- Before discussion
What is the research question?
본 논문에서는 기업의 공시활동과 애널리스트 수, 애널리스트 예측 관련 특성 간의 연관성을 살펴본다.
Why it is important/interesting?
애널리스트는 기업의 공시정보를 자본시장에 전달하는 기능을 수행한다. 본 연구에서는 기업의 공시수준이 높을수록 반응하는 애널리스트 수가 많고, 애널리스트의 이익예측오차와 이익예측분산이 낮아진다는 결과를 보여주며 시장예측의 정확도를 제시하고, 공시수준이 높을수록 정보비대칭이 줄어든다고 주장하였다. 다시 말하자면, 애널리스트들은 기업의 정보원천(disclosure sources)을 가지고 기업과 경쟁하지 않고, 경영자 대신 기업의 공시정보를 시장참여자에게 전달하며 정보비대칭을 축소하여 자본 비용을 감소시킬 수도 있다는 의미이다.
이와 같은 결과는 IR과 관련한 공시에 대한 동기부여도 되고, 경영진은 공시정책을 잘 수립해야 한다는 점과도 일맥상통하다. 이미 미국 SEC와 의회에서 증권거래법을 제정해 공시정책과 관련한 규정이 있고, FASB에서도 공시 효율성과 관련한 프로젝트가 진행되었다. 그러나 이전까지 공시 비용에 대한 논의는 많이 이뤄진데 반해 그 효용에 대한 논의는 많이 주목받지 못했는데, 본 연구에서는 기업의 공시정책과 자본비용 감소와 관련된 요소 사이의 관계를 간접적으로나마 보여주며 여러 시사점을 제시하고 있다.
What are the theoretical background and hypothesis?
- 애널리스트 수는 기업규모, 기관투자자 지분, 이익변동성에 따라 증가한다. [Bhushan(1989)]
- 애널리스트 수는 기업의 이익변동성이 감소할 때, 과거에 커버하는 애널리스트 수가 적은 기업일수록, 엄격한 공시요건을 갖춘 산업의 기업일수록 증가한다. [O’Brien and Bhushan(1990)]
- 애널리스트 수는 주가가 낮은 기업일수록 많고, 주식분할 후에 증가한다. [Brennan and Hughes(1991)]
- CEO가 애널리스트 집단에 발표 후에 애널리스트 수가 단기간에 증가한다. [Byrd et al.(1993)]
- 12년 간 FAF의 등급 변화의 최하위 5분위 기업은 애널리스트 수의 유의한 감소가 나타나지 않지만, 최상위 5분위 기업은 애널리스트 수에 유의한 증가를 보인다. [Healy at al.(1994)]
위와 같이 애널리스트 수에 관한 결정요인 선행연구는 대부분 공시 정책보다는 기업 특성에 초점을 맞추고 있다.
- 경영진의 이익 추정에 대응하여 애널리스트들이 예측을 수정한다. [Baginski and Hassell(1990)and Jennings(1987)]
- 조정 규모는 경영진의 이전 추정치의 유용성에 대한 함수다. [Wiliiams(1996)]
- 애널리스트의 이익예측 정확도는 경영진의 이익 예측 발표 후에 근소하게 증한다. [Waymire(1986)]
이렇듯 애널리스트의 예측의 특성에 관한 많은 연구가 있지만, 상대적으로 재량적인 공시가 애널리스트의 예측에 어떤 영향을 미치는가에 대한 연구는 부족한 편이다.
Bhushan(1989)은 애널리스트 서비스의 총수요와 총공급의 교차점에서 균형 애널리스트 수가 결정된다고 말했다. 이 논문에서는 이에 덧붙여 기업이 제공하는 정보가 애널리스트 서비스의 수요공급 곡선에 어떠한 영향을 미치는지를 연구한다. 다른 곳에서 독자적으로 정보를 획득하기보다 기업으로부터 직접 정보를 제공받는 것이 더 낮은 비용이 든다면, 공시의 증가는 공급곡선을 오른쪽으로 이동시키고 애널리스트 서비스의 총공급은 증가할 것이다. 총공급이 증가함에 따라 새로운 균형점이 형성되며 애널리스트 수가 증가한다.
