간행물

한국금융연구원> 금융연구

금융연구 update

Journal of Money & Finance

  • : 한국금융연구원
  • : 사회과학분야  >  경제학
  • : KCI등재
  • :
  • : 연속간행물
  • : 계간
  • : 1225-9489
  • :
  • :

수록정보
수록범위 : 1권1호(1988)~33권1호(2019) |수록논문 수 : 446
금융연구
33권1호(2019년 03월) 수록논문
최근 권호 논문
| | | |

KCI등재

1계열관계에 따른 신규공모주 배정에 관한 연구: 보유기간 동안의 초과수익률을 중심으로

저자 : 정재웅 ( Jai Woong Chung )

발행기관 : 한국금융연구원 간행물 : 금융연구 33권 1호 발행 연도 : 2019 페이지 : pp. 1-34 (34 pages)

다운로드

(기관인증 필요)

초록보기

본 연구는 기업공개시 주간사와 기관투자자간의 계열관계가 주식배정에 미치는 영향을 보유기간 동안의 초과수익률을 중심으로 살펴보았다. 2002년부터 2008년간 국내 코스닥시장에서 기업공개를 한 기업들의 신규공모주를 펀드의 구성종목으로 편입한 월간 펀드별 종목보유자료(펀드포트폴리오)를 사용하여 분석한 결과, 주간사와 계열관계에 있는 펀드일수록 비계열관계 펀드보다 전체 배정물량은 적었지만 상장수익률이 높은 신규공모주는 더 많이 배정받는 것으로 나타났다. 또한 펀드가 신규공모주를 배정받은 후 매각할 때까지의 평균보유기간을 분석한 결과, 계열관계와 비계열관계 펀드 모두 배정받은 전체 신규공모주의 93% 이상을 배정받은 후 6개월 이내에 매각하는 것으로 나타났다. 이 결과를 바탕으로 펀드가 배정받은 신규공모주의 대부분을 매각하기 전인상장 후 1·2·3·6개월 동안의 코스닥지수를 벤치마크로 한 누적초과수익률(CAR)과 보유초과 수익률(BHAR)을 분석한 결과, 단변량 분석과 다분량 분석 모두에서 주간사의 계열관계 펀드에 대한 선호현상이 나타났다. 즉, 기간이 경과할수록 계열관계 펀드의 초과수익률이 높아졌는데, 3개월이 지나는 시점부터는 계열관계 펀드의 초과수익률이 비계열관계 펀드의 초과수익률보다 더 높은 것으로 나타났으며, 특히 배정을 적게 받은 계열관계 펀드의 초과수익률은 전 기간에 걸쳐 비계열관계 펀드의 초과수익률보다 더 높은 것으로 나타났다.


Firms go public with many reasons such as raising equity capital, creating a public market to convert wealth into cash, or increasing publicity and so on. Nominated by IPO firms and taking the place of them, underwriters play an important role to make them satisfied with what they have done in IPO process. But prior studies show that underwriters favor certain investors against IPO firms to make a profit of themselves and they tend to favor institutional investors with business relationship or affiliated relationship.
This paper researches how the affiliated relationship between IPO underwriters and institutional investors affects the abnormal returns for holding periods of IPOs. By using the monthly mutual fund portfolio data and IPOs listed in KOSDAQ market during 2002~2008, I find that, on average, underwriters allocate less IPOs to affiliated funds, however, they allocate more underpriced IPOs to affiliated funds for the benefits of them. I also find that all mutual funds, regardless of affiliated funds or not, sell over 93% of their IPOs within 6 months after listing. On the basis of theses results, I measure the abnormal returns for 1 month, 2 months, 3months, and 6 months by CAR (Cumulated Abnormal Rerurn) and BHAR (Buy and Hold Abnormal Rerurn) and research how the affiliated relationship between IPO underwriters and institutional investors affects the abnormal returns for holding periods of IPOs. By univariate analyses and multivariate analyses, I find that, as time goes by, the abnormal returns of affiliated funds become greater for holding period and are greater than those of unaffiliated funds in 3 months. I also find that the abnormal returns of affiliated funds are especially greater when the underwriters allocate less IPOs to the affiliated funds.
Prior studies usually examine the first day returns of IPOs to find out favoritism of underwriters. That is, if underwriters allocate underpriced IPOs to certain investors, we can say that the underwriters favor the investors. Boehmer et al. (2006) argue that we have to consider both short-term performance and long-term performance of IPOs to find out favoritism of underwriters and they use HPERs (equally weighted adjusted Holding Period Excess Returns) of 6 month, 1 year, and 2 years to find out favoritism of underwriters. But I can see that institutional investors tend to hold IPOs within 6 months by this research and examine if underwriters allocate IPOs with better abnormal returns for 1 month, 2 months, 3 months, and 6 months by CAR and BHAR to affiliated institutional investors. By this way, I can find the realized profits of affiliated institutional investors unlike Boehmer et al. (2006) who examine unrealized profits of institutional investors.

