초록 close

기업의 신용등급이 사회적으로 매우 중요하게 인식되고 있다. 더욱이 우리나라에서는 IMF 이후 회계정보의 투명성 제고를 통하여 회계정보의 신뢰성이 증대되었으며, 이를 바탕으로 신용평가기관에서는 신용평가에 대한 끊임없는 개발로 신용평가정보도 질적으로 향상되고 있다. 본 연구에서는 IMF 이후에 자본시장에서 유용한 정보로 인식되는 신용등급정보 중에서 무보증․무담보로 발생되는 기업어음 신용등급정보를 대상으로 신용평가등급 예측에 있어서 회계정보의 유용성을 검정하고자 한다. 이를 위해 IMF 이후인 1998년부터 2001년 까지 한국기업평가㈜, 한국신용평가㈜, 한국신용정보㈜로부터 신용등급이 공시된 596개의 상장기업을 표본기업으로 선정한다. 연구방법은 신용등급이 투자등급인지 또는 투기등급인지가 피평가회사나 자본시장의 참여자들에게 매우 중요한 사안이므로 415개의 투자등급기업과 181개의 투기등급기업을 종속변수로 사용하고, 신용등급 예측에 영향을 미치는 재무변수를 독립변수로 하여 logit 분석을 실시하였다. 또한 기간별, 산업별 풀링(pooling)의 문제를 통제하기 위하여 각 연도별로 회계정보의 유용성을 검정하였으며 통제변수로 산업별 더미변수를 사용하였다. 연구결과는 다음과 같다. 첫째, 배당률과 총자산 등의 재무변수를 바탕으로 신용등급을 예측한 결과 매우 높은 예측정확도를 보였다. 이는 신용등급예측에 있어서 회계정보가 매우 유용하다는 것을 보여주고 있다. 둘째, 재무변수 중에서 배당률(X28)과 총자산(X29)변수는 신용등급에 정(+)의 영향을 미치는 것으로 나타났으며, 금융비용대총비용비율(X23)과 매출대비금융비용(X26) 변수는 신용등급에 부정적인(-) 영향을 미치는 것을 알 수 있었다. 마지막으로, 셋째 당해연도의 유의한 재무변수로 차기연도를 예측한 결과, 90% 이상의 예측정확도를 보였다. 따라서 당해연도의 유의한 재무변수로 차기연도의 예측모형을 설계하는 것은 매우 의미 있는 일이라 할 수 있다.


Investors, issuers, academicians, and capital market regulators alike, have been increasingly focusing their attention on rating consistency. The purpose of this study is to improve the credit rating system in Korea by empirically examining the usefulness of financial information in forecasting of credit rating. There is considerable variation as to which credit factors are most relevant to a given industry at a time. The sample consists of 596 rating disclosures by KMCC, KIS, and NICE over the 1998~2001 period. The sample contains both 415 investment-grade and 181 non-investment-grade disclosures. There are very important differences between investment-grade and non-investment-grade companies in terms of the relative weight issues. Investment-grade/non-investment-grade are assigned as the dependent variables, and financial variables including capital market are assigned as the independent variables. The Logit analysis technique is used in this research. The results of the Logit analysis have the highest hit-ratio for several financial variables for the credit rating forecast(eg. firm size, dividend ratio etc.). Empirical findings of this research show the significant variables which are firm size and dividend policy, and which are also very statistically significant for the credit rating prediction model. Here, the analysis focuses on the financial information which is very useful information for credit ratings.