본 연구의 가설은 다음과 같다.
H1. 애널리스트의 수는 기업의 공시정책의 정보성과는 무관하다.
애널리스트 서비스의 수요에 미치는 추가 공시의 영향은 자본시장에서 애널리스트의 역할이 정보중개자(information intermediaries)인지 정보제공자(information providers)인지에 따라 다르다. 정보중개자(기업>애널리스트>시장)일 때 공시의 증가는 애널리스트 서비스의 총공급을 증가시키고 결과적으로 균형 애널리스트 수도 증가하게 된다. 한편 정보제공자(기업>투자자)일 경우 애널리스트가 제공하는 정보는 기업 공시 정보의 대체재로 볼 수 있다. 따라서 공시의 증가는 애널리스트 서비스의 총공급을 감소시키고, 균형 애널리스트 수 또한 감소시킨다 (정보생산비용 절감효과가 수요감소효과보다 크다). Cf. 한국시장에서 정보중개자 역할이 더 큰 것으로 파악
H2. 애널리스트의 이익예측분산은 기업의 공시정책과 무관한다.
추가 공시는 애널리스트의 이익예측의 특성(forecast dispersion, accuracy, volatility)에 영향을 준다. 애널리스트의 예측 분산에 대한 공시 증가의 영향은 예측의 차이가 정보의 차이 때문인지 예측모형의 차이 때문인지에 달렸다.
H3. Analysts의 이익예측 정확성은 기업의 공시정책의 정보력과 양의 상관관계가 있다.
정확성: 기업공시는 미래 이익에 대해 정보력이 있기 때문에, 애널리스트의 예측 정확성은 증가할 것이다.
H4. Analysts 이익예측 수정의 변동성은 기업의 공시정책과 음의 상관관계가 있다.
Revision Volatility(예측 수정 변동성): 실적발표 전 예측수정 변동성은 다가오는 공시 정책에 의해 감소될 수 있다. 기업의 공시활동에 대한 정보력을 평가할 때, 정보 공개의 적시성을 고려하고, 정기적으로 정보를 공시하는 기업이 의무적인 공시만을 하는 기업보다 더 정보력이 있다고 판단한다. Mahoney(1991)은 적시의 정보 공시는 예측 수정의 정도를 감소시킬 수 있다고 주장했다. -> 주가-이익 관련성이 높은 기업은 이익(earning)이 주가에 적시에 반영되는 것을 의미하며, 이러한 회계정보의 적시성(Timeliness)은 시장에서 애널리스트 정보의 수요 를 감소시킬 수 있고, 높은 공시의 질은 애널리스트의 정보취득비용을 증가시켜 정보력이 감소될 수 있다
What are research designs?
Data for Disclosure Variable: 데이터는 FAF Report(1985-1989)의 FAF 등급을 참고하여 수집하였다. 1985-1989 기간 동안 5개의 FAF reports에 최소 한 번 이상 등급이 매겨진 751개 기업이 포함된 FAF 데이터(total 2272 firm-years)들을 샘플로 한다.
리딩 애널리스트로 구성된 FAF의 산업별 subcommittee는 기업공시의 정보성에 대해 다음과 같이 세 가지로 나눠 평가하고, 각 범주의 score와 total score를 부여한다.
- Annual Published Information: 재무적 명료성과 정직성, 직원, 목표, 위치 등에 대한 세부사항, 재무제표와 주석의 세부사항 정도
- Quarterly and Other Published Information: 분기보고 심도, 기타 서술자료 (기사보도, 대용 보고서, 연간 회의록, 통계부록 등)의 유용성과 적시성
- Investor Relations: 애널리스트의 질문에 호의적인지, 경영자에 대한 접근가능성, 애널리스트 대상 IR 발표의 내용과 빈도
Table 1 Panel A: 세가지 범주 score와 total score의 총 score를 백분위로 나타낸 기초통계량 결과로, 각 범주마다 1%~99% 사이의 차이가 최소 58%(Annual Repoert)부터 최대 75%(Invest Relations)까지 많은 차이를 보인다.
