• 산업진흥연구
• /
• 제9권2호
• /
• pp.197-205
• /
• 2024

본 연구는 2012년부터 2022년까지 중국 A주 상장회사 중에서 중오염기업을 표본으로 하여 기업의 ESG 성과가 채무불이행 위험에 미치는 영향을 분석하였다. 연구 결과는 좋은 ESG 성과가 기업의 채무불이행 위험을 효과적으로 감소시키는 것으로 나타났다. 추가 분석에서는 기업의 ESG 성과가 자금조달 제약의 영향을 완화시켜 채무불이행위험을 감소시키는 것을 보여주었다. 본 연구는 ESG 성과의 관점에서 채무불이행 위험의 영향 요인을 탐색하고, 기업의 ESG 성과가 경제적으로 미치는 영향에 대해 연구하여, 기업의 채무불이행 위험 예방에 대한 실증적 자료를 제공하였다.

• KDI Journal of Economic Policy
• /
• 제38권3호
• /
• pp.53-77
• /
• 2016

Financial soundness in the household sector matters for financial stability and for the real economy. The level of household debt in Korea raises concern about the financial soundness of the household sector due to its size, growth rate and quality. Against this backdrop, we assess the financial vulnerability of borrowers based on an analysis of credit bureau (CB) data, in which the actual credit activities of most individuals are recorded at a high frequency in Korea. We construct over-indebtedness indicators from the CB data and then assess the predictability of forthcoming defaults. Based on the over-indebtedness indicators, we show how borrowers are distributed in terms of over-indebtedness and how the over-indebted differ from average borrowers in terms of their characteristics. Furthermore, we show how the aggregate credit risk in the household sector would change under macroeconomic distress by analyzing how each borrower's credit quality would be affected by adverse shocks. The findings of this paper may contribute to assessing household debt vulnerability and to enhancing regulatory and supervisory practices for financial stability.

• 아태비즈니스연구
• /
• 제14권2호
• /
• pp.51-61
• /
• 2023

Purpose - Since COVID-19, the government's expansion of liquidity to stimulate the economy has resulted in an increase in private debt and an increase in asset prices of such as real estate and stocks. The recent sharp rise of the US Federal fund rate and tapering by the Fed have led to a fast rise in domestic interest rates, putting a heavy burden on the Korean economy, where the level of household debt is very high. Excessive household debt might have negative effects on the economy, such as shrinking consumption, economic recession, and deepening economic inequality. Therefore, now more than ever, it is necessary to identify the causes of the increase in household debt. Design/methodology/approach - Main methodology is regression analysis. Dependent variable is household loans from depository institutions. Independent variables are consumer price index, unemployment rate, household loan interest rate, housing sales price index, and composite stock price index. The sample periods are from 2017 to May 2022, comprising 72 months of data. The comparative analysis period before and after COVID-19 is from January 2017 to December 2019 for the pre-COVID-19 period, and from Jan 2020 to December 2022 for the post-COVID-19 period. Findings - Looking at the results of the regression analysis for the entire period, it was found that increases in the consumer price index, unemployment rate, and household loan interest rates decrease household loans, while increases in the housing sales price index increase household loans. Research implications or Originality - Household loans of depository institutions are mainly made up of high-credit and high-income borrowers with good repayment ability, so the risk of the financial system is low. As household loans are closely linked to the real estate market, the risk of household loan defaults may increase if real estate prices fall sharply.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.