This study examines that pricing multiple on and incremental explanatory power of equity book value(earnings) increase(decrease) as financial health decrease. Test using a sample of 75 bankrupt firms and test using a cross-sectional, pooled sample both yield inference consistent with predictions. It is thus hypothesized that the more bankrupt time we, the higher(lower) pricing multiple book value of equity(earnings) obtained. Findings are robust to inclusion of for debt/assets ratio, ROA, and ROIC. Overall, the results is the hypothesis.
본 연구는 코스닥기업이 발표하는 회계정보가 유용하다면, 부도발생, 자본전액잠식, 거래실적부진, 감사의견 거절, 감사의견부적정으로 정의된 도산기업과 정상기업 간의 "회계정보는 어떠한 차이가 있는지" 재무지표를 기준으로 검증하는 것이 본 연구의 목적이다. 표본기업은 $2000{\sim}2007$년 도산한 코스닥기업 45개와 자산규모를 기준으로 대응하여 선정한 45개의 정상기업으로 구성하였으며, 같은 방법으로 모형확인을 위한 검증용 표본 30개 기업을 선정하였다. 실증분석 결과 도산 5년 전부터 본 연구에 사용된 17개의 재무지표 중 안전성에 관련된 변수들이 도산 및 정상기업에서 많은 유의한 차이를 보였다. 확인표본을 이용한 분류정확도는 도산 5년 전 76.7%, 도산 4년 전 76.7%, 도산 3년 전 65.0%, 도산 2년 전 76.7%, 도산 1년 전 88.3%로 나타났으며, 이는 정상기업에서 도산기업으로 서서히 진행되었음을 알 수 있는 것으로, 도산 5년 전부터 추정표본 83.3%, 확인표본 76.7%의 분류정확도를 보여 재무지표를 통한 회계정보의 유용성을 확인하였다.
This paper is to examine the relevance of banarptcy Costs (BC) to Capital Structure with three related purposes: whether or not BC are trival,, a proxy methodology for estimating BC, the present value of expected BC vs tax benefits' trade off. For these purposes, the samples includes 19 industrial firms which went bankrupt over period 1970-78 and secondly seven large Companies which went bankrnpt recently in the U.S. The results are quite strong that BC are not trival. In many cases they exceed 20% of the value of the firm measured just prior to bankruptcy. Direct BC are explicit and administrative costs paid by debtor in reorganization/liqaidation process. Indirect BC are essentially defined as unexpected losses and estimated in two way: a regression method and security analyst's forcasts. The present value of expected BC for many of the bankrupt firm is found to exceed the present value of tax benefits from leverage. This implies that firms were overleveraged and that a potentially important ingredient in the discussion of optimum capital structure is indeed the BC factor. Therefore, BC are relevant to the cost of capital structure decision and should he considered seriously.
본 연구에서는 중소기업 정책자금을 지원받는 상장기업을 대상으로 위험 예측모형을 제시하고자 한다. 정책자금을 지원하는 기관 입장에서는 대상기업의 위험성을 판단하는 것은 자산의 건전한 운용을 위해 중요한 과제일 것이다. 리스크 예측 방법은 J.P.Morgon의 CreditMetrics를 이용한 보증기관의 경제자본 측정과 신용자산배분, 극단적 상황에서 이용할 수 있는 스트레스 테스팅(stress testing)기법, 판별 분석 모형, 로짓분석 등 다양한 방법이 존재한다. 본 연구에서는 로짓분석을 통해 정책자금의 건전한 운용을 위해 정책자금 지원 기관에 대한 부실위험을 살펴본다. 분석을 위해 먼저 기존 연구에 대한 검토와 최근 기업도산의 상황을 감안하여 14개의 재무지표를 선정한 다음 수행한 로짓회귀분석의 결과 추정계수로 로짓반응함수와 로지스틱 반응함수를 구성할 수 있다. 여기서는 정상기업/도산기업에 있어서 자기자본대타인자본비율, 매출액경상이익율, 총자산영업이익율, 총자산회전율, 매출채권회전율, 재고자산회전율만이 도산가능성을 예측하는데 유용한 변수로 선택되었다. 이는 재무비율 상호간의 높은 상호간 관계로 인하여 다수의 재무비율이 지닌 정보의 대부분이 소수의 재무비율에 의하여 파악될 수 있음을 의미한다. 또한 부실기업/도산기업의 구분에 있어서는 모든 비율이 두 그룹을 구분 짓는데 설명력이 높음을 나타내고 있다. 또한 총자산이익잉여금율이 높은 기업일수록 도산가능성이 낮다는 것을 두 그룹 모두에서 보여주고 있으며 회귀계수의 유의수준도 가장 높다. 금융비용부담율 또한 그 비율이 높은 기업일수록 도산가능성이 높다는 것을 제시하고 있다. 순운전자본비율, 자기자본비율, 매출액순이익율, 총자산영업이익율, 총자산회전율, 재고자산회전율은 도산기능성에 기대된 (-)의 영향을 미치는 것으로 나타나고 있다.
