KR102192326B1 - 기술특성기반 기업 투자가치평가 시스템 - Google Patents

Abstract

투자가치지수 그리고 기업 가치 평가 방법 및 시스템이 개시된다. 컴퓨터에 의해 실행되는 기업의 가치를 평가하는 방법에 있어서, 기업이 속하는 산업군, 기업에 해당하는 제품, 해당 제품관련 기술, 및 기업을 연계한 빅데이터(big data)를 대상으로, 기술이 속하는 산업군의 시장가치(External Market Value), 산업 내 기술가치사슬 관점에서의 기술가치(Internal Value of Technology), 시장에서의 시간에 따른 기술가치의 변화(Industry Life Cycle Value) 및 기술의 지적재산 관점에서의 중요도(Technology Network Value)를 기반으로 특정 기업이 보유한 기술자산의 가치를 분석하여 기술가치지수를 산출하는 단계, 및 산출된 상기 기술가치지수에 기초하여 상기 특정 기업이 보유한 기술자산의 가치를 평가한 기술기반 기업가치 평가지수(TVI index)를 산출하는 단계를 포함할 수 있다.

Description

기술특성기반 기업 투자가치평가 시스템{Investment Valuation System based on Technology Innovation Characteristics}

본 발명의 실시예들은 기술금융 융·투자 촉진을 위한 투자가치 지수 및 모델, 기업의 가치 평가를 수행하는 기술에 관한 것이다.

금융권의 핵심활동은 기업의 위험을 최소화하고 수익을 최대화 하는 것이며, 이러한 니즈를 충족시키기 위해 융·투자 대상이 되는 개별 기업의 부도율(risk)과 수익률(return)을 판단하기 위한 다양한 정보가 요구된다. 특히, 기업이 가진 기술적 가치와 특성은 핵심적인 자산임에도 불구하고, 지금까지는 이에 대한 적절한 가치평가와 융·투자에 있어서의 반영이 미비한 실정이다.

한국공개특허 제10-2011-0061167호는 지적재산정보 분석을 통한 기업의 가치 평가 방법 및 시스템에 관한 것으로, 기업이 보유한 특허, 상표 또는 디자인을 포함하는 지적재산권의 가치에 가중치를 부여하여 지적재산권의 가치를 산출하는 가치평가방법 및 시스템을 개시하고 있다.

본 발명은 산업과 기업단위의 기술가치를 반영한 기업평가지수를 제시하여 기술기반 기업군에 대한 융·투자 의사결정지원 시스템의 역량을 제고하고, 더욱 세부적으로는, 금융권을 대상으로 융·투자 심사대상 기업의 기술과 제품에 대한 미래 시장가치에 대한 정보를 신속히 전달하는 기술에 관한 것이다.

또한, 융·투자 의사결정에 있어 기업을 둘러싼 외부환경, 기술역량(제품역량), 경영역량, 정책적 영향 요인을 고려한 기업의 성장성과 위험률을 제공하여 자금 투입 의사결정 지원하고, 금융권의 투자효율성 확보를 위해 한정된 예산 내에서 다수 기업 또는 산업에 대한 최적화된 융·투자 포트폴리오 가이드라인 제시하고자 한다.

또한, 기업이 가진 기술 또는 제품의 미래 기대가치에 대한 표준화된 지수를 제시함으로써 심사대상 기업의 심사에 적용가능하도록 하고, 산업-기업-제품-기술을 연계한 빅데이터를 구축하고, 이에 대한 분석 아키텍처를 동시에 구축하는 기술에 관한 것이다.

컴퓨터에 의해 실행되는 기업의 가치를 평가하는 방법에 있어서, 기업이 속하는 산업군, 기업에 해당하는 제품, 해당 제품관련 기술, 및 기업을 연계한 빅데이터(big data)를 대상으로, 기술이 속하는 산업군의 시장가치(External Market Value), 산업 내 기술가치사슬 관점에서의 기술가치(Internal Value of Technology), 시장에서의 시간에 따른 기술가치의 변화(Industry Life Cycle Value) 및 기술의 지적재산 관점에서의 중요도(Technology Network Value)를 기반으로 특정 기업이 보유한 기술자산의 가치를 분석하여 기술가치지수를 산출하는 단계, 및 산출된 상기 기술가치지수에 기초하여 상기 특정 기업이 보유한 기술자산의 가치를 평가한 기술기반 기업가치 평가지수(TVI index)를 산출하는 단계를 포함하고, 상기 기술가치지수는, 특정 산업에 해당하는 성장성 및 위험도가 해당 산업에 속하는 기술 또는 제품을 평가할 때 반영하기 위한 지표인 산업군가치지수(Industry Sector Index), 산업군이 기술가치사슬 상에서 어디에 위치하는지 여부에 따라 서로 다른 부가가치를 창출하는 것을 나타내는 지표인 기술가치사슬지수(Technological Value Chain Index), 및 시간에 따라 변화하는 기술 또는 제품의 가치를 산업의 순환주기 관점에서 나타내는 산업순환주기지수(Industry Life Cycle Index) 중 적어도 하나를 포함할 수 있다.

일측면에 따르면, 상기 기술가치지수를 산출하는 단계는, 상기 빅데이터를 대상으로, 현재 시점을 기준으로 미리 지정된 일정 시간 이전까지에 해당하는 산업군 별 평균매출액 증가율, 매출액증가율 표준편차 및 부도율을 계산하는 단계, 계산된 상기 평균매출액 증가율, 매출액증가율 표준편차 및 부도율 중 적어도 하나에 기초하여 해당 산업의 수익성, 안정성 및 위험성을 나타내는 산업군 별 특성을 분석하는 단계, 및 분석된 상기 수익성, 안정성 및 위험성에 기초하여 특정 산업군이 융·투자 우선 대상군에 해당하는지, 융·투자 기피 대상군에 해당하는지 여부를 분류하는 단계를 포함할 수 있다.

다른 측면에 따르면, 상기 기술가치지수를 산출하는 단계는, 복수의 산업군들을 대상으로, 미리 지정된 기술 수준에 따라 분류하는 단계, 상기 기술 수준에 따라 분류된 각 산업군을 미리 정의된 복수의 기술 요소들 중 어느 하나와 연관시키는 단계, 및 상기 산업군 별로 연관된 기술 요소에 기초하여 상기 기술가치사슬지수를 결정하는 단계를 포함하고, 상기 복수의 기술 요소들은 부품제조기술, 반제품결합기술, 아키텍처기술 B2B, 아키텍처기술 B2C, 서비스 기술을 포함할 수 있다.

또 다른 측면에 따르면, 상기 기술가치지수를 산출하는 단계는, 산업군을 대상으로, 미리 지정된 일정 기간 동안 연도 별 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율의 중간값(median value)을 계산하는 단계, 상기 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율 각각에 성장성 구분점수를 부여하는 단계, 상기 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율 각각에 부여된 성장성 구분점수의 합을 기반으로 종합 점수를 계산하는 점수화 단계, 및 상기 종합 점수 및 이동평균법(moving average)에 기초하여 해당 산업군에 해당하는 상기 산업순환주기지수를 산출하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 기업가치 평가지수(TVI index)를 산출하는 단계는, 상기 기술가치사슬지수 및 상기 산업순환주기지수를 군집분석 기준으로 설정하는 단계, 복수의 산업군을 대상으로, 미리 지정된 특성을 기준으로 상대적으로 동일한(homogeneous)의 군집을 구별하는 K-means 군집 분석을 수행하여 복수의 군집들을 생성하는 단계, 상기 복수의 군집들을 대상으로, 상기 설정된 기술가치사슬지수와 산업순환주기지수에 기초하여 군집들 별 기업가치 평가지수를 결정하는 단계, 및 특정 산업군에 속하는 특정 기업과 상기 복수의 군집들 각각 간의 거리에 기초하여 특정 기업의 기업가치 평가지수를 결정하는 단계를 포함할 수 있다.

본 발명은 산업과 기업단위의 기술가치를 반영한 기업평가지수를 제시하여 기술기반 기업군에 대한 융·투자 의사결정지원 시스템의 역량을 제고하고, 더욱 세부적으로는, 금융권을 대상으로 융·투자 심사대상 기업의 기술과 제품에 대한 미래 시장가치에 대한 정보를 신속히 전달할 수 있다.

또한, 융·투자 의사결정에 있어 기업을 둘러싼 외부환경, 기술역량(제품역량), 경영역량, 정책적 영향 요인을 고려한 기업의 성장성과 위험률을 제공하여 자금 투입 의사결정 지원하고, 금융권의 투자효율성 확보를 위해 한정된 예산 내에서 다수 기업 또는 산업에 대한 최적화된 융·투자 포트폴리오 가이드라인 제시할 수 있다.

또한, 기업이 가진 기술 또는 제품의 미래 기대가치에 대한 표준화된 지수를 제시함으로써 심사대상 기업의 심사에 적용가능하도록 하고, 산업-기업-제품-기술을 연계한 빅데이터를 구축함으로써, 이에 대한 분석 아키텍처를 동시에 구축 가능하도록 할 수 있다.

도 1은 본 발명의 일실시예에 있어서, 기술가치지수(Technology Value Indices)를 나타내는 도면이다.
도 2는 본 발명의 일실시예에 있어서, 기업 가치 평가 시스템의 내부 구성을 도시한 블록도이다.
도 3은 본 발명의 일실시예에 있어서, 기업의 가치를 평가하는 방법을 도시한 흐름도이다.
도 4는 본 발명의 일실시예에 있어서, 산업 별 평균 매출액 증가율을 나타낼 수 있다.
도 5는 본 발명의 일실시예에 있어서, 산업 별 매출액증가율 표준편차를 나타낼 수 있다.
도 6은 본 발명의 일실시예에 있어서, 산업 별 매출액증가율/매출액증가율 표준편차를 나타낼 수 있다.
도 7은 본 발명의 일실시예에 있어서, 산업 별 평균부도율을 나타낼 수 있다.
도 8은 본 발명의 일실시예에 있어서, TRR 맵을 나타낼 수 있다.
도 9는 본 발명의 일실시예에 있어서, 기술가치사슬(TVCI)을 나타낼 수 있다.
도 10은 본 발명의 일실시예에 있어서, 기술가치사슬 상에서의 수익성을 나타내는 그래프이다.
도 11은 본 발명의 일실시예에 있어서, 시간에 따른 기술(즉, 제품)관련 성장도를 나타내는 그래프이다.
도 12는 본 발명의 일실시예에 있어서, 산업군 별 년도에 따른 ILCI 지수를 나타내는 그래프이다.
도 13은 본 발명의 일실시예에 있어서, 매출액증가율과 부도율의 관계를 도시한 그래프이다.
도 14는 본 발명의 일실시예에 있어서, 군집 별 매출액 증가율 및 부도율 평균을 나타낼 수 있다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 실시예들은 인터넷 상의 유/무선 네트워크를 통해 수집된 각 산업 분야 별 기업들, 기업에서 생산하는 제품들과 관련된 빅데이터를 기반으로 각 기업의 가치를 평가하는 방법 및 시스템에 관한 것으로서, '산업-기업-제품-기술'을 연계한 빅데이터를 기반으로 특정 산업에 속하거나 특정 기술을 보유하고 있는 기업에 대해 기술/시장 통합적 관점에서의 가치평가를 실시하는 모델을 통해 기업가치 평가지수를 제공하는 기술에 관한 것이다.

