회계이익 변수에 대한 극단치처리 방법의 비교분석 (Comparative Analyses of the Various Outlier Treatment Methods for Accounting Earnings Variables)

서지정보

· 발행기관 : 한국경영학회
· 수록지 정보 : 경영학연구 / 30권 / 1호 / 47 ~ 73페이지
· 저자명 : 한봉희

초록

본 연구는 초과주가수익률을 비기대이익으로 설명하는 선형회귀모형의 추정에서 비기대이익에 대한 극단치처리 방법에 따라 모형설명력과 이익반응계수가 얼마나 제고되는지를 비교평가한다. 기존의 국내외 연구들에서는 비기대이익 분포의 양쪽 끝 1%이내의 값에서 절단 혹은 조정기법을 사용하여 극단치처리를 하는 것이 일반적이다. 그러나 이러한 극단치처리로 인한 모형설명력과 이익반응계수의 제고 효과는 미약하다. 본 연구는 극단치처리의 기준점을 비기대이익 분포의 양쪽 끝 ±5%로 높이거나 비기대이익을 서열처리함으로써 모형설명력이 상당히 제고될 수 있음을 보여준다. 이익반응계수도 ±5%에서 극단치처리를 함으로써 상당히 제고된다. 선형회귀모형에 이익수준을 추가적인 설명변수로 포함시킬 경우 모형설명력과 이익반응계수는 한층 더 제고된다. 구체적으로 극단치처리를 하지 않았을 경우 모형설명력(Adj. R²)은 평균적으로 0.041에 불과하였다. ±1% 조정 혹은 절단처리에 의해 Adj. R²는 0.088과 0.089로 증가하였다. 그러나 비기대이익을 서열처리하였을 경우 Adj. R²는 0.145로 한층 더 증가하였으며 더 나아가 이익수준을 선형회귀모형에서 설명변수로 추가하여 서열처리하였을 경우 Adj. R²는 0.241로까지 증가하였다. ±5% 조정 혹은 절단처리하였을 경우도 이에 버금가게 Adj. R²가 증가하였다. 극단치처리를 하지 않았을 경우 이익반응계수는 평균적으로 0.091에 불과하였다. ±1% 조정 혹은 절단처리의 경우 이익반응계수는 0.273과 0.416이었다. 그러나 ±5% 조정 혹은 절단처리를 함으로써 이익반응계수는 각각 0.949와 1.217로까지 증가하였다. Lev(1989)는 회계이익의 정보내용을 검증하는 기존 연구들에서 Adj. R²가 0.05정도로 미약하게 나온 점에 우려를 표명하고 있다. 본 연구는 회계이익에 대한 극단치처리를 강화하고 이익수준을 비기대이익에 추가적인 설명변수로 고려함으로써 이러한 우려를 상당히 불식시킬 수 있음을 보여준다. 또한 극단치처리를 강화함으로써 이익반응계수가 그 이론적 최소값인 1로까지 제고될 수 있음을 보여준다.

영어초록

This study evaluates comparatively the effect of various outlier treatment methods on explanatory power and earnings response coefficient in estimating the relation between unexpected earnings and abnormal returns under a linear regression model. Existing studies treat outliers in unexpected earnings generally by truncating or winsorizing within ±1% of its distribution. Such methods, however, are weak in enhancing model explanatory power and earnings response coefficient. This study shows that model explanatory power can be substantially improved by raising the outlier cutoff point to ±5% or by ranking unexpected earnings entirely. ±5% outlier treatment also has enhanced earnings response coefficient markedly. Including earnings level in addition to unexpected earnings in the model has further improved model explanatory power and earnings response coefficient. Without outlier treatment, the model explanatory power(Adj. R²) was merely 0.041 on average. Winsorizing or truncating at ±1% increased Adj. R² to 0.088 and 0.089 respectively. Ranking, however, increased it substantially to 0.145. Further, ranking after adding earnings level in the model increased it markedly to 0.241. Winsorizing or truncating at ±5% was similarly effective in increasing Adj. R² as ranking. Without outlier treatment, earnings response coefficient was merely 0.091. Winsorizing or truncating at ±1% increased earnings response coefficient to 0.273 and 0.416 respectively. Winsorizing or truncating at ±5%, however, increased it markedly to 0.949 and 1.217 each. Lev(1989) expresses concern about a weak link between earnings and stock returns, Adj. R² being merely 0.05, documented in existing earnings information content studies. The results of this study indicate that strengthening outlier treatment and including earnings level in addition to unexpected earnings in the model can substantially mitigate such worry. The results also show that strengthening outlier treatment can enhance earnings response coefficient up to its minimum theoretical value, 1.

참고자료

· 없음