머신러닝 알고리즘 기반의 공모주 시초가격 예측모형에 관한 연구 (A Study on the Initial Price Prediction Model of Public Offering Stock Based on Machine Learning Algorithm)

서지정보

· 발행기관 : 한국로고스경영학회
· 수록지 정보 : 로고스경영연구 / 21권 / 2호 / 249 ~ 268페이지
· 저자명 : 배재권

초록

최근 금융위원회는 공모주 시장 건전성을 제고하기 위해 공모주의 시초가격 변동폭(상장일 가격제한폭)을 확대하기로 결정하였으며, 2023년 6월 26일부터 공모주의 시초가 대비 변동폭이 공모가 기준 90~200%에서 60~400%로 확대된다. 상장일 시초가의 변동성이 더욱 커지면서 공모주의 시초가 예측정보를 신속하고 정확히 제공하거나 예측모형을 개발(구축)하고자 하는 유인은 더욱 커질 것이다. 이러한 배경에서 본 연구는 발행회사의 투자설명서 및 증권신고서 데이터를 기반으로 다양한 머신러닝 알고리즘을 활용하여 공모주의 신규 상장일 시초가 예측에 미치는 영향요인을 탐색하고자 한다. 최근 3년간(2019.01 ~ 2021.12) 코스닥 시장에 상장한 기업을 대상으로 로지스틱 회귀분석, 의사결정나무, 신경망, 서포트벡터머신(SVM) 알고리즘을 이용하여 공모주 시초가 예측모형을 구축하였다. 연구결과, 공모주 시초가격에 영향을 미치는 상위변수로 ‘유통가능물량’, ‘일반청약경쟁률’, ‘의무보유확약비율’로 나타났으며 이들 변수가 공모주 시초가격에 주요 영향요인이라는 것을 확인하였다. 유통가능물량(평균 20% 이하)의 경우 적을수록 시초가 100% 확률이 높아진다. 또한 일반청약은 증거금 납입과 반환까지 시간이 소요되어 기회비용이 발생한다. 이들 기회비용이 발생함에도 불구하고 청약경쟁률(평균 1,300 대 1)이 높게 형성되면 공모수익률에도 긍정적인 영향을 미친다. 마지막으로 ‘의무보유확약비율’은 기관투자자들이 수요예측과정에서 공모주를 일정기간 동안 매도하지 않는 확약비율로 이 비율이 높을수록(평균 20% 이상) 공모가 대비 시초가 100% 확률이 높아지는 것으로 나타났다.

영어초록

Recently, the Financial Services Commission decided to expand the range of fluctuations in the opening price of public offering stocks (the price limit on the listing date) in order to improve the soundness of the public offering stock market and from June 26, 2023, the range of fluctuations in the initial price of the public offering stock will increase from 90-200% based on the public offering price to 60-400%. As the volatility of the initial price of the listing date increases, the incentive to develop prediction models that provides predictive information on the initial price of public offering stocks will increase. Against this background, this study aims to explore the influencing factors on the prediction of the new listing date of public offering stocks by using various machine learning algorithms based on data from issuers' prospectuses and securities filings. For companies listed on the KOSDAQ market for the last three years, a model for predicting the initial public offering stock price was built using logistic regression, decision trees, neural networks, and support vector machines. As a result of the study, the top variables that affect the initial price of public offering stocks were ‘amount available for circulation’, ‘general offer competition rate’, and ‘confirmation ratio for mandatory holding(lock-up)’, and it was confirmed that these variables are the main influencing factors on the initial price of public offering stocks. The smaller the circulating supply (average 20% or less), the higher the 100% probability of starting. In addition, general subscriptions incur opportunity costs due to the time required for margin payment and return. Despite these opportunity costs, a high subscription competition ratio has a positive effect on the excess return. Finally, the ‘obligatory holding commitment ratio’ is a commitment ratio in which institutional investors do not sell public offering stocks for a certain period of time during the demand forecasting process, and the higher the ratio (on average, more than 20%), the higher the probability of a 100% initial public offering price.

참고자료

· 없음