Korean J Financ Stud Search

CLOSE


Korean J Financ Stud > Volume 53(3); 2024 > Article
IPO 수요예측시 기관투자자의 의사결정 요인에 관한 실증연구

Abstract

Various studies on IPOs have been conducted and have mainly focused on determinants of the public offering price. In this study, we analyzed the investment decision-making factors of institutional investors by focusing on the book-building process (a step before the public offering price decision). We conducted an empirical study on the determinants of institutional investors’ investment decisions based on data from 542 companies that participated in the book-building process from January 2017 to December 2023. As a result of the analysis, the significant variables were differentiated by the dependent variables. We found that the IT sector, size of the applied multiple, and disparity in the KOSDAQ index were essential factors in common. However, company characteristics written in the prospectus and financial data calculated based on the previous year’s performance were not significant in terms of institutional investors’ decision-making. For the analysis, we used a seemingly unrelated regression (SUR) model (institutional competition rate, participation intensity, and mandatory holding pledge) and a multinomial logit model (selection of price band).

요약

IPO 관련 연구는 주로 공모가격 결정에 초점을 두고 다양하게 진행되어 왔다. 본 연구는 공모가격 결정 이전 단계인 수요예측 과정을 중심으로 기관투자자의 투자 의사결정 요인을 분석하였다. 2017년 1월부터 2023년 12월까지 수요예측에 참여한 542개 기업을 대상으로 기업특성변수, 재무특성변수, 공모특성변수의 독립변수를 사용하여 기관투자자의 투자의사결정의 직접적 결과물인 기관경쟁율, 참여강도, 기관확약, 공모밴드 선택을 종속변수로 하여 기관투자자의 투자의사 결정요인에 대한 실증연구를 진행하였다. 분석결과 종속변수별로 유의한 변수는 차별적으로 나타났으나, IT섹터여부, PER적용배수의 크기, 코스닥지수와의 이격도는 공통적으로 중요한 요인임을 확인할 수 있었다. 한편, 증권신고서상에 기재되어 있는 기업특성, 전년도 실적을 기반으로 산출된 재무자료는 기관투자자의 의사결정에 유의하지 않았다. 분석을 위해 SUR(Seemingly Unrelated Regression) 모형(기관경쟁율, 참여강도, 기관확약)과 다항로짓 모형(공모밴드 선택)을 사용하였다.