특히, 본 실시예들은 기업의 기술성 및 시장성을 통합한 아래의 네 가지 관점에서 기업의 기술적인 가치를 분석/평가하는 모델을 통해 기업가치 평가지수를 산출하는 것으로서, 상기 네 가지 관점은, 첫째, 기술/기업이 속한 산업군의 시장가치(External Market Value), 둘째, 기술가치사슬 관점에서의 기술가치(Internal Value of Technology), 셋째, 시장에서의 시간에 따른 기술가치 변화(Industry Life Cycle Value), 넷째, 기술의 지적재산 관점에서의 중요도(Technology Network Value)를 포함할 수 있다. 그리고, 상기 네 가지 관점을 바탕으로 하는 다음의 세 가지 기술가치지수(Technology Value Indices), 즉, 산업군가치지수(Industry Sector Index), 기술가치사슬지수(Technological Value Chain Index), 및 산업순환주기지수를 산출하고, 산출된 기술가치사슬지수(Technological Value Chain Index)와 산업순환주기지수(Industry Life Cycle Index)에 기초하여 기업이 소유한 기술적 자산의 가치를 평가한 '기술기반 기업가치 평가지수(TVI Index)'를 산출하는 기술에 관한 것이다. 그리고, 기술가치지수(Technology Value Indices)에 기초하여 기술기반 기업에 대한 융·투자 포트폴리오를 최적화 할 수 있는 T 포트폴리오 모델(T-Portfolio Model)을 제시하여 기술금융에 대한 의사결정지원 시스템을 고도화하는 기술에 관한 것이다.

본 실시예들에서, 각 산업에 속하는 기업 또는 기업이 소유한 기술의 가치를 평가하는 기업 가치 평가 시스템은 기업의 가치 평가를 위해 이용되는 빅데이터를 직접 수집하여 데이터베이스에 저장할 수도 있고, 웹크롤링, 웹로봇 등을 통해 수집되어 데이터베이스에 저장된 빅데이터를 기반으로 가치 평가를 수행할 수도 있다.

본 실시예들에서, 기업 투자가치평가 시스템은 기업 가치 평가 시스템으로 표현될 수 있다.

도 1은 본 발명의 일실시예에 있어서, 기술가치지수(Technology Value Indices)를 나타내는 도면이다.

기술가치지수는 기술기반 기업가치 평가지수(TVI index)를 산출하기 위해 이용되는 요소로서, 빅데이터를 대상으로 네 가지 관점에서 기술적인 가치를 분석하여 얻어질 수 있다.

도 1의 110을 참고하면, 기술이 속하는 산업군의 시장가치(External Market Value, 102), 산업 내 기술가치사슬 관점에서의 기술가치(Internal Value of Technology, 104), 시장에서의 시간에 따른 기술가치의 변화(Industry Life Cycle Value, 103) 및 기술의 지적재산 관점에서의 중요도(Technology Network Value, 105)를 기반으로 특정 기업이 보유한 기술자산의 가치를 분석하여 기술가치지수(101)가 산출될 수 있다.

120을 참고하면, 기술가치지수를 나타내는 것으로서, 기술가치지수는 산업군가치지수(Industry Sector Index, 121), 기술가치사슬지수(Technological Value Chain Index, 122), 산업순환주기지수(Industry Life Cycle Index, 123), 및 네트워크중심성지수(Network Centrality Index, 124)를 포함할 수 있다.

도 2는 본 발명의 일실시예에 있어서, 기업 가치 평가 시스템의 내부 구성을 도시한 블록도이고, 도 3은 본 발명의 일실시예에 있어서, 기업의 가치를 평가하는 방법을 도시한 흐름도이다.

본 실시예에 따른 기업 가치 평가 시스템(200)은 프로세서(210), 버스(220), 네트워크 인터페이스(230) 및 메모리(240)를 포함할 수 있다. 메모리(240)는 메모리(241) 및 서비스 제공 루틴(242)를 포함할 수 있다. 프로세서(210)는 데이터 수집부(211), 기술가치지수 산출부(212) 및 기업가치 평가지수 산출부(213)를 포함할 수 있다. 이때, 빅데이터를 기업 가치 평가 시스템(200)와는 별개의 외부 장치에서 수집하는 경우, 데이터 수집부(211)는 상기 프로세서(210)에서 생략될 수 있다. 다른 실시예들에서 기업 가치 평가 시스템(200)은 도 1의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 기업 가치 평가 시스템(200)은 디스플레이나 트랜시버(transceiver)와 같은 다른 구성요소들을 포함할 수도 있다.

메모리(240)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(240)에는 메모리(241)와 서비스 제공 루틴(242)을 위한 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism, 미도시)을 이용하여 메모리(240)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체(미도시)를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 네트워크 인터페이스(230)를 통해 메모리(240)에 로딩될 수도 있다.

버스(220)는 기업 가치 평가 시스템(200)의 구성요소들 간의 통신 및 데이터 전송을 가능하게 할 수 있다. 버스(220)는 고속 시리얼 버스(high-speed serial bus), 병렬 버스(parallel bus), SAN(Storage Area Network) 및/또는 다른 적절한 통신 기술을 이용하여 구성될 수 있다.

네트워크 인터페이스(230)는 기업 가치 평가 시스템(200)을 컴퓨터 네트워크에 연결하기 위한 컴퓨터 하드웨어 구성요소일 수 있다. 네트워크 인터페이스(230)는 기업 가치 평가 시스템(200)을 무선 또는 유선 커넥션을 통해 컴퓨터 네트워크에 연결시킬 수 있다.

프로세서(210)는 기본적인 산술, 로직 및 기업 가치 평가 시스템(200)의 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(240) 또는 네트워크 인터페이스(230)에 의해, 그리고 버스(220)를 통해 프로세서(210)로 제공될 수 있다. 프로세서(210)는 데이터 수집부(211), 기술가치지수 산출부(212) 및 기업가치 평가지수 산출부(213)를 위한 프로그램 코드를 실행하도록 구성될 수 있다. 이러한 프로그램 코드는 메모리(240)와 같은 기록 장치에 저장될 수 있다.

데이터 수집부(211), 기술가치지수 산출부(212) 및 기업가치 평가지수 산출부(213)는 도 3의 단계들(310 내지 320 단계)을 수행하기 위해 구성될 수 있다.

310 단계에서, 기술가치제수 산출부(212)는 기업이 속하는 산업군, 기업에 해당하는 제품, 해당 제품관련 기술, 및 기업을 연계한 빅데이터(big data)를 대상으로, 기술이 속하는 산업군의 시장가치(External Market Value), 산업 내 기술가치사슬 관점에서의 기술가치(Internal Value of Technology), 시장에서의 시간에 따른 기술가치의 변화(Industry Life Cycle Value) 및 기술의 지적재산 관점에서의 중요도(Technology Network Value)를 기반으로 특정 기업이 보유한 기술자산의 가치를 분석하여 기술가치지수를 산출할 수 있다. 여기서, 데이터 수집부(211)는 기술가치지수를 산출하기 위한 자료로서 이용되는 빅데이터를 유/무선 네트워크를 통해 수집하여 데이터베이스에 저장 및 유지할 수 있다.

기술가치지수는 특정 산업에 해당하는 성장성 및 위험도가 해당 산업에 속하는 기술 또는 제품을 평가할 때 반영하기 위한 지표인 산업군가치지수(Industry Sector Index, ISI), 산업군이 기술가치사슬 상에서 어디에 위치하는지 여부에 따라 서로 다른 부가가치를 창출하는 것을 나타내는 지표인 기술가치사슬지수(Technological Value Chain Index, TVCI), 및 시간에 따라 변화하는 기술 또는 제품의 가치를 산업의 순환주기 관점에서 나타내는 산업순환주기지수(Industry Life Cycle Index, ILCI) 중 적어도 하나를 포함할 수 있으며, 경우에 따라 네트워크중심성지수(Network Centrality Index, NCI)를 더 포함할 수도 있다.

일례로, 기술가치지수 산출부(212)는 빅데이터를 대상으로, 현재 시점을 기준으로 미리 지정된 일정 시간 이전까지에 해당하는 산업군 별 평균매출액 증가율, 매출액증가율 표준편차 및 부도율을 계산할 수 있다. 그리고, 기술가치지수 산출부(212)는 계산된 평균매출액 증가율, 매출액증가율 표준편차 및 부도율 중 적어도 하나에 기초하여 해당 산업의 수익성, 안정성 및 위험성을 나타내는 산업군 별 특성을 분석할 수 있다. 그러면, 분석된 수익성, 안정성 및 위험성에 기초하여 특정 산업군이 융·투자 우선 대상군에 해당하는지, 또는 융·투자 기피 대상군에 해당하는지 분류될 수 있다. 여기서, 평균매출액 증가율, 매출액증가율 표준편차 및 부도율은 산업군가치지수 산출에 이용되는 요소로서, 산업군가치지수는 독립적인 가치지수에 해당할 수 있다.

다른 예로, 기술가치지수 산출부(212)는 복수의 산업군들을 대상으로, 미리 지정된 기술 수준에 따라 분류하고, 기술 수준에 따라 분류된 각 산업군을 미리 정의된 복수의 기술 요소들 중 어느 하나와 연관시키고, 산업군 별로 연관된 기술 요소에 기초하여 기술가치사슬지수를 결정할 수 있다. 여기서, 복수의 기술 요소들은 부품제조기술, 반제품결합기술, 아키텍처기술 B2B, 아키텍처기술 B2C, 서비스 기술을 포함할 수 있다.

또 다른 예로, 기술가치지수 산출부(212)는 산업군을 대상으로, 미리 지정된 일정 기간 동안 연도 별 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율의 중간값(median value)을 계산할 수 있다. 그리고, 기술가치지수 산출부(212)는 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율 각각에 성장성 구분점수를 부여하고, 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율 각각에 부여된 성장성 구분점수의 합을 기반으로 종합 점수를 계산하여 점수화할 수 있다. 그러면, 기술가치지수 산출부(212)는 종합 점수 및 이동평균법(moving average)에 기초하여 해당 산업군에 해당하는 산업순환주기지수를 산출할 수 있다.

