관과 거래하는 기업들의 부도율은 대단히 낮아서, 부도 사례보다 정상 사례의 빈도가 월등히 높은 데이터 불균형 문제가 발생하고 있다. 이러한 데이터 불균형 문제를 해결하기 위해서는 적절한 표본추출 기법이 적용될 필요가 있으며, 지금껏 소수 범주 데이터를 복원 추출함으로써 다수 범주 데이터와 비율을 맞추어 데이터 불균형을 해결하는 오버 샘플링(oversampling) 기법이 주로 활용되어 왔다. 그러나 전통적인 오버 샘플링은 과적합화(overfitting)가 발생할 위험이 높아질 수 있는 단점이 있다. 이러한 배경에서 본 연구는 효과적인 기업부도 예측 모형 학습을 위한 표본추출 기법으로 2014년에 Menardi와 Torelli가 제안한 ROSE(random over sampling examples) 기법을 제안한다. ROSE 기법은 학습에 사용될 사례를 반복적으로 새롭게 합성하여 생성(synthetic generation)하는 기법으로, 과적합화 문제를 회피하면서도 분류 예측 정확도 개선에 도움을 줄 수 있다. 이에 본 연구에서는 ROSE 기법을 가장 성능이 우수한 이분류기로 알려진 SVM(support vector machine)과 결합하여 국내 한 대형 은행의 기업부도 예측에 적용해 보고, 다른 표본추출 기법들과의 비교연구를 수행하였다. 실험 결과, ROSE 기법이 다른 기법에 비해 통계적으로 유의한 수준으로 SVM의 예측정확도 개선에 기여할 수 있음을 확인하였다. 이러한 본 연구의 결과는 부도예측 외에 다른 사회과학 분야 예측문제의 데이터 불균형 문제 해결에도 ROSE가 우수한 대안이 될 수 있다는 사실을 시사한다.
'80년대 중반 들어 주가지수 예측모형으로 애용되던 시계열 예측모형에 대한 근본적인 의문이 제기되었다. 이것은 기존 예측모형이 선형 데이터 생성과정을 기본가정으로 채택하고 있지만 진정한 데이터 생성과정은 비선형일 수도 있다는 점에서 출발한다. 주가지수의 변동을 유발하는 경제의 기본구조가 비선형임에도 불구하고 이를 선형모형으로 접근한다면 주가의 움직임을 제대로 설명할 수 없을 뿐만 아니라 이러한 설정오류는 모형의 신뢰성을 크게 손상시킨다. 이와 같은 점에 착안하여 본 연구는 업종별 주가지수의 비선형 검정을 통해 주가가 어떠한 형태의 경제구조에서 생성되었는지 여러 가지 방법으로 정정한다. 10개 업종지수의 검정결과 보험업을 제외한 대부분의 업종지수가 카오스 끌개를 보유하고 있다는 증거가 포착되었다. 표본외 예측을 위해서 국지적 가중회귀법을 채택하였는데 예측결과 모형에 따라 $6{\sim}7$개 업종에서 통상최소자승법보다 예측력 우위를 보였다.
경기변동(景氣變動)에 대한 중요한 판단자료인 산업생산지수(産業生産指數)는 음력에 따르는 구정, 추석 등의 기간 및 시점변동으로 계절적 요인이 불규칙하게 나타나게 되고, 이로 인하여 지수(指數)의 분석에 혼란이 야기되고 있다. 산업생산지수(産業生産指數)의 계절변동(季節變動)은 일차적으로 근로일수(勤勞日數)에 그 원인이 있는 것으로 판단된다. 본고(本稿)에서는 통상의 계절조정방법 대신에 근로일수를 고려하여 1일당 생산을 기준으로 산업생산을 분석하였다. 근로일수(勤勞日數)는 확정적(確定的)(deterministic)인 성격을 가지고 있어 계절성(季節性)의 변동에 대한 예측(豫測)이 가능할 뿐 아니라, 1일당 생산을 고려할 경우 각 관측치의 시간적 길이를 동일하게 함으로써 생산과 재고의 관계를 설정하는 것이 용이해진다. 생산(生産)과 재고변화(在庫變化)만을 이용한 간단한 오차수정모형(error correction model)을 설정하여 생산의 표본외구간(標本外區間) 예측(豫測)(out of sample forecasting)을 수행한 결과, 근로일수(勤勞日數)로 조정하였을 경우 예측력이 현저히 개선됨을 확인할 수 있었다.
