무형자산생산성과 재무분석가 예측오차에 관한 연구

이명건; 김민수

추천

검색

자료유형: 학술저널

저자정보: 이명건 (영남대학교) 김민수 (순천향대학교)

저널정보: 한국세무학회 세무와회계저널 세무와회계저널 제25권 제1호

발행연도: 2024.2

수록면: 9 - 32 (24page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 무형자산생산성과 재무분석가 예측오차를 다룬 것으로 무형자산생산성이 높아질수록 재무분석가 예측오차가 낮아지는지를 살펴본다. Clausen and Hirth(2016)의 연구에 따라 측정된 무형자산생산성이란 무형자산이 효율적으로 작용하여 기업의 이익에 크게 기여하는 정도를 의미한다. 종속변수로 사용된 재무분석가 예측오차는 해당기업을 추종하는 재무분석가의 이익예측치와 실제예측치의 차이로 산출하였다. 본 연구에 사용된 샘플은 2011년부터 2022년까지 KOSPI시장에 상장된 기업들이고, 분석에 필요한 자료를 모두 가진 최종 표본은 2,335 기업－연도이다. 분석결과 무형자산생산성이 증가할수록 재무분석가 예측오차는 감소하는 것으로 나타났으며, 특히 과대예측오류가 발생하는 구간에서 예측오차가 감소하는 효과가 강하였다. 즉 무형자산생산성이 높을수록 재무분석가들이 해당 기업을 분석하는 것이 용이하여 정보위험이 줄어들며, 특히 과대예측 위험을 줄이는 효과가 더욱 두드러짐을 의미한다. 본 연구의 결과는 다음과 같은 공헌점을 가질 것으로 기대한다. 먼저, 무형자산의 생산성이 증가할수록 해당 기업에 대한 재무분석가의 예측이 용이하여 예측오차가 감소하는 것을 직접 실증하였다. 즉 재무분석가 예측오차라는 실제 관측가능한 변수를 통해 무형자산생산성에 의한 정보위험을 직접적으로 보여주었다. 다음으로, 무형자산생산성이 높을수록 재무분석가 예측오차 중 과대예측성향을 감소시키는 효과가 큰 것으로 나타났는데 이는 반대로 무형자산생산성이 낮다면 재무분석가들이 해당 기업을 과대예측할 가능성이 높음을 의미하므로 시장참여자들이 그러한 기업의 정보를 다룸에 있어서 신중할 필요가 있음을 시사한다. 끝으로, 자본시장 규제를 담당하는 기관에게는 자본시장에서 기업들이 보유하는 무형자산에 대한 상세한 정보발굴과 공시정책 개발의 근거로 활용될 수 있다.

This study deals with intangible asset productivity and financial analysts’ forecast errors. It examines whether financial analysts’ forecast errors decrease as intangible asset productivity increases. Intangible asset productivity, measured according to the research of Clausen and Hirth(2016), refers to the degree to which intangible assets operate efficiently and significantly contribute to the firm’s profits. The financial analyst forecast error used as the dependent variable was calculated as the difference between the profit forecast and the actual forecast by financial analysts who follow the firm. The sample used in this study is firms listed on the KOSPI stock market from 2011 to 2022, and the final sample with all the data needed for analysis is 2,335 firm－years. As a result of the analysis, it was found that as intangible asset productivity increases, financial analysts’ forecast errors decrease. In particular, the effect of reducing forecast errors was strong in the section where overprediction errors occur. In other words, the higher the intangible asset productivity, the easier it is for financial analysts to analyze the firm, which reduces information risk. In particular, this means that the effect of reducing the risk of overprediction is more pronounced. According to the above results, this paper is expected to have the following contributions. First, we directly demonstrated that as the productivity of intangible assets increases, it becomes easier for financial analysts to make predictions for the firm in question, reducing forecast errors. In other words, it directly showed the information risk caused by intangible asset productivity through an actual observable variable called financial analyst forecast error. Next, it was shown that the higher the intangible asset productivity, the greater the effect of reducing the overprediction tendency among financial analysts’ forecast errors. Conversely, if the intangible asset productivity is low, it means that financial analysts are more likely to overpredict the firm, so market participants. This suggests that there is a need to be cautious when handling such firm information. Lastly, for agencies in charge of capital market regulation, it can be used as a basis for discovering detailed information on intangible assets held by companies in the capital market and developing disclosure policies.

#무형자산생산성 #재무분석가 예측오차 #재무분석가 과대예측 #Intangible asset productivity #Analyst forecast error #Analyst overestimate

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!

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)