320 단계에서, 기업가치 평가지수 산출부(213)는 산출된 기술가치지수를 기반으로 특정 기업이 보유한 기술자산의 가치를 평가한 기술기반 기업가치 평가지수(TVI index)를 산출할 수 있다.

일례로, 기업가치 평가지수 산출부(213)는 산출된 기술가치지수 중 기술가치사슬지수 및 산업순환주기지수에 기초하여 기업가치 평가지수를 산출할 수 있다. 예컨대, 기업가치 평가지수 산출부(213)는 기술가치사슬지수 및 산업순환주기지수를 군집분석 기준으로 설정할 수 있다. 그리고, 복수의 산업군을 대상으로, 미리 지정된 특성을 기준으로 상대적으로 동일한(homogeneous)의 군집을 구별하는 K-means 군집 분석을 수행하여 복수의 군집들을 생성할 수 있다. 기업가치 평가지수 산출부(213)는 복수의 군집들을 대상으로, 상기 설정된 기술가치사슬지수와 산업순환주기지수에 기초하여 군집들 별 기업가치 평가지수를 결정할 수 있다. 그러면, 기업가치 평가지수 산출부(213)는 상기 결정된 군집들 별 기업가치 평가지수를 해당 군집에 속하는 산업군의 기업가치 평가지수로 결정하고, 특정 산업군에 속하는 특정 기업과 상기 복수의 군집들 각각 간의 거리에 기초하여 특정 기업의 기업가치 평가지수를 결정할 수 있다.

이하에서는 기술가치지수를 산출하는 동작에 대해 상세히 설명하고자 한다.

기술가치지수 중 산업군 가치지수(ISI), 기술가치사슬지수(TVCI), 산업순환주기지수(ILCI)를 산출하기 위해 아래의 표 1과 같은 데이터베이스가 이용될 수 있다.

표 1을 참고하면, 산업/시장 단위로 수집된 빅데이터를 분석하여 기술가치지수를 산출하기 위해 NICE 산업분선 지원시스템의 데이터베이스 및 한국은행 경제통계 시스템의 데이터베이스가 이용될 수 있다. 그리고, 기업 단위로 빅데이터를 분석하여 기술가치지수를 산출하기 위해 KISVALUE 기업정보 서비스의 데이터베이스가 이용될 수 있다. 표 1의 데이터베이스들은 국내 외부감사 이상 등급을 가진 기업 2만 6천여 곳에 대한 연례 자료를 수집하여 저장 및 유지하고 있을 수 있다.산업 단위의 분석을 위해 빅데이터를 대상으로 추출된 정보(즉, 산업 단위의 분석을 위한 특징 변수)들은 아래의 표 2와 같을 수 있다.

표 2와 같이 산업단위의 특징변수들은 산업군 가치지수(ISI), 기술가치사슬지수(TVCI), 산업순환주기지수(ILCI)를 산출하는 포트폴리오 모델 생성을 위해 이용될 수 있다. 아래의 표 3은 산업군 가치지수(ISI), 기술가치사슬지수(TVCI), 산업순환주기지수(ILCI), 기업가치 평가지수 별 특징 변수들을 나타낼 수 있다.

일례로, 기술가치지수 산출부(212)는 기술가치지수 분석을 위해 빅데이터를 대상으로 주요 거시경제 변수(예컨대, 어음부도율, 금리, 물가지수, 경제성장률, 실업률, 환율 등)를 추출할 수 있다. 예를 들어, 추출된 주요 거시경제 변수는 아래의 표 4와 같을 수 있다. 기업단위 분석에 필요한 기업 현황, 재무제표/비율, 신용정보 데이터는 NICE 사가 제공하는 KISVALUE 기업정보가 이용될 수 있으며, 빅데이터를 대상으로 추출된 주요 재무정보는 아래의 표 5와 같을 수 있다.

기업이 소유한 기술(즉, 기업이 생산하는 제품)이 속한 산업의 특징은 기술(즉, 제품)의 속성에 반영되어 있을 수 있다. 이에 따라, 산업의 특징을 분석하여 산업의 수익성과 위험성을 분석하는 것이 기술(즉, 제품)의 가치를 평가하는 필수적인 요소이므로, 산업군가치지수가 기술가치지수의 하나로서 산출될 수 있다.

산업군가치지수(ISI)는 기술(즉, 제품)이 속한 산업의 특징이 기술(즉, 제품)의 가치를 결정한다는 관점에 기반하는 것으로서, 산업의 특징 중 산업의 수익성, 안정성 및 위험성과 관련이 높은 산업별 매출액 증가율, 매출액증가율 표준편차, 부도율에 기초하여 산출될 수 있다. 이처럼, 산업군가치지수(ISI)가 산출되면, 산출된 산업군가치지수(ISI)에 기초하여 TRR 맵(Technology Risk Return Map)을 생성하여 융·투자에 유리한 산업을 판단하기 위한 정보를 제공할 수 있다.

일례로, 산업군가치지수(ISI)를 산출하기 위해, 먼저, 기술가치지수 산출부(212)는 빅데이터에 포함된 제9차 한국표준산업분류(KSIC)의 세세분류(5-digit 수준)를 이용하여 복수의 산업들을 48개로 통합할 수 있다. 그러면, 기술가치지수 산출부(212)는 빅데이터를 대상으로, 48개로 통합된 복수의 산업 별 거시경제 지표, 재무정보, 매출관련 정보 등을 추출하여, 매출액 증가율, 매출액증가율 표준편차, 부도율 등을 계산할 수 있다. 이때, 빅데이터에 특정 산업의 매출액 증가율, 매출액증가율 표준편차, 부도율 중 적어도 하나가 포함되어 있는 경우, 별도의 계산없이 해당 정보를 추출할 수 있다. 예컨대, 아래의 기술가치지수 산출부(212)는 산업 별로 계산 또는 추출된 매출액 증가율, 매출액증가율 표준편차, 부도율에 기초하여 아래의 표 6과 같이 산업군가치지수(ISI)를 산출할 수 있다.

표 6에 따르면, 기술가치지수 산출부(212)는 2010년부터 2013년까지의 기간동안 매년 산업별로 공시되는 매출액과 부도율을 빅데이터에서 산업별로 추출한 후, 4년 동안의 매출액증가율, 매출액증가율 표준편차, 및 평균 부도율을 계산할 수 있다. 표 6은 NICE Industry 데이터를 기반으로 추출된 산업 별 매출액과 부도율을 기반으로 계산된 매출액증가율, 매출액증가율 표준편차, 및 평균 부도율을 포함하는 산업군가치지수(ISI)를 나타낼 수 있다.

도 4는 본 발명의 일실시예에 있어서, 산업 별 평균 매출액 증가율을 나타내고, 도 5는 본 발명의 일실시예에 있어서, 산업 별 매출액증가율 표준편차를 나타내고, 도 6은 본 발명의 일실시예에 있어서, 산업 별 매출액증가율/매출액증가율 표준편차를 나타낼 수 있다.

표 6과 같이 48개 산업에 대한 4년 동안의 매출액증가율과 매출액증가율 표준편차를 기반으로 개별 산업의 수익성 및 안정성이 도출될 수 있다. 그리고, 평균 매출액증가율, 매출액증가율 표준편차와 부도율을 기반으로 TRR 맵(Technology Risk Return Map)이 생성될 수 있다. TRR 맵은 x축과 y축에 산업별 매출액증가율/매출액증가율 표준편차, 부도율을 각각 매치시킴으로써 생성되고, TRR 맵을 기반으로 48개의 산업에 해당하는 수익성, 안정성 및 위험성이 도식화될 수 있다. 예컨대, TRR 맵을 생성하기 위해, 도 2의 기술가치 산출부(212)는 맵 생성부(미도시)를 포함할 수 있다. 그리고, 기술가치 산출부(212)는 특정 산업의 안정성, 위험도 및 수익성을 확인/결정하기 위한 결정부(미도시)를 더 포함할 수 있다.

먼저, 도 4를 참고하면, 컴퓨터 프로그래밍, 석유 정유 제품 제조업 및 항공기 우주선 및 부품 제조업에서 상대적으로 높은 평균 매출액증가율을 나타내고, 광업, 통신 및 방송장비 제조업 및 선박 및 보트 건조업에서는 상대적으로 낮은 평균 매출액을 나타냄을 알 수 있다. 평균 매출액증가율은 매출액 증가의 변동성을 보여주지 않아 산업의 안정성을 확인하는데 어려움이 존재하므로, 기술가치 산출부(212)는 평균 매출액증가율의 표준편차를 기반으로 산업의 안정성을 확인할 수 있다.

도 5를 참고하면, 코크스 연탄 및 석유제품 제조업, 운송장비 제조업, 광업, 1차 철강 제조업의 표준 편차가 다른 산업에 비해 월등하게 크게 나타남을 확인할 수 있다. 즉, 표준편차가 상대적으로 큰 산업은 평균 매출액증가율의 증감이 크다는 것을 의미하는 것으로서, 기술가치 산출부(212)는 표준 편차가 다른 산업에 비해 상대적으로 큰 산업의 안정성이 다른 산업에 비해 낮은 것으로 판단/결정할 수 있다. 반대로, 표준편차가 다른 산업에 비해 상대적으로 작은 산업의 경우, 표준편차가 큰 산업에 비해 상대적으로 안정성이 높은 것으로 판단/결정할 수 있다.

기술가치 산출부(212)는 산업 별 평균 매출액증가율을 매출액증가율 표준편차로 나눔으로써, 평균 매출액증가율/표준편차를 계산할 수 있다. 그리고, 계산된 평균 매출액증가율/표준편차에 기초하여 산업의 수익성과 안정성을 판단/결정할 수 있다. 예컨대, 기술가치 산출부(212)는 평균 매출액증가율이 크고 표준편차가 작을수록 평균 매출액증가율/표준편차 값이 크게 나오므로, 평균 매출액증가율/표준편차 값이 클수록 산업의 수익성이 좋고 안정성이 높은 것으로 결정할 수 있다. 반대로, 평균 매출액증가율이 작고 표준 편차가 클수록 평균 매출액증가율/표준편차의 값이 작으므로, 평균 매출액증가율/표준편차의 값이 작을수록 산업의 수익성이 좋지 않고 안정성이 낮은 것으로 결정할 수 있다.

예를 들어, 도 6을 참고하면, 통신 및 방송장비 제조업, 선박 및 보트 건조업, 광업에서는 매출액증가율/표준편차의 값이 다른 산업에 비해 상대적으로 작으므로, 다른 산업들 대비 상대적으로 수익성이 나쁘고, 안정성이 낮은 것으로 결정할 수 있다. 그리고, 숙박 및 음식업, 도매 및 소매업, 가죽, 가방 및 신발 제조업 분야에서는 매출액증가율/표준편차의 값이 다른 산업에 비해 상대적으로 높으므로, 해당 산업들을 다른 산업들 대비 상대적으로 수익성이 우수하고, 안정성이 높은 산업으로 결정할 수 있다.

