• 중소기업연구
• /
• 제31권4호
• /
• pp.67-93
• /
• 2009

본 연구는 1999년 1월 1일부터 2007년 12월 31일까지 한국거래소의 유가증권시장과 코스닥시장에 상장된 혁신형 중소기업을 대상으로 재무적 제약과 배당스무딩간의 관계를 실증분석 하였으며, 주요한 분석결과는 다음과 같다. 기업들은 목표 배당성향을 가지고 있으며, 실제 배당성향이 목표 배당성향에서 이탈하면 다시 배당지급을 부분적으로 조정한다. 배당조정속도는 Lintner(1956)의 배당조정모형의 핵심변수인 전기 주당배당과 당기 주당이익을 사용하여 거의 대부분 측정할 수 있으며, 잔여배당이론과 그 이후에 등장한 배당신호이론, 대리인이론, 케이터링 이론 및 거래비용이론에 관한 대용변수들은 배당조정속도에 부분적으로 영향을 미친다. 그리고 전기 주당배당은 당기 주당이익보다 배당조정속도에 더 큰 영향을 미치는데, 이는 기업들이 특별한 이유가 없는 한 전기 주당배당 수준을 장기적으로 유지하는 안정적인 배당정책을 선호한다는 증거가 된다. 혁신형 중소기업은 비혁신형 중소기업보다 배당조정속도가 더 빠르다. 혁신형 중소기업은 R&D 투자에 따른 미래의 성장성과 수익성을 담보로 하여 장기적으로 안정적인 배당정책을 유지할 수 있다. 다시 말해, 혁신형 중소기업은 배당지급이 목표 배당성향에서 이탈하더라도, R&D 투자에 따른 미래의 성장성과 수익성을 담보로 하여 목표 배당성향을 향하여 배당지급을 신속하게 조정하여 배당스무딩을 효과적으로 달성할 수 있다. 그리고 혁신형 중소기업 중에서도 재무적 비제약 기업은 재무적 제약 기업보다 배당조정속도가 더 빠르다. 이는 재무적 비제약 기업일수록 자본시장을 통한 외부 자금조달이 용이하기 때문에 주당배당을 신속하게 조정한다는 증거가 된다. 따라서 자본시장 접근성이 용이하여 재무적 제약을 적게 받는 기업일수록 외부 자금조달이 용이하기 때문에 배당지급을 더 신속하게 조정함으로써 배당스무딩을 더 효과적으로 달성할 수 있다. 그리고 중소기업청이 정책적 목적으로 분류한 혁신형 중소기업(벤처기업, 이노비즈기업, 경영혁신형기업)은 비혁신형 중소기업보다 배당조정속도가 더 빠르다. 중소기업청에서 정책적 목적으로 분류한 혁신형 중소기업은 신용보증지원, 정책자금지원, 조세혜택, 공공입찰 우선권 부여 등과 같은 다양한 정책적 혜택으로 인해 재무적 제약을 적게 받기 때문에 배당지급을 더 신속하게 조정할 수 있다. 결론적으로, 한국거래소의 유가증권시장과 코스닥시장에 상장된 혁신형 중소기업은 비혁신형 중소기업보다 배당조정속도가 더 빠르고, 혁신형 중소기업 중에서도 재무적 비제약 기업은 재무적 제약 기업보다 배당조정 속도가 더 빠르다. 다시 말해, 중소기업 중에서도 R&D 집중도가 높은 혁신형 중소기업은 R&D 투자에 따른 미래의 성장성과 수익성을 담보로 하여 배당스무딩을 신속하게 할 수 있고, 혁신형 중소기업 중에서도 자본시장 접근성이 좋은 기업은 재무적 제약을 적게 받기 때문에 배당스무딩을 더 신속하게 할 수 있다. 따라서 중소기업 경영자는 R&D 집중도를 증가시키고 자본시장 접근성을 높여 재무적 제약을 회피함으로써 신속한 배당스무딩을 통해 장기적으로 안정적인 배당정책을 유지할 수 있다고 생각한다. 그리고 중소기업청이 정책적 목적으로 분류한 혁신형 중소기업(벤처기업, 이노비즈기업, 경영혁신형기업)의 경우에도 배당조정속도가 비혁신형 중소기업보다 더 빠르게 나왔다. 이러한 결과는 배당정책의 측면에서 중소기업청의 혁신형 중소기업 정책을 지지하는 실증적인 증거가 된다.

