earticle

영어

The purpose of this study is to analyze the impact of corporate ownership structure on firm value using machine learning techniques and to address the limitations of traditional regression analysis. Previous studies have primarily employed statistical methods such as regression analysis to examine the relationship between ownership structure and firm value; however, they have limitations in capturing nonlinear relationships. This study aims to overcome these limitations by introducing machine learning techniques. We utilized AutoML (Automated Machine Learning) to compare and evaluate various models and selected the optimal prediction model. The data used in this study includes publicly listed companies from 2013 to 2021, with Tobin's Q as the indicator of firm value. Variables such as return on assets (ROA), leverage ratio (LEV), R&D expenditure (RD), sales growth rate (SGRW), firm size (SIZE), foreign ownership (FOR), and major shareholder ownership (MASR) were included. The analysis results showed that machine learning models, specifically Random Forest and Gradient Boosting, outperformed traditional regression models in terms of predictive accuracy, particularly in identifying the significant impact of ownership structure-related variables on firm value. Moreover, by applying Explainable AI (XAI), the analysis revealed that foreign ownership and major shareholder ownership are the key variables that significantly influence firm value. This study demonstrates that machine learning techniques can provide more accurate predictions of firm value and suggests their potential applications in future managerial and financial analyses.

한국어

본 연구의 목적은 머신러닝 기법을 활용하여 기업 소유 구조가 기업 가치에 미치는 영향을 분석하고, 이를 통해 기존 회귀 분석의 한계를 보완하는 것이다. 기존 연구들은 주로 회귀 분석과 같은 통계적 기법을 사용해 기업 소유 구조와 가치 간의 관계를 분석해왔으나, 비선형 관계 를 반영하는 데 한계가 있었다. 본 연구는 머신러닝을 사용하여 이러한 한계를 보완하고자 한다. 본 연구에 사용된 데이터는 2013년부터 2021년까지의 상장 기업 데이터를 바탕으로 Tobin's Q를 기업 가치의 지표로 삼았다. 변수로는 자산수익률(ROA), 부채비율(LEV), 연구개발 비(RD), 매출 성장률(SGRW), 기업 규모(SIZE), 외국인 지분율(FOR), 대주주 지분율(MASR) 등을 사용하였다. 분석을 위한 머신러닝 모델 은 AutoML(Automated Machine Learning) 기법을 활용하여 다양한 모델을 비교 평가하고, 성과지표가 가장 우수한 모델을 선정하였다. 분석 결과, 랜덤 포레스트(Random Forest)와 그래디언트 부스팅(Gradient Boosting)이 기존 회귀 분석 모델보다 더 높은 예측 성능을 보였으며, 또 한 소유 구조와 관련된 변수들이 기업 가치에 유의미한 영향을 미치는 것으로 확인되었다. 또한, 설명 가능한 인공지능(Explainable AI, XAI) 을 적용하여 각 변수의 중요도를 분석한 결과, 외국인 지분율과 대주주 지분율이 기업 가치에 큰 영향을 미치는 주요 변수임을 확인했다. 본 연 구는 머신러닝 기법을 통해 기업 가치를 더 정확하게 예측할 수 있음을 보여주며, 향후 경영 컨설팅 및 재무 분석에 있어 머신러닝의 활용 가능성을 시사한다.