도 7은 본 발명의 일실시예에 있어서, 산업 별 평균부도율을 나타내고, 도 8은 본 발명의 일실시예에 있어서, TRR 맵을 나타낼 수 있다.

도 7은 48개의 산업에 해당하는 2010년부터 2013년까지의 산업별 부도율 데이터를 나타내는 것으로서, 도 7을 참고하면, 4년동안 산업 별 부도율의 평균은 다른 산업과 비교해 광업 및 마그네틱 광학 매체 제조업에서 상대적으로 높은 수치를 가짐을 확인할 수 있다. 그리고, 농업, 전기 가스 및 수도 사업은 다른 산업에 비해 낮은 수치의 부도율을 가짐을 확인할 수 있다. 그러면, 기술가치 산출부(212)는 각 산업 별 평균 부도율을 기반으로 각 산업 별 상대적 위험도를 결정할 수 있다. 이때, 기술가치 산출부(212)는 위험도에 따라 해당 산업이 속하는 융·투자 대상군을 분류하는 분류부(미도시)를 더 포함할 수 있다.

예를 들어, 기술가치 산출부(212)는 수익성과 안정성이 미리 지정된 기준 수익성, 기준 안정성 이상으로 높고, 위험도가 미리 지정된 기준 위험도 이하로 낮은 산업은 융·투자 우선 대상군으로 분류하고, 수익성과 안정성이 기준 수익성 및 기준 안정성보다 낮고, 위험도가 상기 기준 위험도보다 높은 산업의 경우, 융·투자 기피 대상군으로 분류할 수 있다.

이처럼, 산업별 수익성, 위험도, 안정성을 기반으로 해당 산업이 속하는 융·투자 대상군이 분류되면, 이를 반영하여 TRR 맵이 도 8과 같이 생성될 수 있다.

도 8을 참고하면, 붉은색으로 표시되는 영역에 포함되는 산업들(예컨대, 광업, 마그네틱 제조업, 통신 및 방송장비 제조업)의 경우, 평균 매출액증가율/표준편차가 낮고, 평균부도율이 다른 산업에 비해 높은 산업에 해당할 수 있다. 즉, 붉은색으로 표시되는 영역에 포함되는 산업들은 수익성과 안정성이 낮고 위험도가 높으므로 융·투자 기피 대상군으로 분류된 산업들에 해당할 수 있다. 그리고, 도 8에서 파란색으로 표시된 영역에 속하는 산업들(예컨대, 숙박 및 음식점업, 의료용 물질 및 의약품 제조업)의 경우, 평균 매출액증가율/표준편차가 높고 부도율이 낮으므로, 융·투자 우선 대상군으로 분류된 산업들에 해당할 수 있다.

이처럼, 기술가치 산출부(212)는 TRR 맵을 제공함으로써, 기술(즉, 제품)의 가치를 평가할 때, 해당 기술(즉, 제품)이 속한 산업의 성장성, 안정성 및 위험성을 시작적으로 쉽게 파악 가능하도록 제공할 수 있다. 그리고, 성장성, 안정성 및 위험성에 따라 서로 다른 컬러를 이용한 시각화를 통해 해당 기술(즉, 제품)이 속한 산업이 융·투자 우선 대상군인지 기피 대상군인지 여부를 투자자가 쉽게 파악 가능하도록 제공할 수 있다. 즉, 투자자의 투자 결정에 도움을 줄 수 있다.

이하에서는 기술가치사슬지수(TVCI)를 산출하는 동작에 대해 설명하기로 한다.

기술가치사슬지수(TVCI)는 산업군이 기술가치사슬 상에서 어디에 위치하는지 여부에 따라 서로 다른 부가가치를 창출하는 것을 나타내는 지표에 해당할 수 있다.

도 9는 본 발명의 일실시예에 있어서, 기술가치사슬(TVCI)을 나타낼 수 있다.

도 9를 참고하면, 기술가치사슬지수(TVCI)는 5가지 기술 요소들을 포함할 수 있다. 예를 들어, 기술가치사슬지수(TVCI)는 부품 제조 기술(component-manufacturing technology, 901), 반제품 결합기술(assembly technology, 902), 아키텍처기술 B2B(business-to-business, 903), 아키텍처기술 B2C(business-to-consumer, 904), 및 서비스기술(Service Technology, 905)를 포함할 수 있다. 여기서, 아키텍처기술 B2B(business-to-business, 903)은 중간재를 거쳐 최종재를 생산하는 과정에서, 최종재가 산업재에 해당하는 경우를 나타내고, 아키텍처기술 B2C(business-to-consumer, 904)는 최종재가 소비재인 경우를 나타낼 수 있다. 공통적으로 최종재는 여러 부품과 반제품들이 결합되어 생산되는 특성이 있으므로, 산업재 및 소비재를 아키텍처 기술(architectural technology)로 표현할 수 있다.

KSIC 42개의 산업군을 기술기반 산업군과 비기술기반 산업군으로 구분한 후, 제조업 산업군을 대상으로 기술 수준에 따라 "High-", "Medium-high-", "Medium-low-", "Low-" technology"로 각 산업군이 구분될 수 있다. 예컨대, ISIC(International Standard Industrial Classification of All Economic Activities) Rev. 3에서의 제조 산업군을 대상으로 기술 수준에 따라 각 산업군이 구분될 수 있으며, 아래의 표 7과 같을 수 있다.

아래의 표 8은 기술 수준 별로 구분된 산업군에 해당하는 기술 요소(즉, 요소 기술)를 나타낼 수 있다.

도 10은 본 발명의 일실시예에 있어서, 기술가치사슬 상에서의 수익성을 나타내는 그래프이다.

도 10을 참고하면, 수익성은 기술가치사슬 상에서 U자 모양(예컨대, 스마일 커브(smile curve)를 가짐을 확인할 수 있다.

예컨대, 부품, 소재의 생산, 반제품 생산, 완제품(B2B, B2C) 제조, 판매, 서비스로 이어지는 일련의 과정/단계(즉, 기술가치사슬) 상에서 각 단계의 수익성(즉, 매출액영업 이익율)을 살펴보면, 핵심 부품, 소재, 마케팅, 서비스에서 가장 높은 수익성이 발생하고, 중간 단계인 반제품 및 완제품 제조의 경우 상대적으로 낮은 수익성을 보임을 확인할 수 있다.

기술가치사슬지수(TVCI)을 산출하기 위해서는 기술가치사슬을 구성하는 위에서 언급한 5가지 기술요소들(즉, 기술사슬들)을 정의하고, 기술수준에 따라 산업군들을 구분할 수 있다. 이때, 기술 수준이 Low Technology에 속하는 산업군들은 다른 기술 수준에 속하는 산업군들과 별도로 관리될 수 있다. 그리고, 기술가치지수 산출부(212)는 기술 수준이 Medium-Low 이상인 산업군을 대상으로 기술 요소들을 연관시킬 수 있다. 예컨대, 제9차 한국표준산업분류(KSIC) 세세분류(5-diigit 수준) 1,145개의 산업들을 대상으로, Medium-Low 이상인 산업군 25개에 해당하는 294개의 산업을 기술 요소들과 연관시킬 수 있다. 그리고, 연관된 기술 요소들을 기반으로 TVCI를 산출할 수 있다. 예컨대, 아래의 표 9와 같이, 각 기술 요소의 매출액영업이익률 3년치 평균치를 기반으로, 포 10과 같이 일정한 매출액영업이익률 차이를 보이는 기술 요소들 간에 TVCI를 부여할 수 있다.

예를 들어, 표 10을 참고하면, 기술 수준이 Low-Technology에 속하는 산업군에는 매출액영업이익률의 평균이 다섯가지 기술요소들 중 가장 비슷한 반제품 결합 기술의 TVCI인 3점이 부여될 수 있다. 그러면, 48개의 산업군 별 산출된 TVCI는 아래의 표 11 및 표 12와 같을 수 있다.

위의 표 11 및 표 12를 참고하면, 기술기반 서비스업의 경우 TVCI가 가장 높은 5점이 부여되고, 부품제조, 반제품 결합, 아키텍처 B2B, 아키텍처 B2C 순으로 높은 TVCI가 부여됨을 확인할 수 있다. Low-Technology에 속하는 산업군의 경우, 3점의 TVCI가 부여될 수 있다. 이러한 48개의 산업군 별 TVCI에 기초하여, 기술요소에 따라 매출액증가율의 차이 및 부도율의 차이를 확인 가능하도록 제공할 수 있다. 예컨대, TVCI 2점(반제품 결합 기술), 3점(아키텍처 기술 B2B), 4점(아키텍처 기술 B2C)은 전반적으로 매출액증가율이 감소한 반면, 앞의 2개(반제품 결합 기술, 아키텍처 기술 B2B )의 경우 2013년에 반등하는 추세를 보임을 확인 가능하도록 그래프 형태로 제공할 수 있다. 이외에 다른 기술 요소인 부품 제조 기술과 서비스 기술의 경우, 매출액증가율이 증가세를 보임을 확인 가능하도록 제공할 수 있다. 부도율의 경우, TVCI 1점(아키텍처 기술 B2C)으로 가장 높은 부도율을 나타내고, 5점(서비스 기술), 2점(아키텍처 기술 B2B), 3점(반제품 결합 기술), 4점(부품 제조 기술)의 순으로 부도율이 높게 나타남을 확인 가능하도록 그래프가 제공될 수 있다.

도 11은 본 발명의 일실시예에 있어서, 시간에 따른 기술(즉, 제품)관련 성장도를 나타내는 그래프이다.

산업순화주기지수(ILCI)는 시간에 따라 변화하는 기술(즉, 제품)의 가치를 산업의 순환주기 관점에서 판단하는 지표로서, 산업의 순환주기적 특징을 분석하여 해당 기술이 속한 산업의 가치를 평가하는 필수적 요소에 해당할 수 있다. 기술(즉, 제품)의 수명주기의 성숙도에 따라 현금 흐름, 기술(즉, 제품) 개발 비용, 순이익 등이 변화할 수 있다. 기술가치지수 산출부(212)는 산업순환주기지수(ILCI)를 산출하기 위해 매출액 변화(sales dynamics), 유형자산 변화(capital asset change), 종업원 수 변화(labor force change), 1인당 R&D 변화(R&D intensity change)에 기초하여 각 산업군 별 데이터를 분석할 수 있다.