KCI등재

2기업의 기부금 결정요인과 기업가치

저자 : 김영식 ( Youngsik Kim ) , 위정범 ( Jungbum Wee )

발행기관 : 한국금융연구원 간행물 : 금융연구 33권 1호 발행 연도 : 2019 페이지 : pp. 35-68 (34 pages)

다운로드

(기관인증 필요)

초록보기

본 연구는 기업의 기부금 지출에 대한 결정요인을 분석하고, 기부가 기업가치 증대를 위한 전략적 투자인지 또는 대리인 비용의 성격을 지닌 비용인지를 살펴본다. 1992년부터 2017년까지 국내 상장된 705개의 기업자료를 이용한 분석결과는 적은 지분을 소유한 경영자가 더 많은 기부금을 지출하고, 특히 최대주주가 최고경영자를 맡고 있는 경우에 최대주주 지분율이 낮을수록 기부금이 유의하게 증가한다는 결론을 얻었다. 또한, 기부금 지출은 기업가치를 하락시키거나 유의한 영향을 주지 않는 것으로 나타났다. 기부금이 기업가치에 부정적 영향을 미친다는 결과는 기부금이 투자보다 비용의 성격을 강하게 갖고 있음을 의미한다. 그러나, 기부성향이 상대적으로 높은 기업의 기부금 지출은 기업가치에 긍정적 영향을 주는 것으로 나타나서, 기부금 지출이 무형자산 확대를 위한 투자의 성격도 갖고 있는 것으로 보인다. 기부금이 기업의 규모, 광고비 또는 연구개발비 지출, 시장지배력 등이 높을수록 증가하는 현상도 이런 측면을 시사한다. 또한, 기업의 이사회 구성이나 기관투자자의 지분율은 경영자의 기부결정에 영향을 주지 않으나, 외국인투자자의 지분율이 주요한 영향을 미치기 때문에 기업의 기부관행을 개선하기 내·외부적 규율장치의 필요성을 제시한다.


The motivation and impact of corporate giving has long been a topic of interest in academic literature. Studies in this field have largely offered two interpretations of this phenomenon. According to the investment view, corporate giving is considered an investment strategy that creates value for the firm. According to the cost view, however, corporate giving is considered a discretionary expense on the part of the manager, which indicates that corporate giving can give rise to an agency problem that will either add nothing to a firm's value or ultimately harm it.
This study examines this question of whether corporate giving adds to firm value. For corporate giving to add value, the agency problem must be minimized not only by giving at the right time but also by giving the appropriate amount, as over-giving can lead to an agency problem.
This paper proceeds as follows. First, the relationship between the manager's share ratio and the donation is examined to see whether an agency problem exists. Cases in which a manager with relatively meager financial resources makes a considerable donation are considered to be indicative of an agency problem. According to our results, managers with a low stakeholder ratio who make considerable donations are considered to be doing so for personal gain.
Second, regression coefficients are found even in the analysis of the impact of the donations on firm value, which was calculated using instrumental variables to control for endogeneity. Cases in which managers used their discretion to make donations that ultimately decreased the value of the firm are considered to represent an agency problem.
Third, in cases in which the largest stockholders were the CEOs, lower largest stockholder ownership was shown to be associated with a noticeable growth in corporate giving.
Owning managers were more likely to use expenses discretionally than were executive managers. And in the analysis of the governance structure for the manager's donation, no significant connection was found with either the board of directors or institutional investors. Foreign shareholders also showed a tendency to regulate donations. The results of this analysis show a need for the improvement of both internal and external disciplinary systems.
Fourth, we analyzed over-giving. Cases in which firms donated more than their competitors were found to have a negative impact on firm value, thus magnifying the agency problem. Although some firms with high firm value may wish to enhance their social roles, the notion that corporate giving can be a strategy to raise firm value was not supported.
This study provides empirical data for the discussion regarding whether corporate giving should be seen as an investment or an agency cost and shows that internal and external controls are necessary in the culture of corporate giving.

