인공신경망을 이용한 비상장주식가치 평가방법의 도입가능성

• 영문명: Predicting Stock Prices of Unlisted Firms Using Artificial Neural Network
• 발행기관: 한국세무학회
• 저자명: 이병철(Byung－Chul Lee) 김완일(Wan－Il Kim) 정순여(Soon－Yeo Jung)
• 간행물 정보: 『세무학연구』제22권 제2호, 9~35쪽, 전체 27쪽
• 주제분류: 경제경영 > 회계학
• 파일형태: PDF
• 발행일자: 2005.06.30

국문 초록

선행연구들은 상속세법상 비상장주식의 가치 평가방법인 보충적 평가방법(보충법)이 적정하지 못함을 지적하고 있다. 본 연구는 인공신경망을 이용한 평가방법이 보충법에 의한 평가방법에 비교하여 예측력이 더 높아지는지를 분석하였다. 재무비율 변수 17개를 추출하여 인공신경망 모형을 구축하고 상장법인을 대상으로 하여 보충법에 의한 평가액과 인공신경망에 의한 평가액을 실제주가와 비교한 결과 인공신경망의 예측력이 월등히 우수한 것으로 나타났다. 전반적으로 인공신경망 모형은 실제주가를 평균적으로 약 ＋/－20% 범위 내에서 예측하고 있다. 보충법에 의한 평가액이 실제주가에 비하여 고평가된 표본의 경우 평균 보충법이 실제주가 대비 63배나 고평가한 반면에 인공신경망 모형은 1.29배로 나타났다. 유사 평가 표본에 대하여 보충법에 의한 평가액은 실제주가의 0.9배인 반면에 인공신경망 모형의 평가액은 실제주가의 0.87배로 통계적으로 차이가 없었다. 저평가된 표본에 대하여 보충법의 평가액은 실제주가의 0.16배에 불과하지만 인공신경망 모형의 평가액은 1.22배로 나타났다. 비상장법인에 대하여 보충법과 인공신경망 모형을 적용한 결과 양자간 평가액에 큰 차이가 났다. 인공신경망에 의한 평가액은 보충법의 평가액에 비하여 기업간 편차가 작았다. 보충법의 가장 큰 단점은 평균적으로는 실제주가에 근접하게 평가하지만 개별기업의 주가를 개별기업의 특성에 맞추어 평가하는 데 한계가 있다는 것이다. 인공신경망 모형은 개별기업의 개별적 특성을 최대한 반영하여 주가를 평가할 수 있다는 장점을 가지고 있다. 이 연구는 비상장기업 등의 주가 평가에 인공신경망 모형이 가장 좋은 도구임을 보여주고 있다. 향후 비상장기업 주가평가에 인공신경망 모형이 적극 활용되기를 기대한다.

영문 초록

Previous research argue that the supplemented valuation method(SVM) of Inheritance Tax Law is inappropriate to apply for stock price evaluation of unlisted firms. This study suggests an artificial neural network(ANN) model as an alternative method of SVM. The ANN model consists of 17 financial ratio variables is superior to SVM in predicting stock prices of listed firms. The ANN model predicts stock prices of listed firms with average +/-20% range of actual prices. For the overpriced sample by SVM, the estimated stock price of SVM is an average of 63 times of actual price, meanwhile that of ANN is only 1.29 times. For the similar priced sample by SVM, the estimated stock price of SVM is an average of 0.9 times of actual price, meanwhile that of ANN is 0.87 times. Statistically there is no difference between them. For the underpriced sample by SVM, the estimated stock price of SVM is an average of 0.16 times of actual price, while that of ANN is 1.22 times. For unlisted stocks, the estimated stock prices of SVM and ANN are far different. The standard deviation of estimated stock prices by ANN is much more smaller than that by SVM. One of the most serious weak points of SVM is that SVM does not consider characteristics of individual firm. ANN makes every possible effort to reflect individual firm's characteristics. This study reveals superiority of ANN in evaluating stock prices of unlisted firms.

목차

Ⅰ. 서론

Ⅱ. 선행연구의 검토

Ⅲ. 표본과 변수의 선정

Ⅳ. 인공신경망의 운영결과

Ⅴ. 예측력을 높이기 위한 선결과제

Ⅵ. 결론

참고문헌

키워드

보충적 평가방법(보충법) 인공신경망 비상장주식 주가예측 supplemented valuation method(SVM) artificial neural network unlisted stocks stock price evaluation