도 11을 참고하면, 기술가치지수 산출부(212)는 시간에 따른 성장도(growth)를 성장기, 성숙기, 하락기, 침체기의 4단계로 구분하여 산업순환주기지수(ILCI)를 산출할 수 있다. 이때, 매출액 변화(sales dynamics, 즉, 매출액 증가율), 유형자산 변화(capital asset change, 즉, 유형자산 증가율), 종업원 수 변화(labor force change, 즉, 종업원수 증가율), 1인당 R&D 변화(R&D intensity change, 즉, R&D 증가율)에 기초하여 ILCI가 산출될 수 있다.

일례로, 기술가치지수 산출부(212)는 현재에 해당하는 년도를 기준으로 미리 지정된 일정 기간 이전(예컨대, 과거 4년)에 해당하는 매출액 증가율, 유형자산 증가율, 종업원수 증가율, R&D 증가율 각각의 중간값(median value)을 계산할 수 있다. 그리고, 아래의 표 13과 같이 4가지 변수 별로 중간값을 연도 별로 정렬하고, 5분위수를 기준으로 해당 분위수의 성장성 구분점수를 부여할 수 있다.

기술가치지수 산출부(212)는 4개의 변수(매출액 증가율, 유형자산 증가율, 종업원수 증가율, R&D 증가율) 각각에 부여된 성장성 구분점수의 합을 계산하고, 계산된 합을 5분위수 기준으로 다시 구분하여 아래의 표 14와 같이 종합 점수를 구할 수 있다.

기술가치지수 산출부(212)는 표 14와 같은 종합 점수 및 이동평균법(moving average)에 기초하여 아래의 표 15와 같이 해당 산업군의 종합 점수에 해당하는 순환 주기가 구분될 수 있으며, 표 16과 같이 종합 점수를 기반으로 해당 산업군의 산업순화주기지수(ILCI)를 산출할 수 있다. 예컨대, 아래의 표 15와 같이 산업군 별 종합 점수의 변동성을 최소화하기 위해 10년 단위로 이동평균법이 적용되어 최종 산업순환주기지수가 산출될 수 있다.

표 16에 따르면, 48개의 산업군 중 2000년 성장기에 속한 산업은 '인쇄 및 기록매체 복제업', '컴퓨터 및 주변장치 제조업', '항공기, 우주선 및 부품 제조업', '도매 및 소매업', '운수업', '영상·오디오 기록물 제작 및 배급업', '방송업', '컴퓨터 프로그래밍, 시스템 통합 및 관리업', '정보서비스업' 등을 포함하고, 2012년 성장기에 속한 산업은 '금속주조업', '기타 기계 및 장비 제조업', '하수·폐기물 처리, 원료재생 및 환경복원업', '정보서비스업' 등을 포함할 수 있다.

도 12는 본 발명의 일실시예에 있어서, 산업군 별 년도에 따른 ILCI 지수를 나타내는 그래프이다.

그래프 1210을 참고하면, 산업군 별 ILCI 지수에 기초하여 의료, 정밀, 광학기기 및 시계 제조업이 속하는 C27 산업군, 하수, 폐기물 처리, 원료재생 및 환경복원업이 속하는 E 산업군, 정보서비스업이 속하는 J63 산업군이 성장기 해당함을 확인할 수 있다.

그래프 1220을 참고하면, 코크스, 연탄 및 석유정제품 제조업이 속하는 C19 산업군, 철도장비 제조업이 속하는 C312 산업군이 성숙기 산업에 해당함을 확인할 수 있다. 성숙기에 해당하는 산업들은 2000년도 초반에는 성장기에 위치했으나 시간이 지날수록 성숙기로 변화함을 확인할 수 있다.

그래프 1230을 참고하면, 통신 및 방송 장비 제조업이 속하는 C264산업군, 영상 및 음향기기 제조업이 속하는 C265 산업군이 하락기 산업에 해당하고, 그래프 1240을 참고하면, 음료 제조업이 속하는 C11 산업군 및 통신업이 속하는 J61 산업군이 정체기 산업에 해당함을 확인할 수 있다.

그래프 1250을 참고하면, C18(인쇄 및 기록매체 복제업), C32(가구 제조업) 산업군은 성장기 또는 성숙기에 위치했다가 시간이 갈수록 하락기 또는 정체기로 변화하는 산업임을 확인할 수 있다. 그리고, C18(인쇄 및 기록매체 복제업), C32(가구 제조업) 산업군은 성장기에 위치했다가 하락기로 변화한 산업이고, C33(기타 제품 제조업) 산업군은 성장기에서 성숙기, 하락기, 정체기 순으로 모든 순환주기를 겪고 있는 산업임을 확인할 수 있다. C17(펄프, 종이 및 종이제품 제조업), C16(목재 및 나무제품 제조업, 가구제외) 산업군은 성장기에 위치했다가 하락기를 거쳐 정체기로 변화한 산업이고, C10(식료품 제조업) 산업군은 성숙기에서 하락기로 변화한 산업임을 확인할 수 있다.

이처럼, 산출된 기술가치지수들을 기반으로 기업가치 평가지수가 계산될 수 있다. 예컨대, 기업가치 평가지수 산출부(213)는 산출된 TVCI 및 ILCI에 기초하여 기업가치 평가지수(TVI index)를 계산할 수 있다. 이때, 기업가치 평가지수 산출부(213)는 기업가지 평가지수 산출을 위해 K-means 군집 분석을 적용할 수 있다. 여기서, K-means 군집 분석은 복수의 개체에 대해 연구자/투자자 등이 소지한 사용자 단말에서 선택된 특성을 기준으로 상대적으로 동일한(homogeneous) 특성을 가지는 군집을 구별하는 알고리즘을 나타낼 수 있다. 여기서, K는 군집 개수를 나타내는 것으로서, 임의로 지정될 수 있다. 군집 간 구분 기준은 각 개체들이 공통적으로 지니는 특성(예컨대, 데이터에 포함된 변수 한 개 이상)으로 구성될 수 있다. 그러면, 하나의 군집에 속하는 개체들은 동질의 특성을 가지며, 즉, 높은 유사도를 가지며, 다른 군집에 속하는 개체들은 이질적인 특성, 즉, 낮은 유사도를 가질 수 있다. 여기서, 군집에 속하는 개체는 기업을 나타내는 것으로서, K-means 군집 분석을 기반으로 동질의 특성을 갖는(즉, 높은 유사도의) 기업들이 군집화될 수 있다. 이때, 기업가치 평가지수 산출부(213)는 상기 K-means 군집 분석을 위해 기술가치지수 중 TVCI와 ILCI를 군집분석 기준으로 설정할 수 있으며, 군집의 개수(K)를 설정할 수 있다. 예컨대, 군집의 개수 K=9로 설정될 수 있으며, 군집 분석을 위한 자료로서 IBM SPSS Statistics이 이용될 수 있다.

기업가치 평가지수 산출부(213)는 K-means 군집 분석을 통해 생성된 9개의 군집을 대상으로 매출액 증가율 및 부도율에 기초하여 기업가치 평가지수(TVI index)를 산출할 수 있다. 이때, 투자에 초점을 맞출 것인지, 융자에 초점을 맞출 것인지 여부에 따라 기업가치 평가지수(TVI index)를 다르게 산출할 수 있다.

예를 들어, 투자에 초점을 맞추는 경우, 기업가치 평가지수(TVI index) I는 해당 군집의 매출액증가율에 부도율보다 상대적으로 높은 비중(즉, 가중치)를 적용할 수 있다. 도 13의 1310을 참고하면, 기업가치 평가지수 산출부(213)는 가로축을 매출액 증가율, 세로축을 부도율로 매칭시킨 매트릭스 상에서 영역에 따라 기업가치 평가지수 1 내지 12를 할당할 수 있다. 그리고, 상기 매트릭스 상에서 매출액증가율이 제일 높은 영역에 1 내지 3등급을 부여하고, 두 번째로 높은 영역이 4 내지 9 등급을 부여하고, 부도율이 제일 높은 영역에 10등급, 매출액 증가율이 제일 낮은 영역에 11등급을 부여할 수 있다. 그리고, 기업가치 평가지수 산출부(213)는 11등급과 10등급이 겹치는 영역(overlapped area)에 12등급을 부여할 수 있다.

도 13의 1320을 참고하면, 융자에 초점을 맞추는 경우, 기업가치 평가지수(TVI index) I는 매출액증가율보다 부도율에 상대적으로 더 높은 비중(즉, 가중치)를 적용하여 영역 별로 등급을 부여할 수 있다. 예컨대, 부도율이 제일 낮은 영역에 1 내지 3등급을 부여, 그 다음 영역에 4 내지 9등급을 부여, 매출액증가율이 제일 낮은 영역에 10등급, 부도율이 제일 높은 영역에 11등급, 10등급과 11등급이 겹치는 영역에 12등급이 부여될 수 있다. 도 13의 1310 및 1320의 매트릭스 상에서 각 영역을 구분하는 기준은 가로축과 세로축에 해당하는 중심 기준이 각 군집들의 매출액증가율과 부도율을 도출한 전체 기간(예컨대, 2010년 내지 2013년)의 평균값을 기반으로 설정될 수 있다. 그리고, 상기 전체 기간에서의 매출액증가율과 부도율의 최소값과 최대값은 상기 중심 기준의 평균값을 이용하여 세부 기준이 결정될 수 있다.

이처럼, 군집들 각각의 기업가치 평가지수, 즉, 산업군의 기업가치 평가지수가 산출되면, 개별 기업의 기업가치 평가지수(TDX index)가 산출될 수 있다.

즉, 각 산업군은 하나의 군집에 속해있으므로, 해당 군집의 기업가치 평가지수는 상기 군집에 속하는 산업군의 기업가치 평가지수로 결정될 수 있다. 군집의 특성은 TVCI, ILCI, 자산총계, 자기자본비율, 자산총계증가율, 매출액영업이익률, 매출액증가율, 부도율에 기초하여 정의될 수 있으며, 개별 기업의 특성도 군집과 동일한 항목들로 정의될 수 있다. 여기서, 자산총계는 로그를 취한 값을 사용하고, 개별 기업의 부도율은 각 기업이 속한 산업의 부도율과 동일할 수 있다.

기업가치 평가지수 산출부(213)는 각 기업과 9개 군집 간의 거리에 기초하여 가장 가까운 거리에 위치한 군집에 해당하는 기업가치 평가지수(TDX index)를 해당 기업의 기업가치 평가지수로 결정할 수 있다. 이때, 기업가치 평가지수 산출부(213)는 아래의 수학식 1과 같이 공통으로 정의한 각 기업의 특성들(예컨대, TVCI, ILCI, 자산총계, 자기자본비율, 자산총계증가율, 매출액영업이익률, 매출액증가율, 부도율) 간의 차이의 제곱의 합에 기초하여 각 기업과 9개 군집 간의 거리를 계산할 수 잇다.