Data for Dependent Variables: 데이터는 IBES summary tape을 통해 수집하였다. 4가지 종속변수(Number of Analysts, Std. Dev. of Forecasts, Forecast Accuracy, Revision Volatility)를 고려한다. 기업간 비교를 위해 각 척도를 주가로 나눠주었다.
Data for Control Variables: COMPUSTAT을 통해 데이터를 수집하였다. 선행연구에선 기업규모, ROE의 표준편차, Return-Earning Correlation가 애널리스트 수 변수, 예측 특성 변수와 높은 연관성을 보였다. 어닝 서프라이즈와 Percent New Forecasts는 예측특성변수에 영향을 줄 수 있으므로 통제변수로 추가하였다.
Table 1 Panel C: 시장가치 10억 달러이상의 큰 기업들이 상당수며, 33(백만 달러)~20794(백만 달러)까지 넓게 분포하는 결과를 보여준다.
Table 2: 독립변수와 종속변수를 등급화(rank)시켜 rank를 백분위로 전환시킨 결과로 백분위 전환 후 독립변수간의 상관관계를 나타낸다.
공시 변수간에는 0.46~0.83 사이의 정의 상관 관계가 나타난다. 공시 변수간의 상관관계가 1이 아니라는 것은 각 공시 범주가 공시의 각기 다른 측면을 포착한 다는 것을 의미한다. 통제변수간의 상관관계는 0.28~-0.25 사이로 비교적 상관관계가 높지 않다. 공시 스코어가 증가하면 시장가치가 증가하고 Std. Dev. of ROE와 R-E Corr가 감소하는 결과가 나타난다.
Table3: 애널리스트 변수간 상관관계, 애널리스트 변수와 독립변수 간의 상관 관계를 나타낸다. 먼저 Panel A는 애널리스트 수 및 예측변수와 공시변수와의 연관성을 보여준다. 세 범주의 공시변수는 0.01수준에서 유의한 상관관계를 나타내고, 세 범주의 상관관계가 비슷한 것을 알 수 있다. 애널리스트 수는 기업 공시활동의 정보성과 양의 상관관계가 나타나고, 정보성이 더 있는 기업의 공시활동은 예측변동성을 감소시키고, 예측 정확성이 향상되며, 예측 수정의 변동폭을 감소시킨다. 한편 Panel B는 애널리스트 변수와 통제변수간의 상관관계를 나타낸다. 애널리스트 수는 시장 가치(시총)와 높은 상관관계(0.7)를 보인다. Std. Dev. of Forecasts와 Revision Volatility는 어닝 서프라이즈 및 Std. Dev. of ROE와 높은 양의 상관관계를, 예측 정확성과 어닝 서프라이즈는 음의 상관관계를 보인다.
마지막으로 Panel C는 종속변수간의 상관관계를 나타낸다. Forecast revisions volatility와 Std. Dev. of forecasts의 상관관계가 (0.76)로 가장 높다. 따라서 애널리스트 간의 의견 불일치가 클수록 수정변동폭이 크다고 볼 수 있다. Forecast accuracy와 애널리스트 수는 양의 상관관계로 애널리스트 의 관찰치가 많을수록 예측이 더욱 정확해진다. 그러나 이 논문의 주된 관심은 애널리스트 수와 예측 특성에 대한 공시의 한계효과이기 때문에, 회귀분석으로 공시의 한계효과를 더 알아봐야 한다.
What are the major results?
