• 국제지역연구
• /
• 제22권3호
• /
• pp.3-27
• /
• 2018

이 논문은 쿠바의 기존의 발전 전략과 국가사회주의의 본질적 문제를 개선하기 위한 시장개혁 조처를 분석하고 발전전략으로서 산업정책의 효과성을 논의하였다. 국가사회주의의 계획 경제는 기본적으로 동기부여 체계(incentive system) 결여와 연성예산제약(soft budget constraint) 문제를 극복하기 쉽지 않다. 이 두 가지 문제는1990년대 주된 무역 대상국가인 소련과 동구 국가사회주의 국가의 몰락 초래하였다. 사회주의국가 블록의 몰락이후 쿠바는 식량부족, 에너지부족, 생필품 부족 등 심각한 경제위기에 봉착하였다. 이를 극복하기 위해 쿠바는 국가사회주의를 유지하는 수준에서 경제개혁을 단행하여 시장개혁 정책을 실행하고자 하였다. 특히, 수출주도형 산업정책으로 자유무역지대법을 통과시키고 강력한 외자 유치의 산업정책과 이를 통한 발전전략을 추진하였다. 그러나 마리엘특구 등 4개의 경제특구 설치에 의한 산업정책과 발전전략은 크게 성공을 거두지 못하였다고 평가되고 있다. 이는 기본적으로 이중적 고용과 임금, 그리고 이중화폐제도의 문제에서 비롯된다. 외국기업은 노동자를 쿠바의 고용청을 통해 간접적으로 고용하거나 해고할 수 있는 고용방식은 선진적인 인사 조직관리 기법 적용을 제한하게 되고 결국은 근로의욕 저하, 노동자의 생산성 하락과 효율성 하락으로 이어질 수 있다는 것이다. 또한 이중화폐제도로 인한 이중적 임금구조는 외국인투자기업에 인건비가 높이기 때문에 외국인이 쿠바에 적극적으로 직접투자를 꺼린 것이다. 또한 쿠바의 불균형 산업구조와 생산구조, 편중된 노동력 구조, 도심화와 농촌인구 슬림화, 농업생산의 중앙집권화 등으로 Lewis가 제안한 2부문모형인 아시아 농업주도 발전전략을 적용하기 쉽지 않아 보인다. 다시 말해, 쿠바는 산업정책을 통한 발전 전략을 수행하기 위해서 여러 가지 난점을 극복해야 할 것이다.

• 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.

• Asia Marketing Journal
• /
• 제14권2호
• /
• pp.157-176
• /
• 2012

시장구조 분석에서 흔히 사용되는 상표전환 자료는 비내구재 분석에 적절한 방법이 될 수 있으나 자동차 같이 사용연한이 장시간인 내구재의 경우에는 소비자의 상표에 대한 선호도가 변할 수 있어 상표전환 자료의 사용에 문제가 있다. 따라서 경쟁을 잘 포착할 수 있는 다른 접근이 필요하다. 본 연구는 이에 대한 대안으로 상표간 경쟁 자료로써 고려상표군을 이용하여 자동차 시장의 구조를 Latent Class 군집분석을 활용한 탐색적 검증방법으로 분석하였다. 또한 소비자 행동분석에 근거하여 상표간 경쟁의 근간을 이루는 고려상표군 형성에 영향을 미치는 인자들을 밝히는데 중점을 두었다. 미국 자동차 시장을 대상으로 분석한 결과, 시장은 상표 원산지 효과에 의해 구분되었다. 즉, 미국 상표, 유럽 상표, 그리고 아시아 상표 등으로 시장이 구분되었다. 또한 각 시장구조 내 소비자들의 고려상표군 형성에 신뢰성/안전, 이미지/즐거움, 경제성 등의 편익과 성별, 소득 등 개인적 요인이 영향을 미치는 것으로 나타났다.