1. 서론

상장이란 한국거래소가 정한 요건을 충족한 기업이 발행한 주권을 증권시장에서 거래 가능하도록 허용하는 것을 말하며, 기업은 상장을 통하여 유상증자, 전환사채 및 교환사채 발행 등 다양한 방법으로 필요자금을 쉽게 조달할 수 있다. 또한 기업의 인지도 제고를 통한 우수인력의 확보 및 기업 구조조정의 원활한 추진을 통해 경영 성과를 강화할 수 있는 효과도 있다. 상장방식은 크게 신규상장, 재상장, 추가상장, 변경상장으로 구분되며 신규상장은 다시 공모상장과 직(유통)상장으로 구분된다. 상장예비심사 청구 후 공모(모집·매출)를 한 경우를 공모상장이라 하는데1) 공모상장은 일반적으로 IPO(Initial Public Offering, 기업공개)와 혼용하여 사용되고 있으며, 1999년 5월 24일 공모가격 결정제도를 완전히 자율화하는 조치와 더불어 수요예측제도를 도입한 이후 IPO시장은 여러 가지 제도적 보완을 거쳐 지속적으로 발전해왔다.
수요예측(book-building) 이란 주식을 공모함에 있어 최종 발행가격을 결정하기 위하여 대표주관회사가 발행주식의 공모희망가격 범위(밴드)를 제시하고 투자자의 수요상황(가격 및 수량)을 파악하는 것을 말한다. 수요예측에는 금융투자협회의 「증권 인수업무 등에 관한 규정」에서 정하는 기관투자자만 참여할 수 있으며, 기관투자자는 일반투자자에 비해 정보 수집력과 분석력이 뛰어나므로, 대표주관회사가 제시한 공모희망가격의 적정성을 일반투자자를 대신하여 검증할 수 있다고 보아 대표주관회사와 발행회사는 수요예측 결과를 감안하여 최종적인 공모가격을 결정하게 된다2). 공모가격의 확정, 공모주식 수의 조정 및 상장철회 등의 중요한 의사결정은 수요예측의 직접적 결과물이므로 수요예측은 신규 공모 과정에서 매우 중요한 과정이다. 또한 기관투자자의 수요예측 경쟁률은 일반 투자자들의 청약 경쟁률과 상장 이후의 주가 흐름에도 중요한 참고 변수이다.
한편 공모시장의 지속적인 성장으로 2021년 IPO공모금액은 2020년 4.5조원 대비 3.3배 급증한 19.7조 원으로 역대 최대를 기록하였고 수요예측 참여 기관수(평균)도 2019년 841개, 2020년 1,074개, 2021년 1,271개 로 꾸준히 증가하였으며3), IPO는 혁신기업의 주식시장 진입과 초기 투자자들의 모험자본의 회수통로로서 자본시장의 중요한 핵심기제로서의 역할을 해오고 있다. 반면 과열 경쟁에 따른 부작용도 나타나고 있어 2022년 12월 19일 금융위원회는 「허수성 청약 방지 등 IPO 건전성 제고방안」을 발표하였다. 2023년 4월 27일 금융투자협회는 「증권 인수업무 등에 관한 규정」을 개정하여, 주관회사의 주금납입능력 확인의무 및 허수성 청약자에 대한 불이익 부과를 신설하고, 불성실 수요예측 참여자에 대한 제재 기준을 합리화하였다. 한국거래소는 2023년 4월 13일 「신규상장일 가격 결정방법 개선을 위한 업무규정 시행세칙 개정」안을 발표하였으며 공모 당일 변경된 가격 변동폭(60~400%)을 적용할 수 있도록 시스템 개발 및 사전테스트 후 2023년 6월 26일부터 시행하였다.
