• 아태비즈니스연구
• /
• 제11권2호
• /
• pp.173-188
• /
• 2020

Purpose - This study examines the determinants of offer price and short-term and long-term performance of small and medium-sized enterprise(SME) IPO stocks listed on the KOSDAQ during the period from July 2007 to December 2016. Design/methodology/approach - The SME IPO samples are classified into three categories of regular listing, technology-based special listing, and listing by merger with special purpose acquisition company(SPAC), whose results are compared each other and compared to the result for the KOSDAQ listing of large firms. Findings - From the point of SME management which attempts to list its company on the KOSDAQ, the listing by merger with SPAC is the most unfavorable, and the underpricing phenomenon of the technology-based special listing is severe in the second place. By contrast, IPO stock investors can earn the largest abnormal return by purchasing the SPAC which succeeds the merger with unlisted firm, and the next abnormal returns are obtained in the order of the IPO stocks of technology-based special listing, regular listing of SMEs, and regular listing of large firms. However, it is interesting to observe that the net buying ratio of individual investors is relatively large for the IPO stocks of regular listing of SMEs and large firms, which exhibit the long-term under-performance. Research implications or Originality - This result implies that the exceptional listing system such as the technology-based special listing or the listing by merger with SPAC cost the SMEs which bypass the complicated procedure of the regular listing.

• 지능정보연구
• /
• 제28권2호
• /
• pp.237-262
• /
• 2022

본 연구는 개인투자자들의 투자의사결정에 도움을 주고자, 증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용해 공모주의 상장 5거래일 이후 주식 가격 등락을 예측하는 모델을 제시한다. 연구 표본은 2009년 6월부터 2020년 12월 사이에 신규 상장된 691개의 국내 IPO 종목이다. 기업, 공모, 시장과 관련된 다양한 재무적 및 비재무적 IPO 관련 변수와 증권신고서의 어조를 분석하여 예측했고, 증권신고서의 어조 분석을 위해서 TF-IDF (Term Frequency - Inverse Document Frequency)에 기반한 텍스트 분석을 이용해 신고서의 투자위험요소란의 텍스트를 긍정적 어조, 중립적 어조, 부정적 어조로 분류하였다. 가격 등락 예측에는 로지스틱 회귀분석(Logistic Regression), 랜덤 포레스트(Random Forest), 서포트벡터머신(Support Vector Machine), 인공신경망(Artificial Neural Network) 기법을 사용하였고, 예측 결과 IPO 관련 변수와 증권신고서 어조 변수를 함께 사용한 모델이 IPO 관련 변수만을 사용한 모델보다 높은 예측 정확도를 보였다. 랜덤 포레스트 모형은 1.45%p 높아진 예측 정확도를 보였으며, 인공신공망 모형과 서포트벡터머신 모형은 각각 4.34%p, 5.07%p 향상을 보였다. 추가적으로 모형간 차이를 맥니마 검정을 통해 통계적으로 검증한 결과, 어조 변수의 유무에 따른 예측 모형의 성과 차이가 유의확률 1% 수준에서 유의했다. 이를 통해, 증권신고서에 표현된 어조가 공모주의 가격 등락 예측에 영향을 미치는 요인이라는 것을 확인할 수 있었다.