KCI등재

3우리나라 기간 스프레드의 경기예측력 증가 원인

저자 : 김기범 ( Ki-beom Kim ) , 구본일 ( Bon-il Ku )

발행기관 : 한국금융연구원 간행물 : 금융연구 33권 1호 발행 연도 : 2019 페이지 : pp. 69-103 (35 pages)

다운로드

(기관인증 필요)

초록보기

기존 연구결과에 따르면 기간 스프레드의 예측력이 나타나는 원인은 우선 경기안정을 상대적으로 중시하는 통화정책 기조가 계속 나타날 때와 다음으로 경제주체들에 의한 소비의 평활화 과정에서 인플레이션의 지속성이 높게 나타날 때로 이분된다. 이러한 시각에서 본 연구는 글로벌 금융위기 이전과 이후의 기간에 대하여 우리나라 기간 스프레드의 예측력 변화를 살펴보고 이러한 변화가 나타나는 원인을 분석했다. 그 결과는 다음과 같다. 첫째, 2008년 글로벌 금융위기 이전보다 위기 이후에 기간 스프레드의 예측력이 증가했다. 둘째, 글로벌 금융위기 이전보다 위기 이후에 중앙은행이 정책금리를 결정하는 과정에서 경제활동의 추세적인 변화를 더 많이 고려했던 것으로 나타났다. 셋째, 우리나라의 통화정책 기조를 기간별 테일러룰 추정을 통해 분석한 결과, 금융위기 이후로는 인플레이션에 대한 대응보다 경기안정을 중시하는 통화정책 기조가 관찰됐다. 넷째, 글로벌 금융위기 이전과 이후의 기간에서 우리나라 인플레이션의 지속성은 대체로 0.2 이하로 나타났다. 이는 단위근을 의미하는 1과 비교하면 낮은 수준으로 보인다. 본 연구의 전반적인 분석 결과들을 고려하면 글로벌 금융위기 이후로 기간 스프레드의 예측력이 증가한 것은 물가안정보다 경기안정을 중시하는 중앙은행의 적극적인 통화정책 기조에 기인한 것으로 생각된다.


Since the end of the 1980s, a huge literature has documented the long-short nominal term spread's predictive power for future output growth, still such finding is to be regarded as a stylized fact in search of a theory. Currently, there are two main explanations why the nominal term spread may contain information on future output growth, one dealing with the workings of monetary policy and the other with the interaction between inter-temporal consumption smoothing and inflation's persistence as determined by the underlying monetary regime.
This study aims to examine whether the predictability of the nominal term spread has changed before and after the global financial crisis and to analyse the causes of these changes. To this end, first we regress the annualized cumulative percentage change in the monthly Industrial Production Index on the nominal term spread before and after the global financial crisis by adopting the econometric method of Estrella and Hardouvelis (1991). second, we regress changes in call rate compared to the previous month on the monthly Industrial Production Index's annualized growth rate for past k months. third, we estimate the monetary policy's stance before and after the global financial crisis by adopting Clarida, Gali and Gertler (1998)'s GMM method. fourth, we estimate inflation persistence before and after the global financial crisis by adopting Andrews and Chen (1994)'s median unbiased estimator.
The main results are summarized as follows. First, the predictive power of the nominal term spread has increased since the 2008 global financial crisis compared to that before the crisis. Second, the central bank considered more trending changes in economic activity in deciding the benchmark interest rate after the crisis, compared to that before the crisis. Third, since the global financial crisis, monetary policy has been observed with emphasis on economic stability rather than response to inflation. Finally, the persistence of inflation in Korea, which occurred from January 2001 to December 2016, was generally observed below 0.22. This seems to be lower than 1, which means unit root process. To sum up the results, the increase in the predictability of the nominal term spread for future economic activity since the global financial crisis is believed to be due to the central bank`s aggressive monetary policy with emphasis on economic stability rather than price stability.

