VECM을 적용한 경영성과예측을 위한 모형설정

김성민; 민춘식

추천

검색

자료유형: 학술저널

저자정보: 김성민 민춘식

저널정보: 한국회계학회 회계학연구 회계학연구 제35권 제2호

발행연도: 2010.1

수록면: 71 - 100 (30page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

경영성과(이익)예측과 관련된 선행연구들의 한계를 극복하기 위해서 본 연구는 분기별 비이익회계자료를 시계열모형인 VECM(벡터오차수정모형)에 적용하여 경영성과를 예측할 수 있는지의 여부를 검증하였다. 분석에 사용된 변수는 경영성과변수로서 총자산이익률(ROI)을 사용하였고, 비이익회계변수로서 재무상태표 항목 및 재무비율을 사용하였다. 재무상태표 항목으로는 유동자산, 비유동자산, 총자산, 유동부채, 비유동부채, 총부채, 자본 등의 7개 항목 중 유동자산, 비유동자산, 총자산을 자연로그로 변환값(LCA,LFA,LTA )을 변수로 사용하였으며, 재무비율로는 재무상태표 항목을 대응시켜 구한 42개의 재무비율 중 유동자산/비유동부채(KAFL), 유동자산/유동부채(KACL), 비유동부채/비유동자산(FAFL)를 사용하였다. 경영성과예측에 앞서 경영성과변수와 비이익회계변수 등의 시계열변수들이 VECM에 적용될 수 있는 조건이 되는지의 여부를 알아보기 위해 단위근 검증과 공적분 검증을 수행하였다. 검증결과, 각 시계열변수에는 단위근이 존재하고 변수 상호 간에 공적분관계가 존재하는 것으로 나타나 VECM의 적용이 적합한 것으로 나타났다. 그리고 VECM을 적용한 분석결과는 다음과 같다. 첫째, VECM 추정결과, 총자산이익률(ROI)은 유동자산LCA(), 비유동자산(LFA), 유동자산/유동부채(CACL)와는 정(+)의 장기균형관계를, 나머지 항목들에 대하여는 부(-)의 장기균형관계를 가지는 것으로 나타났다. 또한 장기균형으로부터의 이탈에 따른 총자산이익률()의 단기변동조정은 133.72%의 매우 큰 폭의 유의한 부(-)의 변화를 보였으며, VECM의 설명력을 나타내는 도 79.8%로 매우 높은 것으로 나타났다. 둘째, 재무상태표 항목과 재무비율의 충격에 대한 총자산이익률의 반응분석 결과, ±0.2% 내의 반응을 보이며 이후 기간까지 지속되는 것으로 나타났다. 셋째, 예측오차의 분산분해분석 결과, 1시차부터 10시차에 이르기까지 총자산이익률(ROI)의 예측오차분산 중 대략 63%∼34%는 자신에 의해 설명되며, 나머지는 재무상태표 항목 및 재무비율들에 의해 설명되는 것으로 나타났다. 넷째, 예측기간(2009Q1∼2009Q4)에 대하여 전체표본기업(582개)의 경우와 이를 다시 규모별로 대형주(80개), 중형주(156개), 소형주(346개)로 구분하여 산출한 예측치와 실제치를 비교한 결과, 첫 번째(2009Q1)와 두 번째 분기(2009Q2)까지의 절대비율 예측오차(absolute percentage forecast error; APFE)는 대체로 재무분석가들에 의한 예측과 관련한 선행연구들에서 제시한 APFE보다 훨씬 낮은 값들을 보여줌으로써 높은 예측력을 갖는 것으로 나타났다. 이상의 본 연구결과는 비이익회계자료와 VECM을 사용하여 경영성과를 예측할 수 있는 근거를 제공함으로써 향후 회계정보이용자들의 의사결정에 보다 유용한 회계정보를 제공할 것으로 기대된다.

Forecasting corporate performance (earnings) provides very useful decision making information to accounting information users. Recently, there have been many attempts to find a reliable model for forecasting corporate performance. Some used a time-series model and some relied on the expertise of financial analysts in forecasting earnings, while the others used the non-earnings accounting data. However, each approach has limitations and couldn’t come to a common conclusion. Hence, a new approach is needed. This study proposes that corporate performance can be forecasted by using the quarterly non-earnings accounting data with the vector error correction model (VECM). The statement of financial position items and financial ratios extracted from a statement of financial position are used as the non-earnings accounting variables; and the return on investment (ROI) is used as the proxy of corporate performance variable. 36 quarters (2000Q1∼2008Q4) are used as the estimation period, and 4 quarters (2009Q1∼2009Q4) are used as the out-of-sample test period. The 582 firms selected from Korea Exchange (KRX)’ KOSPI at 2009.12.30 are used as a sample. To verify the application of VECM, the tests were carried out for unit roots and Johansen co-integration relationship of the corporate performance variable,, and the non-earnings accounting variables including current assets (LCA), non-current assets (LFA), total assets (LTA), current assets/non-current liabilities (CAFA), current assets/current liabilities (CACL), non-current liabilities/non-current assets (FLFA), The test results showed that the time-series variables selected for this study have unit roots and co-integration relationship, and it was possible to apply VECM to the proposed model. The main results of the study are as follows;First, according to the estimation of long-run equilibrium relationship, the corporate performance variable,, has the positive relationship with , , and when has the negative relationship with , , and . And in the short-term disequilibrium relationship, corporate performance variable, , is corrected -133.72%, and for VECM is 79.8%. Second, due to the impulses of the statement of financial position items and financial ratios, the responses of show ±0.2% at the beginning and stay constant. Third, the results of variance decomposition analyses show the forecast error variance of is approximately between 63% and 34% which can be explained by itself, and the rest of the forecast error variance can be explained by other variables. Finally, in the out-of-sample tests, the absolute percentage forecast error (APFE) is very small compared to a model relying solely on the expertise of a financial analyst in forecasting earnings. In conclusion, this study has shown that a model using VECM and the quarterly non-earnings accounting data can be applied to forecast corporate performance.

#경영성과예측 #단위근 검증 #공적분 검증 #벡터오차수정모형(VECM) #Forecasing Corporate Performance #Unit Root Test #Cointegration Test #VECM

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

김성민

소속기관

주요연구분야 사회과학 > 경영학

논문수 1 이용수 2

민춘식

소속기관

주요연구분야 사회과학 > 경영학

논문수 1 이용수 2

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

최근 본 자료

댓글(0)