현재 제도가 도입되어 시행된 지 6개월 남짓 지나 변경된 제도의 효과를 판단하기에 다소 이른 시점이지만, 2024년 연초 증시의 부진이 이어지고 있음에도 공모시장은 여전히 과열 양상을 보이고 있어 상장 당일 주가 변동폭 변경의 효과에 대한 우려의 목소리도 나오고 있다. 실례로 2024년 초 우진엔텍을 시작으로 HB인베스트먼트, 포스뱅크, 현대힘스 등 4종목의 수요예측을 진행한 결과 일제히 희망 범위 상단을 초과한 공모가를 확정했다4). 또한 공모시장이 과열로 수요예측이 무색해지면서 그 피해가 공모주 청약에 참여한 개인투자자에게 돌아갈 수 있다는 지적도 나오고 있다5). <표 1>의 최근 10년간 신규상장 종목 현황을 살펴보면 2023년 상장한 IPO 종목 평균수익률이 74.7%로 최근 10년간 가장 높은 수익을 보여 시장 참여자들의 공모주 시장으로의 쏠림을 가속화 한 것으로 보인다.
<표 1>
최근 10년간 신규상장 종목 현황
한국거래소 전자공시홈페이지(KIND, www.kind.krx.co.kr)의 ‘신규상장기업현황’에서 2014년부터 2023년까지 공모의 방법으로 코스피/코스닥시장으로 신규상장한 종목에 대한 자료를 수집하여 정리하였다. 수익률은 상장당일 공모가 대비 종가의 수익률이며, 상승비율은 종가가 공모가 대비 높게 마감한 경우의 수를 상장종목수로 나누어 산출하였다. 수익률과 상승비율은 스팩, 리츠를 제외한 일반기업을 대상으로 한정하였다.
구 분 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
상장종목(수) 72 118 81 82 99 105 95 119 118 121 1,010
 - 일반기업 46 73 68 62 77 73 70 89 70 82 710
 - SPAC 26 45 12 20 20 30 19 25 45 37 279
 - 리츠 0 0 1 0 2 2 6 5 3 2 21
 수익률(%) 41.4 34.1 23.2 28.6 34.5 27.6 56.9 57.4 28.5 74.7 40.7
상승비율(%) 76.1 63.0 67.6 69.4 74.0 68.5 80.0 83.1 64.3 84.1 73.0
공모상장 시장의 지속적 성장에 따라 국내 자본시장이 안정적으로 성장하는 것을 돕고 공모시장 과열 및 제도 미비에 따른 부작용을 최소화하기 위해 학계에서도 다양한 연구가 지속되어왔다. 하지만 대부분의 연구가 상장 당일 주가 변화에 따른 공모가격의 저평가 현상과 상장이후 주가의 움직임을 중심으로 연구가 주로 이루어져 왔으며, 공모가격이 결정되는 수요예측 과정에서 시장 참여자의 투자 행태 및 수요예측 및 청약에 따른 정보생산 기능에 관한 연구는 부족한 실정이다. 본 연구는 수요예측에 참여한 기관투자자의 최종 선택의 직접적 결과물인 기관경쟁률, 참여강도, 의무보유확약, 희망공모밴드 내 참여여부 등을 분석하여, 일반투자자를 대신하여 공모희망가격의 적정성을 검증하는 기관투자자가 실질적으로 중요하게 판단하는 변수 및 투자결정 요인을 확인하고 수요예측 과정에서 생성된 정보를 바탕으로 IPO단계에서 발행회사, 주관회사 및 시장참여자들의 효율적 의사결정과 IPO 시장의 긍정적 발전 방향을 수립하는데 유용한 정보를 제공하고자 한다.