KCI등재

4소비관련 거시변수를 통한 자산수익률의 예측

저자 : 박도준 ( Dojoon Park ) , 엄영호 ( Young Ho Eom ) , 한재훈 ( Jaehoon Hahn )

발행기관 : 한국금융연구원 간행물 : 금융연구 33권 1호 발행 연도 : 2019 페이지 : pp. 105-149 (45 pages)

다운로드

(기관인증 필요)

초록보기

본 연구의 목적은Lettau and Ludvigson(2001, 2005), Campbell and Cochrane(1999), Santos and Veronesi(2006) 등이 제시한 총자산 대비 소비비율, 잉여소비비율 그리고 소비 대비 소득비율 등의 소비관련 거시변수들을 한국의 자료를 이용하여 구성하고, 이 변수들이 자산의 수익률과 유의적인 관계를 가지는지를 실증적으로 검증하는 데 있다. 구체적으로 본 연구에서는 외국 연구사례의 통계자료와 우리나라의 통계자료를 비교하고, 주어진 자료의 제약하에서 국내 자료의 특수성을 고려하여 기존 연구에 최대한 근접한 방법으로 소비관련 거시변수를 구성하였으며 이 변수들을 활용하여 주식, 채권 및 부동산의 장기 기대수익률에 대한 예측력을 검증하였다. 실증분석결과 Lettau and Ludvigson(2001, 2005)의 총자산 대비 소비비율은 주가지수와 일부 채권지수 그리고 부동산지수의 수익률에 대해서 예측력이 통계적으로 유의하게 나타났다. Campbell and Cochrane(1999)의 잉여소비비율의 대용치인 Wachter(2006)의 잉여소비비율은 주가지수와 부동산 지수의 수익률에 대한 예측력이 있었고, Santos and Veronesi(2006)의 소비 대비 소득비율도 주가지수, 일부 채권지수 및 부동산지수에 대한 예측력이 발견되었다. 따라서 이들 소비관련 변수들이 자산의 수익률 예측뿐 아니라, 향후 한국 자본시장을 대상으로 하는 조건부 자산가격모형 혹은 다기간 자산가격모형의 실증분석에서 상태변수(state variable)로 사용될 수 있음을 보여주었다는 점에서 본연구의 의의가 있다.


The basic pricing equation for consumption-based asset pricing models is derived from consumers' first-order conditions on consumption and investment decisions, motivated by a desire to smooth consumption over both time and across states. That the price of an asset should equal the expected value of the asset's future payoff, discounted by consumers' marginal utility is widely regarded as the most fundamental principle of asset pricing. However, the performance of consumption-based asset pricing models have produced disappointing empirical results. For example, consumptionbased asset pricing models have difficulty explaining several asset pricing phenomena, such as the high equity risk premium, the low real interest rate, the high equity volatility, and the cross-sectional variation in stock returns.
In recent decades, a number of consumption-based measures have been proposed for forecasting asset returns, such as the consumption-aggregate wealth ratio (Lettau and Ludvgison, 2001; 2005), the surplus consumption ratio (Campbell and Cochrane, 1999) and the labor income to consumption ratio (Santos and Veronesi, 2006). Lettau and Ludvigson (2001) show that a variable that measures deviations of consumption from its stable relation with wealth has predictive power both in time series and crosssection of stock returns. Campbell and Cochrane (1999) use the surplus consumption ratio as a proxy for time-varying relative risk aversion and show that their model successfully matches the historical equity premium. Wachter (2006) uses a proxy of surplus consumption ratio to extend Campbell and Cochrane's (1999) model to the bond market. The model of Santos and Veronesi (2003) implies that the ratio of labor income to consumption is inversely related to the conditional covariance between the asset return and the consumption growth. The ratio helps to explain time variation in expected returns and cross-section of stock returns.
In this paper, we construct the recently proposed consumption-based measures using the Korean data and examine whether these measures predict future asset returns. Due to limited availability of macroeconomic data, the sample period for this study is much shorter than the sample periods used for the US. In constructing the consumption-based measures, we pay careful attention to the differences between the Korean and US data on household wealth and income in order to capture the informational contents of the proposed measuresas well as possible.
We find that the consumption-based measures have predictive ability for the equity, bond, and housing risk premia in Korea. A regression of stock, bond, and housing price index returns on lagged consumption-aggregate wealth ratio (Lettau and Ludvgison, 2001; 2005) produces statistically significant coefficients. The surplus consumption ratio (Campbell and Cochrane, 1999; Wachter, 2006) predicts future stock and housing price index. The labor income to consumption ratio (Santos and Veronesi, 2006) predicts future stock, bond, and housing price index. Taken together, our findings suggest that these consumption-based measures capture the information relevant for time-varying risk premium in Korea.