• Maxillofacial Plastic and Reconstructive Surgery
• /
• 제33권2호
• /
• pp.103-111
• /
• 2011

Purpose: Choukroun's platelet-rich-fibrin (PRF) is composed of platelets, white blood cells and fibrin matrix. It does not induce enough bone formation by itself but it can improve bone formation with calcium. Silk fibroin does not cause inflammatory reactions because it is bio-compatible and degradable. The purpose of this study was to exam the bone formation when a combination of Choukroun's PRF and silk fibroin was used. Methods: In this study, cell reactions to silk powder with differing molecular weights was first tested to select the appropriate silk powder. Then we applied these bone graft materials on defects of skull and in a peri-implant bony defect model in New Zealand rabbits. The results between the experimental and control s (non-grafted) group were analyzed. Results: The small sized silk fibroin powder showed increased cellular proliferation for bone-regeneration. There was no statistically significant difference between the experimental group and the control group at 6 weeks, but more new bone formation was observed in the combination graft group at 12 weeks (P<0.05). And in the dental implant model, the combination bone graft group showed much improved torque test results, which was statistically significant. Histomorphometric analysis showed more regenerated cortical bone and a higher mean bone to implant in the experimental group. Both were statistically significant. Conclusion: The combination graft of Choukroun's platelet-rich-fibrin (PRF) and silk fibroin powder can successfully restore the bony defects in a skull defected model and a peri-implant bony defects model.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 통상정보연구
• /
• 제13권3호
• /
• pp.31-53
• /
• 2011

본 연구는 중국 중소기업들이 전자무역을 활용하는데 어떤 요인들이 영향을 미치고 전자무역의 경제적 성과에는 어떤 영향을 주는지 실증 분석하는데 중점을 맞추고 있다. 이를 위해 전자무역에 관한 기존 문헌고찰을 통해 전자무역거래의 활용수준 및 성과와 관련하여 영향을 미칠 수 있는 요인들을 크게 기업외부 요인, 기업내부 요인, 관계특성 요인으로 구분하여 연구모형과 가설을 설정한 다음 중국 장강삼각주 소재의 중소기업들을 대상으로 각 요인들이 전자무역 활용 및 성과에 영향을 미치는 정도에 대한 가설들의 유의성을 실증적으로 검증하고자 하였다. 연구 결과 기업외부요인 중에서는 정부유관기관의 지원정도, 기업내부요인 중에서는 CEO의 지원이 전자무역 활용수준에 유의한 영향을 미치는 것으로 나타났으나, 관계특성요인은 전자무역 활용수준에 유의한 영향을 미치지 않는 것으로 나타났다. 그리고 전자무역 활용수준은 전자무역 활용성과에 유의한 영향을 미치는 것으로 나타났다. 이를 토대로 향후 중국 중소기업의 전자무역 활성화를 위한 시사점과 정책방향을 제시하였다.