2. 제도 및 선행연구

본격적인 분석에 앞서 IPO 공모주 상장절차를 전체적으로 살펴보면 <그림 1>과 같이 크게 10가지 단계로 구분할 수 있다.
<그림 1>
현행 IPO 절차 개요
kjfs-53-3-363-g001.jpg
상장예비심사청구를 통과한 발행사는 금융감독원에 증권신고서를 제출하게 되는데 증권신고서에는 대표주관회사의 기업실사를 바탕으로 평가된 기업가치와 모집·매출 주식 수량 등의 발행조건 및 주당 희망공모가격 범위를 제시한다. 이후 증권신고서의 효력이 발생하면 대표주관회사는 기관투자자를 대상으로 희망 매수가격 및 수량 등 수요상황을 파악하는 수요예측을 실시하며, 5영업일 이상의 기간동안 이루어 진다. 수요예측 후, 발행사와 주관사가 협의하여 최종 공모가를 결정한다. 확정된 공모가를 바탕으로 기관 유형별로 배정물량을 할당하고, 각 유형 내에서 참여기관별로 가중치를 적용하여 최종 배정 수량이 결정된다. 이후 일반투자자의 청약을 접수받고 주식분산요건 및 주금납입여부 등을 확인한 뒤, 거래소가 최종적으로 상장을 승인하게 되면 공모절차는 마무리된다.
1999년 수요예측 제도가 도입된 이후 제도변화에 따른 정책효과 및 개선방향, 공모가 결정 방식, 공모주 저가발행 현상에 대한 원인 분석, 상장 후 주가변화를 통한 장단기 성과 분석 등의 연구가 이루어 졌다. 우선 제도변화 및 공모가 결정방식에 관하여, Lee(2016)는 국내 신규공모시장의 규제환경을 시장조성의무 관련 제도와 수요예측관련 제도로 크게 구분하였다. 시장조성의무관련 제도는 2000년 2월 첫 도입 이후 점차 완화되다가 2007년 6월 수요예측 자유화 조치이후 실질적으로 상장 주관회사의 시장조성의무는 완전히 폐지되었다고 보았다. 수요예측관련 제도는 수요예측 참여 투자자의 범위, 공모주가의 산정, 공모주식 배정에 대해 주관회사의 권한을 제한하는 한편 과열되는 신규 공모시장을 통제하기 위한 방향으로 지속적으로 변화하였다고 하였다. Kim and Khil(2001)은 수요예측과정을 통한 공모주가의 결정방식에 대하여 연구하였으며, 수요예측제도의 원래 취지와는 달리 일부 기관투자자들은 수요예측 시 공모주식에 대한 철저한 분석을 통하여 적정가격을 제시하기보다는, 공모주식을 확실하게 배정 받을 수 있다고 생각되는 충분히 높은 가격을 제시하는 경향이 있어 공모가격의 왜곡을 초래하고 있음을 지적하였다.
한편 신규상장 공모주의 저가발행은 오랜 기간 국내외에서 많은 연구가 진행되어 온 대표적인 시장이례현상(market anomaly)으로 상장초기 주가가 확정공모가에 비해 상승하는 현상을 말한다. Loughran et al.(1994)은 미국을 비롯한 전세계 대부분의 IPO 시장에서 저가발행에 따른 상장초기 유의한 양의 초과수익률 현상이 나타남을 확인하였으며, Ritter and Welch (2002)는 1980년에서 2001년까지 미국에서 상장한 IPO 기업의 70%가 상장당일 종가수익률이 양의 초과수익률을 나타내었으며 평균 18.8% 수준으로 보고하였다. 국내 연구에서도 연구기간 및 대상에 따라 차이는 있지만 1990년대의 경우 평균 54.3% 로 관측되었다(Lee et al., 1995). 다른 실증연구들은 약 60%~100%의 초과 수익이 나타나는 것을 보여주었으며6), 본 연구의 <표 1>에서와 같이 2014년 이후 최근 10년간 평균 40.7%의 초과수익이 발생하여 저가발행 현상은 여전히 지속되고 있음을 알 수 있다. 