신규상장기업의 주가예측에 대한 연구 : 인공신경망 모형과 Ohlson모형의 비교를 중심으로 = A Comparative Analysis of Artificial Intelligence System and Ohlson model for IPO firm's Stock Price Evaluation
저자
발행기관
학술지명
권호사항
발행연도
2010
작성언어
Korean
KDC
325
자료형태
학술저널
발행기관 URL
수록면
254-277(24쪽)
제공처
기업 공개 과정에서 최초로 일반에게 매각되는 신규공모주(Initial Public Offerings: IPO)의 가치평가는 공개 기업에 비해서 어렵다. 기업 공개는 기업의 소유주가 회사 지분의 일부를 일반 투자자에게 매각하는 것이므로 주식의 공모가격 수준에 따라 관련 집단 간의 이해상충이 발생할 수 있다.
본 논문에서는 기업가치 평가와 관련된 선행연구를 검토하고 이를 토대로 첫째, 변수들 간의 선형관계를 전제로 하지 않는 인공지능시스템의 하나인 인공신경망을 이용한 평가모형을 구축하여 상장기업의 주가를 예측하고 둘째, 회계정보를 이용하여 기업 가치를 평가하는 Ohlson모형을 이용하여 상장기업의 주가를 예측하였다. 이를 신규상장기업의 주가예측에 적용하여 어느 방법이 더 주가예측의 적정성이 높은지를 평가하였다. 연구대상 표본은 신규상장기업 중 제조업에 해당하는 기업의 현황을 보여주는 자료이다. 2002년 25개 상장기업중 제조업이외와 공모가가 없는 경우, 12월 결산이 아닌 경우를 제외하고 분석대상 기업은 4개이다. 2003년에는 17개 상장기업 중 5개, 2004년에는 16개 상장기업 중 2개, 2005년에는 16개 상장기업 중 8개가 분석대상 기업으로 총 19개 기업이다.
이에 대한 본 연구의 실증분석 결과는 다음과 같다.
2002년에서 2005년까지 신규상장된 기업을 대상으로 Ohlson모형에 의한 추정주가를 산출하여 실제주가와의 차이를 구하고, 인공신경망 모형에 의한 추정주가를 산출하여 실제주가와의 차이를 구하였다.
첫째, 공모가를 기준으로 한 경우 Ohlson모형에 의한 추정주가는 통계적으로 차이가 있고, 인공신경망 모형에 의한 추정주가는 통계적으로 차이가 없었다.
둘째, 상장일 종가를 기준으로 한 경우 Ohlson모형에 의한 추정주가와 인공신경망 모형에 의한 추정주가는 통계적으로 차이가 없었다.
셋째, 상장 2개월 후 종가를 기준으로 한 경우 Ohlson모형에 의한 추정주가는 통계적으로 차이가 있고, 인공신경망 모형에 의한 추정주가는 통계적으로 차이가 없었다.
이상의 결과로 볼 때 인공신경망 모형에 의한 추정주가가 Ohlson모형에 의한 추정주가보다 적정하게 평가되었다.
그리고 향후 이 분야의 연구에 있어서는 보다 다양한 기업특성을 고려한 재무변수와 경제변수 등을 적용하여 신규상장기업의 주가 평가뿐만 아니라 비상장법인의 주가 평가에 관하여도 지속적인 연구가 진행되어야 할 것이다.
In the process of IPO, the valuation of new stocks for public offering is more difficult than existing stocks for public offering. Since the owner of company attempts to sell parts of shares of company to individual investors through public offering, the values of new stocks for public offering may cause conflict among related parties such as shareholders or management group, etc depending on the value levels of stocks for public offering.
When the price of stocks for public offering is overvalued to the actual price, it may inflict loss on new stockholders and purchasing institutions, which may hardly make the public offering accomplished. Contrarily, when the price of stocks for public offering is excessively low, it may infringe on the property rights of existing stockholders. Accordingly, the appropriate valuation of stocks for public offering is crucial in the public offering.
I reviewed the previous studies on company valuation and based on which, I estimate stock prices of listed companies using financial information and Ohlson model, which is used for the evaluation of company value. Furthermore, I use the artificial neural network, one of artificial intelligence systems, which are not based on linear relationship between variables, to estimate stock prices of listed companies. By reapplying this in estimating stock prices of newly listed companies, I evaluate the appropriateness in stock valuation with such methods.
The samples for this study to analyze are, among manufacturing companies who listed their shares in stock exchange between 2002 and 2005, the companies whose accounting period is ended in December, whose capital is not encroached, which do not issue preferred stocks and which are not involved in financial activities. The number of samples is 1,184, excluding 948 samples in which data collection for variables is impossible or which are not appropriate for samples from 2,132 total. With those samples, I used Ohlson model and artificial neural network.
The result of practical analysis of this study is as follows.
The multiplier for the actual stock price is calculated by generating the estimated stock prices based on the Ohlson model applied for newly listed stocks for companies between 2002 and 2005. On the top of that, the multiplier for the actual stock price is accounted by generating the estimated stock prices based on the artificial neural network model. As a result of the comparison of two multipliers, the estimated stock prices by the artificial neural network model does not show statistically difference with the actual stock prices. Given that, the estimated stock price with artificial neural network is close to the actual stock prices rather than the estimated stock prices with Ohlson model.
It is strongly recommended that the future studies should find more financial variables and economic variables by considering a variety of company characteristics so that the studies of stock valuation for the non -listed stocks as well as listed stocks should be continuously processed.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)