[수학식 1]

위의 수학식 1에서, i는 군집(TVI index), j는 기업, V는 기업과 군집을 정의하는 공통 특성치를 나타낼 수 있다. 여기서, 거리_i,j가 가장 작은 값에 해당하는 군집 I, 즉, 기업가치 평가지수 i를 기업 j의 기업가치 평가지수로 결정할 수 있다.

예컨대, 48개 산업군을 대상으로 군집분석을 수행한 결과로서, 각 군집이 포함한 산업군의 개수는 아래의 표 17과 같을 수 있다. 이때, 각 군집의 매출액 증가율과 부도율을 아래의 표 18과 같을 수 있다.

위의 표 17은 K=9인 경우의 군집 별로 포함되는 산업군 개수를 나타낼 수 있다.

도 14는 본 발명의 일실시예에 있어서, 군집 별 매출액 증가율 및 부도율 평균을 나타낼 수 있다.

도 14와 같이 표현되는 매트릭스 상에서 영역을 구분하여 기업가치 평가지수를 부여하기 위해 아래의 표 19와 같이 전체 기간 매출액증가율 및 부도율 평균을 기준으로 설정하고, 매출액증가율과 부도율의 최소값과 최대값을 세부 기준으로 설정할 수 있다.

위의 표 19에 따른 기준을 기반으로 각 군집에 해당하는 기업가치 평가지수가 부여될 수 있다. 예컨대, 아래의 표 20과 같이 투자에 중점을 둔 기업가치 평가지수 I, 아래의 표 21과 같이 융자에 초점을 둔 기업가치 평가지수 I가 부여될 수 있다.

48개의 산업군 별 투자에 초점을 둔 기업가치 평가지수(TVI index)는 아래의 표 22와 같을 수 있으며, 융자에 초점을 둔 산업군 별 기업가치 평가지수(TVI index)는 아래의 표 23과 같을 수 있다.

아래의 표 24는 기업 별 기업가치 평가지수(TVI index)를 산출하기 위한 데이터를 나타낼 수 있다.

표 24에서, Reference Table은 TVI Index 별 특성치를 나타내고, Firm Table은 TVI Index를 확인코자 하는 기업들의 특성치를 나타낼 수 있다. 표 24를 참고하면, 2013년 한 해에 대해 분석한 경우, TVI Index(I)와 TVI Index(L)에 대해서 각각 총 4개의 TVI Index가 나타나며, 해마다 도출되는 TVI Index의 개수는 달라질 수 있다.아래의 표 25와 같이, 각 기업의 특성치와 차이가 가장 작은, 즉 기업과 가장 비슷한 특성을 지니고 있는 산업의 기업가치 평가지수(TVI Index)를 해당 기업의 TVI Index로 결정할 수 있다.

표 25를 참고하면, "(주)코라"의 TVI Index(I)는 가장 유사한 특성을 지닌 산업의 등급인 3등급이 해당 등급로 결정되며, TVI Index(L) 역시 가장 유사한 특성을 지닌 산업의 등급인 7등급이 해당 등급으로 결정될 수 있다. 이처럼, 각 기업들의 특성을 위의 표 25에 포함된 항목들에 따라 설정하면, 해당 기업의 TVI Index가 산출될 수 있다. 이때, TVI Index는 연도마다 새롭게 도출되므로 TVI Index 데이터(Reference Table)와 기업 데이터(Firm Table)는 서로 동일한 연도의 자료임을 가정할 수 있다.이처럼, 기업가치 평가지수(TVI Index)가 산출되면, 산출된 기업가치 평가지수(TVI Index), TVCI, ILCI에 기초하여 특정 기업의 성장률, 부도율 등을 예측하기 위한 예측 모델이 생성될 수 있다. 그리고 생성된 예측 모델을 기반으로 특정 기업의 성장률, 부도율 등의 기업 예측 정보를 제공할 수 있다. 여기서, 예측 모델 생성 및 예측된 정보를 제공하기 위해 도 2의 프로세서(210)는 예측 모델 생성부(미도시) 및 정보 제공부(미도시)를 더 포함할 수 있으며, 이하에서 설명하는 예측 모델 생성 및 기업관련하여 예측된 정보를 제공하는 동작은 예측 모델 생성부 및 정보 제공부에 의해 수행될 수 있다.

먼저, 기업가치 평가지수(TVI Index)에 기초하여 기업의 성장률(즉, 매출액 증가율 예측하기 위해서는, 특정 산업에 대해 거시적인 관점에서의 동태적인 변화 뿐만 아니라 기업 단위의 중요 변수를 설정해야할 수 있다. 예를 들어, 산업단위(즉, 거시분석)로 환경 변수를 추출하고, 추출된 환경 변수를 기반으로 기업단위로(즉, 미시분석을 통해) 성장률 예측을 위한 예측 모델을 생성할 수 있다.

일례로, 빅데이터를 대상으로, 기업단위 성장률(즉, 매출액 증가율) 예측을 위한 패널자료 분석을 수행할 수 있다. 여기서, 패널자료는 시계열 데이터와 횡단면 데이터의 통합된데이터를 나타내는 것으로서, 예측 모델 생성부는 빅데이터를 대상으로, 기업 별로 해당 기업의 데이터를 대상으로 열분석과 횡단면 분석을 동시에 수행할 수 있다. 이처럼, 패널자료분석을 하면, 가계, 기업, 또는 국가와 같은 경제적 단위의 변수들의 동태를 파악하고 예측하는데 이용 가능하고, 측정 단위들에 대한 개별적 특이성을 유지 및 통제할 수 있어 왜곡된 결과를 제거할 수 있다. 그리고, 분석을 수행하는 주체에게 다양항 정보를 제공하여 공선성 문제를 감소시키고, 동태적 변화에 대한 분석을 용이하게 할 수 있다. 마지막으로, 상대적으로 안정된 횡단면 분포에서는 확인하기 어려운 다양한 변화를 포착하게 하여 복잡한 동태적 모형 구축이 가능하게 할 수 있다.

예측 모델 생성부는 패널자료분석을 위해 확률효과(Random Effect) 모형을 이용할 수 있다. 분석 단위인 기업들의 샘플(sample)이 모집단으로부터의 확률표본에 해당하므로 확률효과 모형이 이용될 수 있다. 확률효과 모형을 이용한 패널자료분석은 아래의 수학식 2에 기초하여 수행될 수 있다.

[수학식 2]

수학식 2에서, y는 종속변수를 나타내고, x는 설명변수의 벡터, u는 오차항을 나타낼 수 있다. i는 관측치, t는 시간을 나타내며, 오차항인 τ와 δ를 통제하는 것이 중요할 수 있다. 즉, τ와 δ에 따라 분석하는 모델이 달라질 수 있다. 시간차원을 고려한 패널자료 분석 시 가장 중요한 것은 시간에 따라 변화하지 않으며 관측되지 않는 개별특성을 나타내는 오차항 δ를 어떻게 고려할 것인가 이다. δ가 미리 지정된 고정된 값을 갖는 변수로 설정(즉, 고려)하는 경우, 고정효과(fixed effect model)을 이용하고, δ가 확률변수인 경우에는 확률효과(random effect model)를 이용하고, 일반화된 최소제곱(generalized least squares) 기법을 이용하여 예측 모델을 생성/추정할 수 있다.

아래의 표 26은 거시환경 변수를 나타낼 수 있다.

표 26에 도시된 거시환경변수 중 기업경기에 영향을 주는 주요 조절 변수는 GDP(즉, GDP 성장률), 실업률, 어음 부도율에 해당할 수 있다.국내총생산(GDP, Gross Domestic Product)은 한 나라의 영역 내에서 가계, 기업, 정부 등의 모든 경제주체가 일정 기간 동안 생산 활동에 참여한 결과 창출된 부가가치를 시장가격으로 평가하여 합한 것을 나타낼 수 있다. 한 국가의 총생산을 확인하는 지표로서 기업경기와 매우 상관관계가 높으므로 GDP 성장률과 기업 성장은 매우 밀접하다.

실업률은 기업경기, 실물경기와 매우 밀접한 관계를 나타낼 수 있다. 실업률은 경제활동인구 중에서 직장이 없는 사람들의 비율을 의미하며, 경제활동 인구는 현재취업자와 적극적으로 구직활동을 하는 실업자를 합한 것을 나타낼 수 있다. 미국의 경제학자 Okun(1962)은 실증적인 분석을 통해 실업률과 GDP 차이의(잠재GDP-실제GDP) 상관관계를 도출(Okun, 1962)하였으며, 도출된 상관관계는 실업률이 기업성장 및 성과에 영향을 주는 변수로서 중요한 조절변수로 활용될 수 있다.

기업어음(commercial paper, CP)은 보통 신용도가 높은 기업이 무담보-단기어음으로 발행하며, 기업은 금융기관을 통해 기업어음을 발행하게 되며 금융기관은 다시 일반고객들을 상대로 판매할 수 있다. 상거래에서 거래상대방에게 발행되는 약속어음인 상업어음과 달리, 증권사에서 일반인에게 예금계좌 방식으로 판매하는 것이 약속어음이다. 어음부도는 기업 간의 계약 불이행으로 줄도산을 만들기 때문에, 어음부도율은 기업성과 및 성장에 그리고 부도율 및 생존기간에 있어서 매우 높은 중요성을 지니는 변수로 이용될 수 있다.

이러한 거시환경변수뿐만 아니라, 산업이 갖고 있는 고유의 재무정보가 조절변수로 이용될 수도 있다. 예컨대, 산업재무변수는 자산총계를 활용하는데, 자산총계는 매출액 성장과 관계가 크며, 매출액이 커질수록 자산총계 또한 같이 증가하므로, 자산총계를 조절변수로 이용할 수 있다. 즉, 자산총계 증가율을 조절 변수로 설정할 수 있다. 그러면, 거시환경변수 중 GDP 성장률, 실업률, 자산총계 성장률이 조절변수로서 설정될 수 있다. 이때, TVCI 및 ICLI는 산업분석에서도 딩일하게 사용되며, 기업이 가지고 있는 고유의 한국표준산업분류 코드에 따라 기업별 TVCI 및 ILCI가 서로 매칭될 수 있다.

아래의 표 27은 거시환경변수(즉, GDP 성장률, 실업률, 자산총계 성장률), TVCI, ILCI에 기초하여 생성된 기업의 성장률(즉, 매출액 증가율) 예측을 위한 모델을 나타낼 수 있다.