국내외에서 공모주 저가발행 현상에 대한 원인을 설명하기 위해 승자의 저주(winner’s cures)이론, 정보취득(information acquisition)이론, 정보폭포(information cascade)이론, 조망이론(prospect theory), 미래소송방지(lawsuit avoidance) 및 주관사 대리인(money left on the table)이론 등의 다양한 방식의 이론과 가설이 적용되어 연구되었다. Jeong(2008)은 Benverniste and Spindt(1989)의 동태적 정보취득 이론 및 조망이론 관점에서 분석하여 수요예측제도 하에서 예정공모가격보다 확정공모가격이 높게 조정되는 경우, 낮게 조정된 경우에 비해 상장 초기수익률이 더 크게 발생하는 부분조정현상이 유의적으로 존재하며, 시장상황을 상승기와 하락기로 구분하여 분석한 결과 상승기에서의 공모가격 조정정도가 하락기에서 보다 상장 후 초기 수익률에 더 큰 영향을 미치고 있음을 발견하였다. Soh(2010)는 IT 기업을 대상으로 동태적 정보취득 모형에 따른 부분조정현상 존재 및 지속성에 대해 실증분석 하였다. 동 연구는 시장상황이 좋고 공모금액이 크며 보호예수 주식수가 많을수록, 그리고 수요예측의 경쟁률이 높고 참여기관들의 정보가 일치될수록 공모가격은 상향조정 되는 등의 부분조정현상의 존재를 확인하였다.
최근의 연구에서는 머신러닝을 통해 상장이후 공모주 성과에 미치는 변수에 대한 연구가 진행되었으며, Cho et al.(2020)은 판별분석, 회귀분석, 의사결정나무를 활용한 공모주 수익률 예측모형을 통해 기관수요경쟁률, 공모가격 범위(하단, 상단), 공모금액, 공모시장 동향 등의 변수가 공모주 수익률에 유의한 영향을 미친다는 연구결과를 제시하였다. Bae(2023)는 2019년부터 2021년까지 코스닥시장에 상장한 기업을 대상으로 로지스틱 회귀분석, 의사결정나무, 신경망, 서포트벡터머신(SVM) 알고리즘을 이용하여 공모주 시초가 예측모형을 구축하였다. 연구 결과, 유통가능물량, 일반청약경쟁률, 의무보유확약비율이 공모주 시초가격에 중요한 영향을 미친다고 하였다. Kim and Choi(2021)는 2016년부터 2020년까지 코스닥시장에 신규상장한 기업의 수요예측정보, 청약경쟁률, 인터넷검색량을 사용하여 기관투자자와 개인투자자의 관심(attention)이 IPO 주식의 초기성과에 미치는 영향을 실증분석하여 청약일, 상장 전일 및 상장일의 비정상검색량 지수가 상장일 종가 기준 수익률에 유의한 정(+)의 효과가 있음을 확인하였다.
신규공모 기업의 가치 평가의 적정성에 대한 연구도 진행되어 Soh and Jeong(2009)은 2001년부터 2007년까지 신규상장한 305개 IT기업을 대상으로 기업가치 평가방법의 차이가 수요예측과정에서 공모가격의 조정과 상장이후 수익률의 영향에 대한 실증분석 하였다. 연구 결과 IT기업들의 경우 상대(비교)가치 평가방법7)이 절대가치평가방법8)에 비해 보다 더 정확한 기업가치를 반영하여 수요예측과정에서 정보수집의 효율성을 높일 수 있으며, IPO저평가와 관련한 초기 성과측면에서도 더 유리하다고 하였다. Choi and Kang(2023)은 2005년부터 2020년까지 기술성장상장제도9)를 통해 시장에 진입한 86개 기업을 대상으로 보호예수 종료 이후 1년 내에 최대주주 및 특수관계인이 지분을 매각한 기업이 지분을 매각하지 않은 기업에 비해 기존 주주가치를 높게 평가받기 위해 상장 시 추정수익을 더 과대 계상하였는지를 실증분석 하였다. 그 결과 최대주주 및 특수관계인이 보호예수 이후 1년 동안 지분을 매각한 기업은 지분을 매각하지 않은 기업에 비해 1년차 추정 당기순이익을 유의하게 더 과대산정 하는 것으로 나타났다고 하였다. 특례제도의 도입 취지도 살리면서 투자자를 보호하기 위해서 최대주주 및 특수관계인의 지분매각을 현실적으로 제한하는 것을 고려해 볼 필요가 있음을 주장하였다.