Table 4 (H1): 애널리스트 수와 공시변수 및 통제변수의 회귀분석 결과이다. Total score 범주에서 공시정책과 애널리스트 수는 유의한 상관관계를 보였다. 또한 세 가지 범주의 공시변수를 포함한 분석에서 Other publications와 Investor relations는 유의한 양의 상관관계가 나타난 반면, Annual report는 유의하지 않은 결과가 나왔다. 기업제공 공시는 애널리스트 서비스의 대체재가 아닌 보완재로, 애널리스트는 자본시장 내 정보중개자의 역할을 한다고 보여진다. 기업규모는 유의한 양의 상관계수를 보인다. 세 가지 범주의 공시변수가 포함된 분석에서 Std. Dev. of ROE와 R-E CORR는 유의한 음의 상관계수가 나타나지만, Total score 공시변수 분석에서는 유의하지 않은 결과가 나왔다. 이는 성과 변동성이 낮고 이익이 주가수익률과 연관성이 높지 않다면 애널리스트 수가 증가 할 것이라는 아주 미약한 증거다. R^2로 미뤄보아 각 모델의 설명력은 상당히 높다고 판단된다 (0.52, 0.45).
Table 5 (H1): 공시정책이 애널리스트 수에 영향을 미치는지(공시정책의 변화와 lead analysts 변화의 상관관계: positive), 애널리스트 수가 공시정책에 영향을 미치는지(공시정책의 변화와 lag analysts 변화의 상관관계 : positive) 인과관계의 방향성을 알기 위해 추가적으로 Disclosure score의 변화와 애널리스트 수의 증감 간 rank-order correlation(순위상관)을 계산하였다. 그 결과, Table 5에서 모든 lagged analyst 수는 음의 상관관계를 보였고 유의하지 않았다. 반면 Lead analyst 수는 양의 상관관계로 부분적으로 유의했다. 따라서 인과관계의 방향성은 공시정책의 변화가 애널리스트 수의 변화에 선행한다는 제한적 증거를 제공한다고 보여진다.
Table 6: Panel A (H2)는 예측분산과 공시와의 관계를 보여주며 모델의 설명력(r^2)이 높다. Total score의 계수가 유의한 음의 상관계수를 보이며 다가오는 공시는 애널리스트 예측 분산을 감소시키는 결과를 보여준다. Annual report와 Investor relations는 유의한 음의 상관계수를 보이나 Other publication은 유의하지 않았다. Market value의 경우 음의 상관계수를 보이며 규모가 큰 기업일수록 예측분산이 낮다는 것을 확인할 수 있다. Std. Dev. of ROE, R-E Corr, earnings surprise, % new forecasts는 유의한 정의 상관계수를 보였다.
Panel B (H3)는 Disclosure score에 대한 예측 정확성을 분석한 결과다. Total disclosure score가 유의한 양의 상관계수를 보이며, 따라서 기업공시가 애널리스트의 예측정확성에 중요한 역할을 하는 것을 볼 수 있다. Other publications와 Investor relations 또한 유의한 양의 상관관계를 보였고, 기업과의 지속적인 커뮤니케이션이 애널리스트가 이익을 예측할 때 중요한 정보를 제공하는 것을 알 수 있다. Market value의 양의 상관관계는 규모가 큰 기업일수록 예측이 비교적 정확한 것을 나타낸다. 한편 E-R Corr, Earnings surprise, % New forecasts는 유의한 음의 상관계수를 보였다.
Panel C (H4)는 Disclosure scores에 대한 예측수정 변동을 분석한 결과다. Total disclosure score는 유의한 음의 상관계수를 보인다. 또한 Investor relations만이 유의하며 기업은 IR을 통해 애널리스트의 예측수정 변동폭을 감소시킬 수 있다는 것을 확인할 수 있다. Market value의 음의 상관관계는 규모가 큰 기업일수록 예측수정의 변동폭이 감소하는 것을 보여주고, Std. Dev. of ROE, Earnings surprise, % New forecasts는 유의한 양의 상관계수를 보였다.
What is the exact contribution beyond prior works?