표 27은 TVCI 및 ICLI의 기술기반 기업가치 평가에 있어서의 타당성을 나타낼 수 있다.표 27에 따르면, TVCI 및 ICLI는 산업별 성장률(매출액 증가율)을 예측하는 것에 그치는 것이 아니라, 해당 산업에 속하는 기업들 각각의 성장률(즉, 매출액 증가율)을 예측하기 위해 이용될 수 있음을 확인할 수 있다. 즉, TVCI 및 ILCI가 증가할수록 기업의 매출액 증가율에 기여함을 확인할 수 있다. 결과적으로, TVCI, ILCI 변수의 추정계수가 확률적으로 유의미한 값이 도출됨으로써 TVCI와 ILCI가 기업에 대한 성장률 전망에 활용해도 좋은 지수임이 검증될 수 있다.

기업단위의 부도율은 미시적인 측정단위로 개별 경제주체의 특성을 기반으로 추정할 수 있다. 통계청에 따르면 창업 후 1년간 생존율은 70%, 2년간 생존율은 55%, 3년간 생존율은 45%, 5년간 생존율은 33%에 달한다. 이러한 기업 생존은 창업 후 5년이 매우 힘든 고비이고, 여기에 TVCI와 ILCI를 활용하여 기업의 부도율(생존율)을 파악하여 융?투?* 담당자들에게 의사결정에 도움을 줄 수 있다. 생존분석은 기업이 특정 기간까지 생존확률을 분석하는 방법으로 관찰대상에 대해 일정시간 추적하여 특정시간이 발생하기까지의 시간을 측정하고, 사건발생에 영향을 미치는 요인을 찾기 위해 이용할 수 있다. 이에 따라, 생존시간을 추정하여 기업 생존률을 전망할 수 있으며, 생존률 전망을 위해 모수적 방법으로 가속화 고장시간 모델(Accelerated Failure Time Model)을 이용할 수 있다.

부도율 예측을 위한 상기 생존 시간과 공변량 간의 비례관계식은 아래의 수학식 3과 같이 표현될 수 있다.

[수학식 3]

수학식 3에서,

는 독립변수인 공변량

이 0 일 때의 생존시간 확률변수를 나타내고, 특정 기저분포(baseline distribution)를 갖는다고 가정할 수 있다. 예컨대, 특정 기저 분포는 와이블 분포, 지수 분포, 극치 분포, 또는 로그-정규분포를 포함할 수 있다. 이하에서는 와이블 분포를 기저분포로서 이용하는 경우를 가정하여 설명하기로 한다.

상기 수학식 3은 척도 모수(scale parameter;

)와 공변량 n개에 기초하여 아라의 수학식 4와 같이 표현될 수 있다.

[수학식 4]

위의 수학식 4에서 양변에 자연로그를 취하면 아래의 수학식 5와 같이 표현될 수 있다.

[수학식 5]

예측 모델 생성부는, 부도율 예측을 위해, 먼저 생존기간을 예측할 수 있으며, 예컨대, 폐업 1년 전의 변수들을 기업 설립일로부터 생존기간을 예측하기 위한 변수로 설정할 수 있다. 생존기간을 분석하는데 있어서 폐업된 기업들만 분석하면 변수들의 설명력의 편이(bias)가 생길 수 있다. 이에 따라,폐업된 기업 목록과 현존하고 있는 기업의 목록을 같이 분석하여 변수의 편이성이 제거될 수 있다.

일례로, 예측모델 생성부는, 폐업된 기업 목록 중 재무정보의 손실이 가장 적고 기업의 폐업을 직관적으로 볼 수 있는 재무정보인 자기자본비율을 생존기간 예측을 위한 변수로 설정할 수 있다. 즉, 폐업에 가까울수록 자기잦ㅂ본비율은 감소하게 되어, 자기자본비율이 적을수록 위험한 기업, 즉, 부도율이 높은 기업에 해당할 수 있다.

자기자본비율은 각 기업의 재무정보를 기반으로 2004년부터 2011년까지 870개 폐업 기업 목록에 대해 구축될 수 있다. 이때, 현존하고 있는 기업(외감기업이상)에서 동일하게 재무정보손실이 없는 기업 2901개를 합쳐서 총 3771개의 기업 자료가 최종적으로 더 이용될 수 있다.

생존기간을 분석/예측 시, 산업 별로 고정된 변수인 TVCI를 제외한, 나머지 시계열 변수들(ICLI, 자기자본비율, 어음부도율, GDP 성장률)을 대상으로 1년의 시차를 두고 이용될 수 있다. 즉, 기업의 생존기간을 기업의 폐업이 예측되는 1년전에 알수 있도록하기 위해 시차변수들을 기반으로 생존기간이 예측될 수 있다. 그러면, 예측 모델 생성부는, 최종적으로 TVCI, ILCI(1년 시차 적용), 자기자본비율(1년 시차 적용), 어음부도율(1년 시차 적용), GDP 성장률(1년 시차 적용)을 기반으로 기업의 부도율을 예측하기 위한 예측 모델을 생성할 수 있으며, 아래의 표 28과 같을 수 있다.

위의 표 28을 참고하면, 1년 전의 어음부도율이 클수록 기업 생존에 부정적인 영향을 줄 수 있으며, 1년 전의 자기자본비율과 GDP 성장률이 클수록 기업의 생존기간에 긍정적인 영향을 주는 것을 확인할 수 있다. 그리고, TVCI, ILCI계수값은 다른 조절 변수와 비슷하게 통계적으로 유의미하게 나오는 것을 확인할 수 있다. 예컨대, TVCI와 1년전 ILCI의 갑승ㄹ 비교해 보면, 기업이 B2B, B2C 영역에서 보다 원자재에 속한 기업일수록 생존기간이 단축됨을 확인할 수 있다. 1년전 ILCI에 따르면, 기업이 "성숙-하락"에서 "성장-성숙"으로 진입할 수록 생존기간에 긍정적인 영향을 주는 것을 확인할 수 있다예측 모델 생성부는 TVI index를 기반으로 기업 또는 산업의 성장률(즉, 매출액 성장률)과 부도율을 예측하면, 예측된 성장률 및 부도율을 기반으로 최적화된 융·투자 포트폴리오 모델을 생성할 수 있다. 융·투자 포트폴리오 모델(T-portfolio Model)은 입력되어 주어진 융·투자액으로 기대할 수 있는 투자 대상 기업들의 매출액 성장률을 최대화하거나, 융자 대상 기업들의 부도율을 최소화하는 방법을 제공하기 위해 이용될 수 있다. 즉, 융·투자 의사결정자들로부터 관심 융·투자 기업 후보군의 표본(sample)이 선택된 경우, 융·투자 포트폴리오 모델(T-portfolio Model)은 상기 선택된 기업에 대한 융·투자 비율을 결정할 수 있으며, 정보 제공부는 결정된 융·투자 비율을 상기 의사결정자들이 소지한 단말로 제공할 수 있다. 그리고, 투자 담당자들이 소지한 단말로는 투자 포트폴리오에 구성된 기업들의 매출액증가율을 극대화 시키면서 폐업 위험률을 투자 담당자들이 바라는 값 이하로 유지될 시 요구되는 기업별 투자 비율을 결정하여 제공할 수 있다. 융자 담당자들이 소지한 단말로는 융자 포트폴리오에 구성된 기업들의 부도 위험을 극소화 하면서 매출액증가율이 융자 담당자들이 바라는 값 이상으로 유지될 시 요구되는 기업별 융자 비율을 결정하여 제공할 수 있다.

융·투자 포트폴리오 모델(T-portfolio Model)을 생성하기 위해 SLP(Simplex Linear Programming) 알고리즘이 이용될 수 있다. Simplex 알고리즘은 선형 프로그래밍의 한 종류로 수학자 George Dantzig(1914~2005)에 의해 개발된 알고리즘이다. 최적화된 융·투자 의사결정은 제한된 자원 및 조건(N개 기업에 대한 융·투자 비율의 합 = 1 및 최소 또는 최대 경계값)에 의하여 결정될 수 있으며, 최적화 된 융·투자 투입비율은 Pivoting Matrix와 가우스-조던 방법(Gauss-Jordan Elimination)을 기반으로 Simplex Linear 값을 계속 반복해서 도출하고, 도출된 값의 최대값을 찾음으로써 최적화된 solution(해)를 도출할 수 있다. 이처럼, SLP 모델은 융·투자 포트폴리오 기대값 및 제한 조건들이 선형으로 이루어져 있기 때문에. 융·투자 포트폴리오 모델(T-portfolio Model)에 이용하는데 적합할 수 있다. SLP 알고리즘 이외에 선형 방법(Nonlinear Method)이 최적화된 해를 찾기 위해 이용될 수 있으나, SLP 알고리즘보다는 상대적으로 비효율적일 수 있다.

선형계획법(Linear Programming)은 SLP 알고리즘의 목표함수(Objective Function)를 최적화(극대화, 극소화)하기 위해 이용될 수 있다. 극소화는 극대화 문제에서 대각화(transpose)를 통해 구하는 문제이므로 극대화 문제와 같을 수 있다. 이에 따라, 목표함수(Objective Function) 및 제한조건(Constraints)는 아래의 수학식 6과 같이 표현될 수 있다.

[수학식 6]

수학식 6에서,

는 변수,

와

는 계수이며, SLP 알고리즘을 이용하기 위해 슬랙 변수(Slack variable)가 추가적으로 이용될 수 있다. 제한조건 식 m개에 m개의 슬랙 변수(Slack Variable)를 추가하여 비평등식이 아래의 수학식 7과 같은 평등식으로 변경될 수 있다.

[수학식 7]

슬랙 변수(Slack variable)가 추가된 수학식 7을 기반으로, Pivoting Matrix와 가우스-조던 소거법(Gauss-Jordan Elimination)을 이용하여 랜덤화된(randomize) 초기 값에 대한 목표함수(Objective Function) 값(z)을 최대화시키는 극값(최대값 또는 최소값)이 반복 연산을 통해 계산될 수 있다. 즉, SLP 알고리즘은 미리 정의된 변수로 구성된 Pivoting Matrix에 대해서 가우스-조던 소거법(Gauss- Jordan Elimination)을 활용하는 알고리즘(Algorithm) 내에서 랜덤화된(randomize) 초기 값에 대한 목표함수의 값을 반복(Iteration)을 통해 찾을 수 있다. 그러면, 미리 정의된 기준에 대해서 변하지 않는 최대값 또는 최소값이 도출되고, 도출된 최대값 또는 최소값이 최적의 해로 결정될 수 있다.

정보 제공부는 TVCI 및 ILCI를 고려하여 기업의 성장 가능성을 예측하고, 예측된 성장 가능성을 반영하여 기업 투자 최적화 포트폴리오(예컨대, 융·투자 포트폴리오 모델(T-portfolio Model))를 제공할 수 있다. 그리고, 정보 제공부는 융·투자 포트폴리오 모델(T-portfolio Model)을 기반으로 기업의 투자 또는 융자관련 정보를 제공할 수 있다. 이때, 포트폴리오 계산을 하기 전에 TVI기반 예측모델을 통해 일차적으로 관심 기업의 성장률(즉, 매출액 증가율)이 계산될 수 있다.

