• 벤처창업연구
• /
• 제12권3호
• /
• pp.191-202
• /
• 2017

코넥스시장은 초기 중소, 벤처기업들이 거래소시장에 주식을 상장할 수 있게 함으로써 과다한 부채를 부담하지 않으면서 필요한 자금을 조달할 수 있게 하는 통로이다. 본 연구는 코넥스시장의 주요 제도들을 설명하고 이와 관련하여 그동안 꾸준히 시도해온 시장활성화 대책들의 효과를 분석하였다. 코넥스시장의 활성화를 위한 첫 번째 대책으로서 단일가매매를 접속매매로 변경한 조치의 경우에, 정보비대칭 개선 효과가 있는 것으로 나타났다. 두 번째, 투자위험 감당능력이 낮은 투자자의 시장진입을 제한하는 제도인 기본예탁금 요구수준을 기존의 3억 원에서 1억 원으로 낮춘 조치의 결과로 시장유동성이 현저히 향상되었고 시장참여자의 수가 증가했다. 마지막으로, 소액투자전용계좌 도입 조치는 개인투자자의 시장참여 정도를 높였으나 시장유동성 및 정보비대칭 개선으로 이어지지 않은 것으로 나타났다. 분석결과를 종합할 때, 투자자범위제한 축소 조치를 통해 다양한 투자자의 활발한 시장 참여를 유도하는 것이 조속한 시장활성화에 가장 효과적인 한편, 소액투자자 증가에 대비하여 상장주식에 대한 정보생성 통로를 강화함으로써 정보비대칭을 완화하는 것이 장기적으로 창업기업의 직접금융시장에서의 조달비중 확대를 꾀할 수 있는 방안임을 시사한다.

• 기술혁신연구
• /
• 제22권1호
• /
• pp.149-175
• /
• 2014

본 연구는 기업의 혁신전략이 특허생산 및 기업의 기술변화와 신제품개발에 미치는 영향을 분석함으로써 기업의 기술성과를 증대시키는 데 필요한 혁신전략을 도출하고자 하였다. 사용자료는 한국직업능력개발원의 "인적자본기업패널조사"(HCCP)의 1~4차년도 자료와 한국신용평가원의 기업재무자료, 특허청의 기업별 특허출원자료를 결합한 자료이다. 특허생산함수는 영과잉음이항회귀모형(ZINB)을 사용하여 추정하였다. 기업의 기술성과 결정요인은 특허의 내생성을 고려하여 2단계 추정방법을 사용하였고, 2단계 회귀식은 순위로짓모형을 사용하였다. 분석결과, 기업의 혁신전략이 특허생산 및 기업의 기술변화와 신제품개발에 중요한 영향을 미치는 것을 확인할 수 있었다. 첫째, 특허생산에서는 기업의 연구개발투자와 인적자원이 중요한 투입요소로 나타났다. R&D집약도가 높을수록 특허생산이 활발하게 이루어지되 한계 생산은 체감하였고, 기업이 보유하고 있는 특허스톡이 많을수록 신규특허의 생산이 활발하였다. 기업의 인적자원수준이 높고 인적자원투자가 많을수록 특허생산이 활발하였고, 기업이 시장선도전략이나 빠른 추종자전략을 추구할 때 안정형 전략을 구사하는 기업에 비해 특허생산이 많았다. 둘째, 기업의 기술성과 결정요인으로는 인적자원의 역할이 중요하였고, R&D 집약도는 대기업의 신제품개발에 유의한 영향을 미쳤다. 시장선도전략이나 빠른 추종자전략을 택한 기업의 기술성과가 안정형 전략의 기업보다 높았다. 특허생산이 활발한 기업일수록 기술성과가 높으나, 이는 상당부분 특허의 내생성에 기인한다. 본 연구의 분석결과는 특허의 생산뿐 아니라 특허와 신제품개발과 같은 기술성과와의 연계성을 높이는 전략이 필요하며, 기업특성에 따른 차별화 전략이 필요하다는 것을 시사한다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.