• 디지털융복합연구
• /
• 제20권3호
• /
• pp.157-167
• /
• 2022

본 연구는 중소기업의 사전적 매출채권관리가 신용판매의사결정과 경영성과에 미치는 영향관계를 확인하고 효과적인 매출채권 관리방안과 체계적인 신용판매의사결정 방안을 도출하기 위해 실시하였다. 중소기업을 대상으로 설문조사를 통해 수집된 455부의 자료를 바탕으로, 요인분석 및 신뢰성분석, 확인적 요인분석, 모형 적합도 검증을 통해 확정하고, 구조방정식모형으로 연구가설을 검증하였다. 검증 결과 신용평가는 재무성과와 영업성과 및 신용판매의사결정에 정(+)의 영향을, 신용통제는 재무성과에 정(+)의 영향을 미친 반면 영업성과와 신용판매의사결정에는 부(-)의 영향을 미쳤다. 매개효과 가설검증에서 신용판매의사결정은 신용평가와 경영성과 간에 정(+)의 영향을, 신용통제와 경영성과 간에는 부(-)의 영향을 미쳤다. 연구는 중소기업이 효과적인 매출채권관리를 통해 경영성과를 제고하기 위해서 사전적 매출채권관리와 신용판매의사결정 능력의 향상을 병행한다면 기업의 경영성과 제고에 시너지 효과를 발생시킬 수 있음을 시사한다. 향후 연구대상의 세분화 및 신용거래동기 등 요인과 매출채권관리와의 영향 연구가 요구된다.

• Asia pacific journal of information systems
• /
• 제24권2호
• /
• pp.233-253
• /
• 2014

Can the stock market really be predicted? Stock market prediction has attracted much attention from many fields including business, economics, statistics, and mathematics. Early research on stock market prediction was based on random walk theory (RWT) and the efficient market hypothesis (EMH). According to the EMH, stock market are largely driven by new information rather than present and past prices. Since it is unpredictable, stock market will follow a random walk. Even though these theories, Schumaker [2010] asserted that people keep trying to predict the stock market by using artificial intelligence, statistical estimates, and mathematical models. Mathematical approaches include Percolation Methods, Log-Periodic Oscillations and Wavelet Transforms to model future prices. Examples of artificial intelligence approaches that deals with optimization and machine learning are Genetic Algorithms, Support Vector Machines (SVM) and Neural Networks. Statistical approaches typically predicts the future by using past stock market data. Recently, financial engineers have started to predict the stock prices movement pattern by using the SNS data. SNS is the place where peoples opinions and ideas are freely flow and affect others' beliefs on certain things. Through word-of-mouth in SNS, people share product usage experiences, subjective feelings, and commonly accompanying sentiment or mood with others. An increasing number of empirical analyses of sentiment and mood are based on textual collections of public user generated data on the web. The Opinion mining is one domain of the data mining fields extracting public opinions exposed in SNS by utilizing data mining. There have been many studies on the issues of opinion mining from Web sources such as product reviews, forum posts and blogs. In relation to this literatures, we are trying to understand the effects of SNS exposures of firms on stock prices in Korea. Similarly to Bollen et al. [2011], we empirically analyze the impact of SNS exposures on stock return rates. We use Social Metrics by Daum Soft, an SNS big data analysis company in Korea. Social Metrics provides trends and public opinions in Twitter and blogs by using natural language process and analysis tools. It collects the sentences circulated in the Twitter in real time, and breaks down these sentences into the word units and then extracts keywords. In this study, we classify firms' exposures in SNS into two groups: positive and negative. To test the correlation and causation relationship between SNS exposures and stock price returns, we first collect 252 firms' stock prices and KRX100 index in the Korea Stock Exchange (KRX) from May 25, 2012 to September 1, 2012. We also gather the public attitudes (positive, negative) about these firms from Social Metrics over the same period of time. We conduct regression analysis between stock prices and the number of SNS exposures. Having checked the correlation between the two variables, we perform Granger causality test to see the causation direction between the two variables. The research result is that the number of total SNS exposures is positively related with stock market returns. The number of positive mentions of has also positive relationship with stock market returns. Contrarily, the number of negative mentions has negative relationship with stock market returns, but this relationship is statistically not significant. This means that the impact of positive mentions is statistically bigger than the impact of negative mentions. We also investigate whether the impacts are moderated by industry type and firm's size. We find that the SNS exposures impacts are bigger for IT firms than for non-IT firms, and bigger for small sized firms than for large sized firms. The results of Granger causality test shows change of stock price return is caused by SNS exposures, while the causation of the other way round is not significant. Therefore the correlation relationship between SNS exposures and stock prices has uni-direction causality. The more a firm is exposed in SNS, the more is the stock price likely to increase, while stock price changes may not cause more SNS mentions.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.