신규상장기업의 주가예측에 대한 연구 : 인공신경망 모형과 Ohlson모형의 비교를 중심으로 :인공신경망 모형과 Ohlson모형의 비교를 중심으로

김광용; 이경락

추천

검색

질문

자료유형: 학술대회자료

저자정보: 김광용 (백석예술대학) 이경락 (백석대학교)

저널정보: 대한경영학회 대한경영학회 학술발표대회 발표논문집 2010년 추계학술발표대회

발행연도: 2010.11

수록면: 254 - 277 (24page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2013

신규상장기업의 주가예측에 대한 연구

김광용 , 이경락 , 이성원 디지털융복합연구 2013.01 학술저널

2010

신규상장기업의 주가예측에 대한 연구 : 인공신경망 모형과 Ohlson모형의 비교를 중심으로

김광용 , 이경락 대한경영학회 학술발표대회 발표논문집 2010.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

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.

#IPO #주가예측 #인공신경망 #Ohlson 모형 #Stock Price Evaluation #Artificial Intelligence System #Ohlson model

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김광용

소속기관 백석예술대학교

주요연구분야 사회과학 > 경영학

논문수 3 이용수 2,321

이경락

소속기관 백석대학교

주요연구분야 사회과학 > 경영학

논문수 5 이용수 2,800

이 논문과 함께 이용한 논문

인공지능시스템을 이용한 주가예측에 대한 연구

김광용 , 이경락 대한경영학회지 2008 .12

주가예측을 위한 비선형 회귀모형의 구성

김동규 , 길이만 한국정보과학회 학술발표논문집 2013 .06

금융위기가 KOSPI 수익률과 거래량 변화율에 미친 영향

임상수 산업경제연구 2016 .06

웹 뉴스 텍스트 마이닝을 이용한 주가 등락 예측

최일지 , 구평회 대한산업공학회 춘계공동학술대회 논문집 2014 .05

뉴스와 주가 : 빅데이터 감성분석을 통한 지능형 투자의사결정모형

김유신 , 김남규 , 정승렬 지능정보연구 2012 .06

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)