본 연구에서는 부실기업의 자기자본의 장부가치 또는 회계이익에 대한 시장가치인 상대적 주가배수(relative pricing multiples)에 미치는 영향을 분석하고자 한다. 구체적으로 1996년부터 1998년 7월말사이에 법정관리대상종목으로 지정된 상장기업을 이용하여 부실발생이전 15년부터 부실발생 직전연도까지 총 15년을 분석대상기간으로 하여, 자기자본 장부가치에 대한 주가배수와 회계이익에 대한 주가배수간의 상대적 설명력을 비교함을 목적으로 한다. 연구가설은 부실기업의 경우 부실발생시점에서 멀어질수록 상대적으로 회계이익에 대한 주가배수의 설명력은 높지만, 반면에 부실발생시점에 근접할수록 상대적으로 회계이익에 대한 주가배수의 설명력은 낮아지고, 자기자본 장부가치에 대한 주가배수의 설명력은 높아질 것이다. 연구결과에 의하면 다음과 같다. 첫째, 연도별 횡단면분석에서 회계이익에 대한 주가배수의 경우 부실발생이전 14년과 13년에 유의한 양(+)의 회귀계수값을 보이지만, 부실발생이전 12년, 8년, 4년, 3년 및 직전연도에는 유의한 음(-)의 회귀계수값을 보인다. 반면에, 자기자본 장부가치에 대한 주가배수의 경우 부실발생이전 15년부터 직전연도까지 일관되게 통계적으로 유의한 양(+)의 회귀계수값을 보여 전반적으로 본 연구가설을 지지하고 있다. 둘째, 5년간 자료를 3개의 시점으로 분리하여 분석한 통합분석에서도 본 연구의 가설과 일치하였다. 이는 부실기업의 경우 부실발생시점에 근접할수록 회계이익에 대한 주가배수의 정보가치는 상대적으로 떨어지는 반면에 자기자본 장부가치에 대한 주가 배수의 설명력은 높아져 이 변수가 가치관련변수임을 보였다. 따라서, 부실기업과 같은 재무비율이 취약한 기업들에 대한 가치평가모형에서는 회계이익보다는 자기자본의 장부가치를 기업가치평가에 고려되어야 함을 시사하는 바이다.
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.
본 연구에서는 데이터마이닝 기법의 일종인 자기조직화지도(Self-Organizing Map, SOM)를 이용하여 비외감기업의 부실화 유형을 구분하고자 한다. 자기조직화지도는 인공 신경망을 기초로 자율학습을 통해 입력된 값을 유사한 군집끼리 묶어내는 방법으로, 기존의 통계적 군집 분류 방법보다 성능이 뛰어나고, 고차원의 입력데이터를 저차원으로 시각화할 수 있다는 장점 때문에 다양한 분야에서 각광받고 있다. 본 연구에서는 기존 연구의 주요 분석대상이었던 외감기업에 비해 부실화 빈도는 높지만 데이터 수집의 어려움으로 인해 분석대상에서 다소 제외되었던 비외감기업의 부실화 유형에 대해 알아보고, 유형별 구체적인 사례도 소개하고자 한다. 재무자료수집이 가능한 100개의 비외감 부실기업에 대해 분석한 결과, 비외감기업의 부실화 유형은 다섯 가지로 구분되었다. 유형 1은 전체 집단의 약 12%를 차지하며, 수익성, 성장성 등 재무지표가 다른 유형에 비해 열등하였다. 유형 2는 전체 집단의 약 14%로, 유형 1보다는 덜 심각하지만 재무지표가 대체로 열등하였다. 유형 3은 성장성 지표가 열등한 그룹으로 기업간 경쟁이 극심한 가운데 지속적으로 성장하지 못하고 부실화된 경우로 약 30%의 기업이 포함되었다. 유형 4는 성장성은 탁월하나 부채경영 등 과감한 경영으로 인해 유동성 부족이나 현금부족 등의 이유로 부실화된 그룹으로 약 25%의 기업이 포함되었다. 유형 5는 거의 모든 재무지표가 우수한 건전기업으로, 단기적인 경영전략의 실수 또는 중소기업의 특성상 경영자의 개인적 사정으로 부실화 되었을 가능성이 큰 그룹으로 약 18%의 기업이 포함되었다. 본 연구 결과는 부실화 유형을 구분하는데 기존의 통계적 방법이 아닌 자기조직화지도를 이용하였다는 점에서 학문적 의의가 있고, 비외감기업의 재무지표만으로도 1차적인 부실화 징후를 발견할 수 있다는 점에서 실무적 의의가 있다고 할 수 있다.