KCI등재

5딥러닝 신경망을 이용한 신용카드 부도위험 예측의 효용성 분석

저자 : 윤종문 ( Jong Mun Yoon )

발행기관 : 한국금융연구원 간행물 : 금융연구 33권 1호 발행 연도 : 2019 페이지 : pp. 151-183 (33 pages)

다운로드

(기관인증 필요)

초록보기

본 연구는 국내·외 금융시장에서 아직 활성화되지 못한 딥러닝 신경망(deep learning neural network) 알고리즘을 이용해 신용카드 부도위험 예측의 정확도 향상 가능성에 대해서 점검한다. 이를 위해 기존 머신러닝 알고리즘(Logistic, SVM, Random Forest, Lasso 등)을 딥러닝 신경망 분석의 성능 점검을 위한 비교 지표로 활용한다. 우선, 딥러닝 신경망은 두 개의 은닉층(hidden layers)과 다섯 개의 뉴런(neuron)으로 구축하고, 활성함수(activation function)와 초기값(initial value) 설정방법에 따른 예측정확도를 도출한다. 그 결과 딥러닝 신경망 분석이 기존 머신러닝 알고리즘 보다 최소 0.6%p에서 최대 6.6%p 성능이 향상된 것으로 나타났다. 이 중 가장 높은 예측 정확도를 보인 활성함수와 초기값 설정방식은 ReLU(rectified linear units)와 Xavier(2010)이고 이를 기준으로 은닉층과 뉴런의 수를 각각 최대 10개와 25개까지 늘려 분석한 결과에서도 유사한 결과가 나타났다. 다만, 기존 연구에서와 같이 은닉층과 뉴런의 수의 증가에 따른 뚜렷한 성능의 향상은 나타나지 않았다. 또한, 이미지 식별 분야에서 높은 성능을 보였던 Dropout과 CNN(convolution neural network) 모델도 예측 정확도에서 큰 차이를 보이지 않았다. 이는 여기에서 사용된 신용카드 데이터가 다수 픽셀(pixel)로 이루어진 이미지 데이터와 비교해 양적·질적 한계가 있기 때문으로 판단된다. 한편, 본 연구에서 사용된 개인의 신용카드 부도 데이터는 횡단면 자료이기 때문에 시계열 데이터에서 높은 성능을 나타내는 RNN(recurrent neural network) 및 LSTM(Long-Short Term Memory) 등의 딥러닝 신경망 알고리즘을 사용하지는 않았다. 따라서 추후 시계열 자료가 포함된 빅데이터를 통해 이들 딥러닝 신경망 방법론을 적용한다면, 현재의 다양한 금융시장의 식별문제(신용등급, 연체율, 금리산정)에 있어 보다 향상된 결과를 도출할 수 있을 것으로 기대된다.


