• 무역학회지
• /
• 제41권2호
• /
• pp.203-229
• /
• 2016

한국의 종합상사는 일본의 종합상사를 모델로 시작하였고 2000년대 이후 사업 정체성의 혼란과 경영성과의 부진에 직면하면서 일본 종합상사를 다시 벤치마킹하는 움직임이 활발하다. 그럼에도 불구하고 양국 종합상사 간에는 전략, 역량, 성과 상의 격차가 여전히 좁혀지지 않고 있다. 이에 따라 양국 종합상사의 사업구조나 경영성과와 같은 전략의 내용과 결과에 대한 연구에서 나아가 제도적 환경의 차이와 전략의 과정과 실행 측면의 차이에 대한 탐색적이면서도 종합적인 연구의 필요성이 대두되었다. 본 연구는 기존 연구에서 주로 제시된 일본 종합상사의 특징에 대해 고찰한 후, 일본 종합상사의 최근 현황 사례에 대한 현지 방문 조사와 학계 및 산업계 전문가에 대한 심층 인터뷰를 실시하고 추가적인 자료 분석을 병행하였다. 이를 통해, 본 연구는 양국 종합상사 간에 태생과 성장 경로, 기업집단내 소유·지배 구조와 거래 관계, 투자 포트폴리오와 리스크관리 역량, 사업 운영 시스템과 조직 문화 등의 네 가지 근본적 차이가 존재함을 확인하였다. 또한, 한국의 종합상사에 내포된 특성과 환경적 맥락을 고려하여 일본 종합상사의 경험과 사업모델을 응용하는 방향에 대해 토의하고 시사점을 제시하였다.

• 경영과정보연구
• /
• 제35권4호
• /
• pp.1-19
• /
• 2016

경영전략 분야의 연구자들은 그동안 전략선택과 성과에 대한 최고경영자의 인구통계학적 특성과 경험의 영향에 대한 다수의 연구를 진행해 왔다. 반면 리더쉽 유형의 심리적이고 다면적 요소들이 기업의 전략과 성과에 미칠 수 있는 영향에 대한 실증분석 연구는 정보수집과 변수측정의 어려움으로 인해 충분히 이뤄지지 못해 왔는데, 특별히 한국을 포함하는 신흥국 기업 최고경영자의 리더쉽 유형에 대한 연구는 매우 부족한 실정이다. 이와 같은 선행연구들의 한계를 극복하기 위하여 본 연구는 경기침체기 동안 기업 활동과 성과에 중대한 영향을 미칠 것으로 예상되는 대표적인 최고경영자의 리더쉽 유형으로서 나르시시즘을 소개하고, 이와 같은 최고경영자의 리더쉽 유형이 장기적인 경기침체가 본격화된 글로벌 금융위기 이후 국내 상장사들의 다각화전략과 성과에 미친 영향과, 이들 간의 관계에 대한 기업지배구조시스템의 조절효과를 실증적으로 분석하여 제시하는 것에 주된 목적을 두고 실행되었다. 국내 유가증권시장에 상장되어 있는 대기업들을 대상으로 다년간의 자료를 수집하여 분석한 결과에 따르면 국내기업 최고경영자들의 나르시시즘과 고위험 고수익(high-risk and high-return) 전략인 다각화전략 간에는 유의한 정(+)의 관계가 있고, 이들 간의 관계는 기관투자자들의 감시기능에 의해 약화되는 것으로 나타났다. 이는 국내기업들이 최고경영자의 나르시시트적 리더쉽을 활용하여 경기침체기 동안 보다 과감한 다각화 전략을 실행할 수 있지만, 최고경영자의 기회주의적이고 이기적인 목적으로 인한 과도한 수준의 다각화를 방지하기 위해선 기관투자자들의 감시와 통제 역할을 효과적으로 활용할 수 있어야 함을 보여주는 결과이다. 본 논문의 결론에서는 실증분석 결과에 기초하여 장기화되고 있는 경기침체기에 직면한 우리 기업들에게 이론적 실무적 차원의 중요한 시사점들을 제시하였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.