본 연구는 한국기업에서 지배주주에 의한 프로핑 현상과 기업가치에 미치는 영향을 분석하였다. 특히 지배주주의 프로핑과 연관되는 부 이전수단을 확인하고, 이러한 부 이전수단이 기업가치에 부정적인 영향을 미치는가를 패널자료를 이용한 2SLS분석을 이용하여 분석하였다. 본 연구의 표본은 2004년부터 2014년까지 한국거래소 유가증권시장에 상장된 기업 중에서 지배주주가 존재하고, 관계사를 가지고 있는 총 4,077개의 기업-연도 자료를 사용하였다. 지배주주의 부 이전 수단 대용변수로는 관계사에 대한 장기공급계약, 자산 및 영업 양수도, 신용공여, 대여금, 지분출자가 사용되었다. 분석결과 부 이전변수 중에서 장기공급계약, 자산 및 영업 양수도, 신용공여, 대여금에서는 지배주주에 의한 프로핑 현상을 확인할 수 없었다. 그렇지만 출자지분에 대한 분석결과에서는 프로핑 현상을 확인할 수 있었다. 우리나라 기업에서 지배주주는 관계사에 대한 지분출자를 통해 프로핑을 발생시키고, 이러한 프로핑은 기업가치의 하락을 유발시키는 것으로 이해할 수 있었다. 우리나라 기업에서 관계사가 부실해지는 경우에 유상증자 참여나 신규 출자 등을 통해 자금을 지원함으로써 부실관계사의 회생을 도모하는 현실과 일치하는 결과로 이해할 수 있었다. 부실관계사에 지분을 출자한 기업은 투자전망이나 기업가치적 측면보다는 지배주주의 부실관계사 지원이라는 목적에 맞게 자금을 운용한 것이기 때문에 기업가치의 하락으로 이어지는 것으로 이해할 수 있었다.
기업의 부도는 이해관계자들뿐 아니라 사회에도 경제적으로 큰 손실을 야기한다. 따라서 기업부도예측은 경영학 연구에 있어 중요한 연구주제 중 하나로 다뤄져 왔다. 기존의 연구에서는 부도 예측을 위해 다변량판별분석, 로짓분석, 신경망분석 등 다양한 방법론을 이용하여 모형의 부도 예측력을 높이고 과적합의 문제를 해결하고자 시도하였다. 하지만 기존의 연구들이 시간적 요소를 고려하지 않아 발생할 수 있는 문제점들을 갖고 있음에도 불구하고 부도 예측에 있어서 동적 모형을 이용한 연구는 활발히 진행되고 있지 않으며 따라서 동적 모형을 이용하여 부도예측모형이 더욱 개선될 여지가 있다는 점을 확인할 수 있었다. 이에 본 연구에서는 RNN(Recurrent Neural Network)을 이용하여 시계열 재무 데이터의 동적 변화를 반영한 모형을 만들었으며 기존의 부도예측모형들과의 비교분석을 통해 부도 예측력의 향상에 도움이 된다는 것을 확인할 수 있었다. 모형의 유용성을 검증하기 위해 KIS Value의 재무 데이터를 이용하여 실험을 수행하였고 비교모형으로는 다변량판별분석, 로짓분석, SVM, 인공신경망을 선정하였다. 실험 결과 제안된 모형이 비교 모형에 비해 우수한 예측력을 보이는 것으로 나타났다. 따라서 본 연구는 변수들의 변화를 포착하는 동적 모형을 부도예측에 새롭게 제안하여 부도예측 연구의 발전에 기여할 수 있을 것으로 기대된다.
2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 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.