Shin and Lee(2013)는 ‘동태적 정보취득가설’의 검증에 있어 사적정보 지표의 존재가 결정적으로 중요함에도 불구하고, 국내외를 막론하고 사적정보 지표를 직접 활용하여 실증연구를 진행한 기존 연구를 찾아보기 힘들다고 하였다. 이는 수요예측과정에서 주관회사가 투자자로부터 수집하는 사적정보 지표를 관측하기 어렵기 때문이며, 대부분의 실증연구는 Hanley(1993) 이후로 수요예측기간 중 공모가조정률10) 자체를 사적정보의 대용치로 사용하여 왔다고 하였다. 분석결과 수요예측 과정에서 얻어진 정보는 공모가 결정에 유의한 영향을 미치는 것으로 나타났으나, 동태적 정보취득 가설의 주요 가정인 공모주 배정에서 절대적 권한을 가진 주관사가 정보비대칭성의 해소를 위해 참여자가 제공하는 사적정보에 대한 보상으로써의 공모주 저평가는 통계적 강건성이 약하다고 보고하였다. 이는 미국과 달리 주관회사가 수요예측 참여자를 사전에 정할 수 없고, 자격을 갖춘 기관투자자는 제한 없이 참여가 가능한 국내 IPO 시장 특성이 그 원인이라 하였다. 동 연구는 또한 주관사의 희망공모가격 설정시점부터 공모가격 결정시점까지의 코스닥 지수의 변동률을 통해 수요예측기간 중 생성된 공적정보의 부분반영이 공모가 저평가의 유의한 원인이었음을 실증분석 하였다. 이는 공적정보의 부분반영 현상(Lowry and Schwert, 2002: Loughran and Ritter, 2002)을 의미하는 것으로 그 동안 받아들여졌던 ‘동태적 정보취득가설’의 예측과 다른 결과임을 주장하였다.
수요예측의 정보성에 관한 연구는 Choi(2023)에 의해서도 이루어졌으며, 미국 IPO 시장은 주관사가 선택한 수요예측 참여기관에게 공모주 물량을 재량으로 배분하기 때문에, 기관수요예측 경쟁률이 공모주식에 대한 시장수요를 반영한다고 보기 어렵고, 한국 IPO 시장은 요건을 충족하는 기관투자자, 개인투자자, 우리사주 조합원은 큰 제약 없이 공모주 청약을 통해 물량을 배정받기 때문에 한국에서 투자주체별 투자 경쟁률은 신규공모주식에 대한 시장수요를 반영할 수 있다는 점에서 투자 경쟁률이 정보성을 가질 가능성이 존재한다고 보았다. 특히 수요예측이 제도로써 규정되어 있고 신규공모주식의 물량배정도 대표주관사가 수요예측에 참여하는 기관을 제한하지 못하기 때문에, 제도적 요건을 만족하는 기관은 수요예측에 참여할 수 있어 수요예측과정 에서 나타나는 기관 수요예측 경쟁률은 정교한 투자자의 시장수요를 충분히 반영 하는 수치일 수 있다고 보았다. 결과적으로 한국 IPO 시장에서 기관 수요예측 경쟁률은 신규공모주에 대한 정교한 투자자의 시장수요를 반영하는 정보성을 가지고 있으며, 정보비대칭성이 큰 IPO시장에서 기관수요예측 경쟁률이 양호한 IPO기업을 구별하는 예측지표로 사용될 수 있음을 시사한다고 하였다.
본 연구는 수요예측 단계에 있어서 발생하는 기관투자자로부터 나오는 정보성을 구성하는 요인에 대한 분석을 진행하고자 하였다. 수요예측에 참여한 기관투자자의 기관 경쟁률, 참여강도, 의무보유확약을 SUR모형을 통해 동시 선택 의사결정에 대한 분석을 하였으며, 희망 공모가 밴드외 선택여부를 종속변수로한 다항로짓모형을 통해 수요예측 시점의 가격 조정효과에 대한 결정요인도 추가적으로 살펴보았다. 이를 통해 한국적 특성이 반영된 수요예측 제도하에서 기관투자자의 수요예측 참여시 경쟁률 및 경쟁강도를 구성하는 기관투자자의 중요한 의사결정 요인과, 주어진 공모밴드에 대한 수요예측 참여자의 공모가액 조정요인을 분석하여 IPO에 참여하는 발행회사, 주관회사, 투자자의 효율적 의사결정에 중요한 정보를 제공하고자 하였다.