This study aims to discuss the usefulness of the deep learning neural network and the possibility of the deep learning neural network analysis in judging credit information by using credit card default data. Deep learning neural network analysis in the financial sector excluding the current stock price prediction model is under limited research. It is mainly used for upgrading models of the credit rating (Kvamme et al., 2016, 2018; Tran, 2016; Luo, 2017) and the delinquency rate (Sirignano et al., 2018). In the credit card market, it is focused on credit card issuance and fraud detection model (Ramanathan, 2014, Niimi, 2015). As mentioned earlier, there has not been much analysis of deep learning neural network using financial market data. This is because the study of deep learning neural networks is actively carried out mainly in the field of computer science such as image, speech recognition, natural language processing. Additionally, Researchers in the financial sector have difficulty learning deep learning algorithms and setting up a computer runtime environment. It is also difficult to apply the algorithm to financial data due to lower dimension than the image. Nowadays, financial companies have been interested in machine learning and are increasing their recruitment, but it is still in the stage of verifying the possibility of deep learning neural network.
Therefore, This study examines the possibility of improving the accuracy of credit card default risk prediction by using a deep learning neural network algorithm. To do this, we use existing machine learning algorithms (Logistic, SVM, Random Forest, Lasso, etc.) as a comparison index for performance check of deep learning neural network analysis. Firstly, the deep learning neural network is constructed with two hidden layers and five neurons, and derives the prediction accuracy according to the activation function and the initial value setting method. There are Sigmoid, ReLU, tanh and Maxout as active functions, and random value, Xavier, RBM, He's as initialization methods. Based on this, we compare the accuracy of existing machine learning algorithms. As a result, the deep learning neural network analysis showed performance improvement between 0.6% and 6.6%p compared to the existing machine learning algorithms (Logistic, SVM, Random Forest, Lasso, etc.). Among these results, the active function and the initial value setting method with the highest prediction accuracy are ReLU (rectified linear units) and Xavier initialization. However, there is no significant improvement in performance with increasing number of hidden layers and neurons up to 10 and 25, respectively. Also, the dropout and CNN (convolution neural network) models, which showed high performance in the field of image identification, showed no significant difference in prediction accuracy. Nevertheless, it could be interpreted that the increase of hidden layers can improve the accuracy of estimation because the highest accuracy (0.8161) and the AUC (0.7726) are observed for 10 hidden nodes and 15 neurons. However, we can't say that accuracy increases linearly by the number of hidden layers and neurons. These limitation could be due to the quantitative and qualitative limitations of the credit card data used here. We did not use recurrent neural network (RNN) and long-short term memory (LSTM) models since the personal default data for credit card used in this study is cross-sectional data. These method are for Time-Series data. Therefore, it is expected that it will be able to obtain better results in identification problems (credit rating, delinquency rate, interest rate calculation) of present various financial markets if these deep learning neural network methodologies are applied through big data including time series data.
This study can be turned into a question of how deep learning analysis can lower the default risk and delinquency rate by using financial data from a practical point of view. It can also mitigate the information asymmetry of financial services. More sophisticated credit rating could make financial companies to reduce costs and financial consumers to use services at lower fees. Therefore, it is time for financial authorities and financial companies to pay attention and support for the deep learning neural network analysis to improve the quality of financial services.

1
권호별 보기
가장 많이 인용된 논문

(자료제공: 네이버학술정보)

가장 많이 인용된 논문
| | | |
1연안해역에서 석유오염물질의 세균학적 분해에 관한 연구

(2006)홍길동 외 1명심리학41회 피인용

다운로드

2미국의 비트코인 규제

(2006)홍길동심리학41회 피인용

다운로드

가장 많이 참고한 논문

(자료제공: 네이버학술정보)

가장 많이 참고한 논문

다운로드

2미국의 비트코인 규제

(2006)홍길동41회 피인용

다운로드

해당 간행물 관심 구독기관

연세대학교 상명대학교 경북대학교 고려대학교 성균관대학교
 68
 21
 20
 19
 16
  • 1 연세대학교 (68건)
  • 2 상명대학교 (21건)
  • 3 경북대학교 (20건)
  • 4 고려대학교 (19건)
  • 5 성균관대학교 (16건)
  • 6 서강대학교 (16건)
  • 7 전북대학교 (15건)
  • 8 한양대학교 (14건)
  • 9 서울대학교 (12건)
  • 10 경희대학교 (11건)

내가 찾은 최근 검색어

최근 열람 자료

맞춤 논문

보관함

내 보관함
공유한 보관함

1:1문의

닫기