• 벤처창업연구
• /
• 제5권4호
• /
• pp.1-34
• /
• 2010

우리나라 코스닥 시장은 1996년 처음 생긴 이래 상당한 양적 성장은 해왔으나 투자자의 두터운 신뢰를 받지 못하는 실정이다. 건전한 기업을 발굴하여 육성하고 코스닥 시장이 투자자들에게 신뢰를 주기 위해서는 코스닥 상장기업의 정확한 가치평가와 기업 생존 가능성 평가는 매우 중요하지만 코스닥 기업을 대상으로 실패위험을 분석한 논문은 많지 않은 실정이다. 본 연구에서는 코스닥 상장 시 기업의 실패위험 결정요인을 조사하고 이 실패위험이 주가에 반영되는지 분석하였다. 신규상장 시 실패위험 결정요인은 신규상장기업의 특성인 주관등록사와 회계감사인의 명성, 공모가와 공모규모, 기업의 나이 등을 고려하여 분석하였다. 또한 신규상장 시 실패위험이 상장 후 주가성과와 관련되는지 분석하였다. 표본은 코스닥 상장 폐지된 기업 중 인터넷 기업을 제외하고 부실과 관련된 86개 실패 기업과 실패기업과 같은 산업에 속하는 569개 건전기업을 선정하여 연구에 사용하였다. 실패위험 결정요인 분석에는 로짓모형을 이용하였다. 연구결과는 신규상장 시 실패위험 결정요인은 신규상장기업의 특성인 공모규모, 회계감사인의 명성, 기업의 나이 등이 유의한 영향을 주는 것으로 나타났다. 또한 재무레버리지는 실패위험에 유의한 영향을 주는 변수이지만 선행연구에서 유의한 변수로 지적된 기업규모나 수익성 변수는 실패위험에 유의한 영향을 주지 않는 것으로 나타나 신규상장 시 실패위험 분석에서는 신규상장기업의 특성을 반영하는 모형이 유효하다고 볼 수 있다. 신규상장시 실패위험과 상장 후 주가성과와의 관계 분석에서는 유의한 음(-)의 관련성이 나타나 비 인터넷기업의 실패위험이 주가에 반영된다고 해석할 수 있다. 코스닥 신규상장기업의 생존가능성이 낮은 편이며 정부의 각종 지원을 받는 벤처기업이 실패하는 경우 투자자들에게 극심한 손해를 끼칠 수 있고 나아가 경제에 악영향을 미칠 수 있기 때문에 본 연구의 결과는 정부의 규제당국이나 신용분석을 담당하는 실무자에게 상당한 도움이 될 것으로 생각된다.

• 인터넷정보학회논문지
• /
• 제25권4호
• /
• pp.121-130
• /
• 2024

정보 통신 기술의 기하급수적인 발전에 따라 확보 가능한 데이터의 종류와 크기가 증가하고 있다. 이러한 대량의 데이터를 활용하기 위해, 통계 등 확보한 데이터를 분석하는 것이 중요하지만 다양화되고 복잡도가 증가한 데이터를 일반적인 방법으로 처리하는 것에는 명확한 한계가 있다. 한편, 연산 처리 능력 고도화 및 자동화 시스템에 대한 수요 증가에 따라 다양한 분야에 기계 학습을 적용하여 그동안 해결하지 못하였던 문제들을 풀고자 하는 시도가 증가하고 있다. 기계 학습 모델의 성능을 확보하기 위해서 모델의 입력에 사용되는 데이터를 가공하는 것과 해결하고자 하는 목적 함수에 따라 모델을 설계하는 것이 중요하다. 많은 연구를 통해 데이터의 종류 및 특성에 따라 데이터를 처리하는 방법이 제시되었으며, 그 방법에 따라 기계 학습의 성능에는 큰 차이가 나타난다. 그럼에도 불구하고, 데이터의 종류와 특성이 다양해짐에 따라 데이터 분석을 위하여 어떠한 데이터 처리 방법을 적용해야 하는지에 대한 어려움이 존재한다. 특히, 기계 학습을 이용하여 비선형적 문제를 해결하기 위해서는 다변량 데이터를 처리하는 것이 필수적이다. 본 논문에서는 다양한 형태의 변수를 포함하는 Kaggle의 Titanic 데이터셋을 이용하여 기계 학습 기반으로 데이터 분석을 수행하기 위한 다변량 정형 (tabular) 데이터 처리 방법에 대해 제시한다. 데이터 특성에 따른 통계 분석을 적용한 입력 변수 필터링, 데이터 정규화 등의 처리 방법을 제안하고, 데이터 시각화를 통해 데이터 구조를 분석한다. 마지막으로, 기계 학습 모델을 설계하고, 제안하는 다변량 데이터 처리를 적용하여 모델을 훈련시킨다. 그 이후, 훈련된 모델을 사용하여 탑승객의 생존 여부 예측 성능을 분석한다. 본 논문에서 제시하는 다변량 데이터 처리와 시각화를 적용하여 다양한 환경에서 기계 학습 기반 분석에 확장할 수 있을 것으로 기대한다.