정보 제공부는 융·투자 포트폴리오 모델(T-portfolio Model)을 통해 부도위험과 관련하여 미리 정의된 제한조건 하에서 기업군의 평균 성장률(매출액 증가율)을 극대화하는 기업구성 비율을 결정하여 제공할 수 있다. 부도위험에 대한 제한조건이 없는 기업의 성장률(매출액 증가율)을 극대화하는 것은 외부 경제적 충격에 취약하며, 기업의 성장률(매출액 증가율) 예측치가 벗어났을 경우에는 상당한 부도 리스크를 감내해야 하므로 기업의 부도율에 대한 제한조건이 설정되어야 할 수 있다. 기업의 성장률(매출액 증가율)은 부도율을 높이거나 낮출 수도 있는 주요한 변인이므로 성장률(매출액 증가율)에 대한 제한조건이 추가적으로 설정될 수 있다. 성장률(매출액 증가율)에 대한 제한조건이 없는 경우, 해당 기업의 부도율 최소화(융자) 포트폴리오는 외부 경제적 충격에 취약할 수 있다. 즉, 기업의 부도율 예측치가 벗어났을 경우에는 저조한 투자 효율을 감내해야 하므로 기업군의 성장률(매출액 증가율)에 대한 제한조건이 필요하며, 이에 따라, 기업의 성장률(매출액 증가율)에 대한 제한조건을 설정하여 외부 충격에 대한 완충장치를 둘 수 있다. 융˙투자 포트폴리오 모델(T-portfolio Model) 기반으로 특정 기업의 투자 비율을 제공하기 위한 기대 성장률 및 부도율은 아래의 수학식 8과 같이 표현될 수 있다.

[수학식 8]

위의 수학식 8에서,

은 기업별 성장률(매출액 증가율) 예측치,

은 개별 기업에 대한 투자 비율,

은 기업별 부도율 예측치,

은 기대 성장률(매출액 증가율),

는 기대 부도율,

는 투자 담당자가 소지한 단말로부터 입력된 기대 부도율을 나타낼 수 있다. 이때, 기대 부도율은

이하로 제한될 수 있다.

은 투자 비율의 합이 1인 제한 조건을 나타낼 수 있다. 이때,

와 같이 개별 기업에 대한 투자율을 전체 투자액 대비 0.5(50%) 이하로 제한하는 것은 한 기업에 대한 편중된 투자를 제한하고 포트폴리오를 다각화하기 위함이다. 여기서, 0.5의 제한값은 개별 투자자에 따라서 조정 가능할 수 있다.

융˙투자 포트폴리오 모델(T-portfolio Model)을 기반으로 특정 기업의 융자관련 정보를 제공하기 위한 기대 성장률 및 부도율은 아래의 수학식 9와 같이 표현될 수 있다.

[수학식 9]

수학식 9에서,

은 기업별 성장률(매출액 증가율) 예측치,

는 개별 기업에 대한 투자 비율,

은 기업별 부도율 예측치,

은 기대 성장률(매출액 증가율),

는 기대 부도율,

은 융자 담당자가 서지한 단말을 통해 설정된 값으로, 상기 기대 성장률(매출액 증가율) 값 이상으로 설정될 수 있다. 이처럼,

가 기대성장률 이상으로 설정함으로써, 투자 담당자의 단말을 통해 구성한 포트폴리오의 기대 성장률(매출액 증가율)을 설정한 값 이하로 노출시키지 않겠다는 제한 조건이 설정될 수 있다.

은 융자 비율의 합이 1인 제한 조건을 나타내고,

는 개별 기업의 융자 비율을 0.5 이하로 제한한 것을 나타낼 수 있다. 즉, 어느 한 기업에 편중된 융자를 방지하고 포트폴리오를 다각화하기 위함이다. 여기서, 0.5의 제한값은 개별 투자자에 따라서 조정 가능할 수 있다.

아래의 표 29는 예측된 기업의 성장률을 나타낼 수 있다.

위의 표 29는 현재가 2012년이라고 가정하고, 융·투자 포트폴리오 모델(T-portfolio Model)을 기반으로 2013년에 대한 선택된/요청된 특정 기업 5개의 성장률(매출액 증가율) 예측치와 부도율 예측치를 나타낼 수 있다. 이때, 투자식 투입 비율을 결정하기 위해 아래의 수학식 10과 같이 표현될 수 있다.[수학식 10]

수학식 10에서, H를 0.25이하로 설정하고, SLP 알고리즘을 통해 최적화된 투자 투입 비율은 아래의 표 30과 같을 수 있다.

아래의 표 31은 표 29 및 30에 나타낸 동일 기업을 대상으로 하는 융자(Loan) 모델을 나타낼 수 있다. 이때, 기업 별 융자율 계산을 위해 아래의 수학식 11이 이용될 수 있다.

[수학식 11]

위의 수학식 11에서,

(%)값을 15(%) 이상으로 설정하고, SLP 알고리즘을 통해 도출된 최적화된 기업별 융자율은 아래의 표 32와 같을 수 있다.

융·투자 포트폴리오 모델(T-portfolio Model)은 표 29와 같이 투자 모델, 표 31과 같이 융자 모델을 포함할 수 있으며, 미리 정의된 제한조건을 기반으로 포트폴리오(즉, 선택된 특정 기업들)의 기대 성장률(즉, 매출액 증가율)을 극대화하거나 부도율을 최소화하는 투입 비율을 제공할 수 있다. 즉, 기업들의 내재하고 있는 TVCI, ILCI를 고려하여 개별 기업의 성장 가능성(즉, 성장률)과 부도율을 예측하고, 예측된 성장률 및 부도율을 기반으로 투자 또는 융자를 최적화하는 투입비율 등의 정보를 제공할 수 있다.실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

1. 컴퓨터에 의해 실행되는 기업의 가치를 평가하는 방법에 있어서,
   기업이 속하는 산업군, 기업에 해당하는 제품, 해당 제품관련 기술, 및 기업을 연계한 빅데이터(big data)를 대상으로, 기술이 속하는 산업군의 시장가치(External Market Value), 산업 내 기술가치사슬 관점에서의 기술가치(Internal Value of Technology), 시장에서의 시간에 따른 기술가치의 변화(Industry Life Cycle Value) 및 기술의 지적재산 관점에서의 중요도(Technology Network Value)를 기반으로 특정 기업이 보유한 기술자산의 가치를 분석하여 기술가치지수를 산출하는 단계; 및
   산출된 상기 기술가치지수에 기초하여 상기 특정 기업이 보유한 기술자산의 가치를 평가한 기술기반 기업가치 평가지수(TVI index)를 산출하는 단계
   를 포함하고,
   상기 기술가치지수는, 특정 산업에 해당하는 성장성 및 위험도가 해당 산업에 속하는 기술 또는 제품을 평가할 때 반영하기 위한 지표인 산업군가치지수(Industry Sector Index), 산업군이 기술가치사슬 상에서 어디에 위치하는지 여부에 따라 서로 다른 부가가치를 창출하는 것을 나타내는 지표인 기술가치사슬지수(Technological Value Chain Index), 및 시간에 따라 변화하는 기술 또는 제품의 가치를 산업의 순환주기 관점에서 나타내는 산업순환주기지수(Industry Life Cycle Index) 중 적어도 하나를 포함하며,
   상기 기업가치 평가지수(TVI index)를 산출하는 단계는,
   상기 기술가치사슬지수 및 상기 산업순환주기지수를 군집분석 기준으로 설정하는 단계;
   복수의 산업군을 대상으로, 미리 지정된 특성을 기준으로 상대적으로 동일한(homogeneous) 군집을 구별하는 군집 분석을 수행하여 복수의 군집들을 생성하는 단계;
   상기 복수의 군집들을 대상으로, 상기 설정된 기술가치사슬지수와 산업순환주기지수에 기초하여 군집들 별 기업가치 평가지수를 결정하는 단계; 및
   특정 산업군에 속하는 특정 기업과 상기 복수의 군집들 각각을 비교하여 특정 기업의 기업가치 평가지수를 결정하는 단계
   를 포함하는 것
   을 특징으로 하는 기업 가치 평가 방법.
2. 제1항에 있어서,
   상기 기술가치지수를 산출하는 단계는,
   상기 빅데이터를 대상으로, 현재 시점을 기준으로 미리 지정된 일정 시간 이전까지에 해당하는 산업군 별 평균매출액 증가율, 매출액증가율 표준편차 및 부도율을 계산하는 단계;
   계산된 상기 평균매출액 증가율, 매출액증가율 표준편차 및 부도율 중 적어도 하나에 기초하여 해당 산업의 수익성, 안정성 및 위험성을 나타내는 산업군 별 특성을 분석하는 단계; 및
   분석된 상기 수익성, 안정성 및 위험성에 기초하여 특정 산업군이 융·투자 우선 대상군에 해당하는지, 융·투자 기피 대상군에 해당하는지 여부를 분류하는 단계
   를 포함하는 기업 가치 평가 방법.
3. 제1항에 있어서,
   상기 기술가치지수를 산출하는 단계는,
   복수의 산업군들을 대상으로, 미리 지정된 기술 수준에 따라 분류하는 단계;
   상기 기술 수준에 따라 분류된 각 산업군을 미리 정의된 복수의 기술 요소들 중 어느 하나와 연관시키는 단계; 및
   상기 산업군 별로 연관된 기술 요소에 기초하여 상기 기술가치사슬지수를 결정하는 단계
   를 포함하고,
   상기 복수의 기술 요소들은 부품제조기술, 반제품결합기술, 아키텍처기술 B2B, 아키텍처기술 B2C, 서비스 기술을 포함하는 것
   을 특징으로 하는 기업 가치 평가 방법.
4. 제1항에 있어서,
   상기 기술가치지수를 산출하는 단계는,
   산업군을 대상으로, 미리 지정된 일정 기간 동안 연도 별 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율의 중간값(median value)을 계산하는 단계;
   상기 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율 각각에 성장성 구분점수를 부여하는 단계;
   상기 매출액 증가율, 유형자산 증가율, 종업원수 증가율, 1인당 R&D비 증가율 각각에 부여된 성장성 구분점수의 합을 기반으로 종합 점수를 계산하는 점수화 단계; 및
   상기 종합 점수 및 이동평균법(moving average)에 기초하여 해당 산업군에 해당하는 상기 산업순환주기지수를 산출하는 단계
   를 포함하는 기업 가치 평가 방법.
5. 삭제

Images