이전 연구에서 Bhushan(1989)은 수요·공급 측면에서 기업규모, 개별기업수익률과 시장수익률 간의 상관관계, 수익률의 분산과 양(+)의 관계를 증명했다. 반면 Lang and Lundholm(1996)은 기업의 공시활동을 새로이 변수에 추가하여, 공시수준이 높을수록 애널리스트의 수가 많아짐을 발견하여 애널리스트들은 정보획득비용이 적게 소요되는 기업을 선호한다고 주장하였다.
What are the limitations/opportunities for extension?
Bhushan(1989)과 Lang and Lundholm(1996)의 연구에서 공통된 것은 모두 애널리스트의 수와 정보력 간에 양의 상관관계가 존재한다는 강한 가정 하에 이루어진 연구결과라는 점이다. 그러나 양의 상관관계가 존재하지 않는다면, 대리변수가 아닌 애널리스트 서비스/정보에 대한 실제 시장반응을 캡쳐하여 애널리스트의 정보력을 검증할 필요가 있다. 특히 한국주가시장의 경우, 정보제공의 목적보다 증권사의 이익수단인 수수료를 취득하기 위해 마케팅의 일환으로써 리포트를 쓰는 경우도 많기 때문에, 애널리스트 수와 정보력 간의 상관관계가 양의 관계라는 가정이 성립되지 않을 수도 있다.
+ After discussion
본 연구는 애널리스트 커버리지에 대한 이슈에서 굉장히 좋은 논문으로 본다. "이걸 누가 몰라?"하는 내용들을 이론을 끌고 와서 잘 설명하는 좋은 논문.
자, 이제 priavate information (애널리스트 관점) -> public info (정보 관점) 이 되었다.
public info와 private info가 서로 대체재인가? 꼭 그렇지만은 않다.
Public info 가 제 역할을 한다 (individual belief) vs. 애널리스트가 하는 일이 없다?
누구나 같다면 거래는 일어나지 않는다 (no trading theory)
common information 이어서 다같이 따라간다면 분산이 줄어든다.
회계학도 측면에선 분산 줄어들게 해야...
회계의 목적은 (public info를 좋게 만들어서) 정보 비대칭을 해소하는 것이고 이는 private information이 줄어든다는 의미이다.
cf. FAF Report: 기업공시정보에 대해 평가한 자료임. 현재는 X
Further thoughts
대리변수가 아닌 애널리스트 정보에 대한 실제 시장반응을 포착하려면 어떤 요인들을 고려할 수 있을까? E.g., 거래량, 목표주가와 실제주가 차이, 적정주가변동계수, 투자추천등급 변경사항, 투자추천 유무, 연평균 초과수익률 대비 보고서 발표일의 평균적인 초과수익률 -> 이 때 시장 요인을 통제?
역으로 기관투자자 비중이 높고 공시제도가 엄격한 선진 주가시장에서는 애널리스트의 활동이 정보제공자로서 주가에 긍정적 영향을 미치고 논문과도 일치한 결과를 기대할 수 있지만 후진국이나 이머징 마켓의 경우 이러한 효과가 감소하거나 미미하지 않을까 생각이 된다. 한국 주식시장만 해도, 개인이나 외국인 투자자 비중이 높고 사실상 애널리스트들이 자유로운 의견을 내기 어렵고 비즈니스 상 Buy나 Hold 의견을 내는 경우가 많기 때문에 꼭 애널리스트의 수가 정보력과 양의 상관관계를 갖는 것은 아닐 것이다.
그렇기 때문에 Bhushan의 논문에서는 정보공급자 측면에서 애널리스트가 선호하는 특정 산업이나 기업이 있을 수도 있는데, 이에 영향을 주는 요인이 무엇인지 분석해야하는 것이 향후 주어진 과제였다면 Lang and Lundholm 연구에서는 애널리스트의 수(역할)와 공시 등 정보력의 결정요인이 국가, 지역별로 또는 투자자 유형별로 다르게 나타날 수도 있을 것 같다.
No comments