최근 빈번하게 발생하는 이상기온과 기후변화로 인하여 전력수요의 변동성이 커지고 있으며 기온 영향의 증가와 함께 기온변화에 대한 전력수요의 반응은 비선형성과 비대칭성으로 나타나고 있다. 정부 에너지 정책의 변화와 4차 산업혁명의 전개에 따라 기온 효과를 보다 정확하게 추정하고 예측하는 것은 안정적 전력수급 관리를 위하여 중요한 과제이다. 본 연구는 기온변화에 대한 전력수요의 비선형적 반응에 대하여 부분선형모형을 이용하여 분석하고자 한다. 기온변화와 전력수요의 비선형·비대칭적 관계를 측정하기 위하여 Robinson의 double residual 준모수적 추정과 스플라인 추정을 적용하였다. 기상변수와 전력 소비에 대한 시간 단위 고주기 자료를 사용하여 부분선형모형으로 추정한 기온변화와 전력 소비의 관계는 기존 모수적 모형과는 다른 비선형성과 비대칭성을 갖고 있음을 확인하였다. 부분선형모형을 이용하여 얻은 전력수요에 대한 표본내·표본외 예측은 이차함수 모형과 냉난방도일 모형과 비교하여 우수한 예측력을 보였다. Diebold-Mariano 검정결과, 부분선형모형에서 얻은 예측력 향상은 통계적으로 유의하였다.
본 연구는 혼합주기모형을 해운경기 예측에 활용하기 위해 기존의 비선형 장기균형관계분석에서 통계적으로 유의한 요인들을 단기모형에 적용하였다. 가장 일반적인 단일변수(univariate) AR(1) 모형과 혼합주기모형으로부터 각각 표본외 예측을 실시하여 예측오차와 비교한 결과 혼합주기모형의 예측력이 AR(1) 모형보다 향상됨을 확인하였다. 이러한 실증분석은 새로운 고차원 혼합주기모형이 해운경기변동 예측에 유용한 모형임을 의미하며, 즉, 최근 다변수 시계열 자료가 주로 장기균형관계(long-run equilibrium)를 대상으로 하고 있는데, 고차주기와 같은 정보를 분석에 포함할 경우 단기 해운경기 분석모형의 예측력이 향상될 수 있음을 의미하는 분석결과이다.
변동성(volatility)은 투자위험을 의미하며 자산의 가격결정이나 포트폴리오 관리 및 투자전략에서 아주 중요한 역할을 한다. 이러한 변동성을 모형화하기 위한 조건부 이분산 모형으로서 전통적인 GARCH(generalized autoregressive conditional heteroskedastic) 모형 및 확장된 형태들이 널리 사용되어지고 있으나, 금융위기와 재정위기와 같은 구조적 변화를 변동성 예측에 반영할 수 없다는 단점을 가지고 있다. 본 논문에서는 이를 극복하기 위한 모형으로서 국면전환 GARCH(Markov regime switching GARCH) 모형을 소개하고, 한국의 일별 KOSPI 수익률에 적용하여 변동성 분석 및 예측을 실시하고, 기존의 GARCH 모형들과 비교하여 그 성능을 평가한다. 그 결과 표본 내(in-sample)의 변동성 적합도 측면에서 국면전환 GARCH 모형이 가장 우수한 성능을 보였으며, 표본 외(out-of-sample) 예측력 측면에서는 국면전환 GARCH 모형이 단기적 예측에서 좋지 않은 성능을 보였으나 장기적 예측에서 우수함을 보였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.