• 벤처창업연구
• /
• 제7권2호
• /
• pp.113-127
• /
• 2012

IFRS에 따른 재무제표 작성은 연결재무제표의 주재무제표화, 원칙중심의 회계처리기준 등으로 인해 재무제표 본문의 간략화 및 다양화, 상세내역 및 비재무사항 주석기재 요구량 증대 등 공시 전반에 걸친 중요성이 높아지고 있다. 한편 K-IFRS체제하의 적정공시 방향에 대한 기존의 연구와 검토들은 IFRS 전면도입의 당위론적 배경과 제도변화 초기상황이라는 시기적 요인에 따라 기준제정기구나 감독기관 중심으로 공시요구사항 증대나 정보의 완전성(completeness) 측면에 초점을 두고 전개되어 온 것이 사실이다. 이에, 본 연구는 기존의 접근에 더하여 보고기업 및 정보이용자의 관점에서 보다 균형적인 IFRS 적용에 따른 적정공시 방향성을 도출하고자 하였다. 먼저 주요기업 재무공시 실태 검토 결과, 2010년, 2011년 재무공시에서 다수의 미준수사항 또는 권고할 사항이 지적되었다. 이러한 원인으로는 IFRS 기준의 성격에 따른 문제, 업종별 기업별 특성에 따른 문제, IFRS 도입비용 및 촉박한 공시기한 등 공시기업의 부담 측면이 지적될 수 있으며, 이는 정보이용자 입장에서의 이해가능성 및 활용도, 비교가능성 저하를 일으키는 것으로 나타났다. 이러한 실태의 개선을 위해, 제도의 완화/지원 측면에서 적용대상 기업의 추가 세분화 필요성 검토, 주석공시 내용과 범위 조정, 공시시기 조정 및 다원화, 공시환경 및 인센티브 지원 방안이 제안되었으며, 공시요구 강화 측면에서 기업, 정보이용자 참여비중 확대를 반영한 K-IFRS 제정체계 개선과 표준화된 세부양식 정의 및 적용의무화 필요성이 제시되었다.

• 경영과정보연구
• /
• 제35권1호
• /
• pp.51-68
• /
• 2016

본 연구는 K-IFRS 도입과 함께 기존의 상각규정을 폐지하고 매기간 손상검사를 실시하도록 요구하는 영업권 회계변경이 영업권손상차손 인식의 적시성에 미친 영향을 분석하고자 수행되었다. 원칙중심기준인 K-IFRS는 회계정보의 목적적합성을 강화하고 적시성 있는 정보를 전달하기 위해 공정가치평가를 확대하였으며 동일한 맥락에서 영업권과 같은 '비한정내용연수의 무형자산'에 대한 손상검사를 1년에 1회 이상 수행하도록 요구하였다. 그러나 영업권 회계변경의 효과를 분석한 선행연구들은 새로운 손상검사절차가 경영자들의 재량에 의존하고 있어 영업권손상차손의 인식이 적시성 있게 수행되기 보다는 기회주의적으로 이용되고 있음을 지적하고 있다. 하지만 선행연구들은 개별 기업에서 관찰될 수 있는 손상징후를 고려하지 못한 채 회계변경 전 후의 영업권 감액 빈도와 크기에만 초점을 맞추어 분석하고 있어 그 결과에 편의(bias)를 포함할 수 있다. 본 연구는 이러한 선행연구들의 한계를 극복하기 위해 Ramanna and Watts(2012)의 손상징후에 대한 정의를 활용하여 새로운 손상차손절차가 적시성 있는 회계정보의 전달이라는 목적을 달성하고 있는지 검증하고자 하였다. 2008년부터 2011년까지 상장되어 있는 기업 중 영업권을 보유한 947개 기업-연도 표본을 대상으로 분석을 실시한 결과 영업권손상차손 인식의 적시성은 손상차손 인식여부를 더미변수의 형태로 이용한 로지스틱 회귀분석과 연속변수의 형태로 이용한 다변량 회귀분석 모두에서 K-IFRS 이전에 비해 이후 기간에 감소된 것으로 나타났다. 분석결과를 보다 강건하게 하기 위해 또 다른 영업권 손상징후를 이용하여 동일한 분석을 재차 수행한 결과도 일관된 모습으로 조사되었다. 이러한 결과는 회계기준 제정기관들이 영업권 회계기준 변경을 통해 보다 적시성있고 목적 적합한 회계수치를 작성하도록 의도하였던 것과 달리 경영자들이 그들에게 주어진 재량권을 악용하여 영업권손상차손 인식시기를 조정함으로써 영업권손상차손 인식의 적시성이 감소하였음을 보여주는 결과이다. 본 연구는 영업권손상인식의 적시성 변화를 분석한 선행연구들의 분석방법에서 나타날 수 있는 편의(bias)를 감소시킬 뿐만 아니라 영업권손상에 대한 징후를 고려한 분석을 실시하여 회계변경으로 인한 손상차손인식의 적시성 변화를 보다 직접적으로 분석하였다는 점에서 의의가 있다.

• 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.