3. 연구방법

3.1 분석자료

본 연구는 2017년부터 2023년까지를 시간적 범위로 하여, 코스피 및 코스닥시장으로 신규 공모의 방법으로 수요예측을 실시한 524개 기업을 분석대상으로 하였다. 금융감독원에 제출한 증권신고서, 투자설명서, 증권발행실적 보고서 등의 공시자료를 개별 기업별로 수집한 데이터를 기본적으로 사용하였다. 한편, 증권신고서상 보고되어 수집한 직전년도 실적 정보의 검증을 위해 WiseFn의 Quantiwise7의 연간재무 정보를 보조적으로 사용하으며, 코스닥 지수 및 52주 평균 코스닥지수, 업종구분 자료도 Quantiwise7을 이용하여 수집하였다. 한편 확정공모가격, 상장당일 주가, 대표주관회사, 수요예측일, 상장일, 이전상장여부, 특례상장여부 등의 정보는 한국거래소 상장공시시스템(KIND)로부터 수집하여 정리하였다. 수요예측 과정에서 발행사가 철회를 한 경우 선행연구는 분석에서 제외하였으나, 본 연구는 공모가 밴드 하단 미만을 선택한 것으로 간주하여 모형에 포함하였다. Shin and Lee(2013)는 시장조성의무의 존재와 변천, 공모가격 책정방법의 변천, 공모물량 배정 규제의 변천 등을 종합적으로 고려하여 규제환경이 비교적 동질적이고 또한 그 동질성이 어느 정도 장기간 지속된 기간을 고려하여 표본기간을 세 개의 기간으로 구분하여 실증분석을 진행하였다. 본 연구에서는 2018년 4월부터 코스닥시장 활성화를 위한 코스닥벤처펀드 제도11)가 도입되었고, 전문사모운용사 및 자문사, 신기술투자금금융회사의 설립 자본한도가 낮아지는 등12)의 제도적 변화도 있었으며, 2023년 하반기에 허수성 청약방지 제도 도입 및 시행으로 수요예측 참여 기관별로 신청할 수 있는 주식수량이 납입가능 금액 범위내로 제한되는 등의 제도적 변화로 인해 규제환경이 동질적인 기간은 2018년부터 2023년 상반기로 보았다. 다만 모형의 강건성을 확인하기 위하여 2017년과 2023년 하반기를 포함하였다.

3.2 변수의 구성 및 측정방법

본 연구의 종속변수는 기관투자자의 수요예측 결과에 따라 결정되는 기관투자자 수요예측 경쟁률, 참여강도, 3개월 이상 의무확약 비율 및 확정공모가액의 희망 공모밴드 내 선택여부이다. 첫 번째 종속변수인 수요예측 경쟁률은 기관투자자가 수요예측 참여시 신청하는 주식수의 합계를 총 공모주식주 중 기관투자자 배정주식수로 나누어 산출하며 발행조건이 확정된 증권신고서를 통해 확인할 수 있다. 두 번째 종속변수인 참여강도는 기관 또는 집합투자기구의 집합 단위별 평균 신청 수량13)을 기관배정 총수량으로 나누어 수요예측을 신청한 참여자의 평균적인 참여강도를 산출하였다. 동 변수는 기관 경쟁률과 상관성이 매우 높은 변수이나, 기관투자자는 수요예측 참여시 참여여부와 참여수량에 대한 의사결정을 동시에 하는 점과 참여 기관수의 증가에 따라 단순경쟁률이 증가할 수도 있는 점을 보완하기 위한 목적으로 사용하였다. 또한 2023년 8월부터 새롭게 시행된 기관투자자의 허수성 청약 제한제도의 효과도 확인하고자 하였다. 세 번째 변수는 의무보유확약 비율로 기관투자자가 수요예측을 신청하면서 의무보유기간을 확약한 수량 중 3개월 이상 장기간 확약한 비율로 최대주주 및 기존주주가 공모 후 주식을 일정기간 매각할 수 없게 제한하는 보호예수14)와 구분된다. 앞서 설명한 종속변수인 기관투자자 수요예측 경쟁률, 참여강도, 3개월 이상 의무확약 비율은 참여시 동시에 선택 작성하는 내용으로 SUR(Seemingly Unrelated Regression)모형을 통해 분석하였다.
한편 공모가격이 희망 공모밴드 범위 밖에서 결정되는 경우, 즉 공모밴드 상단 초과 및 공모밴드 하단 미만에서 결정되는 경우는 로짓모형으로 분석하였다. 한편, 수요예측을 실시하였으나 철회된 경우는 공모밴드 하단 미만에 포함 하였으며, 공모밴드 범위 내에서 결정된 경우는 0, 하단 미만 및 철회는 1, 상단초과는 2로 구분하였다.
독립변수는 기업의 특성을 나타내는 변수, 재무비율 및 주당 평가가액의 산출에 사용되는 재무특성 변수 및 공모와 관련된 기타 특성변수로 크게 구분하였다. 기업 특성을 반영하는 변수로는 상장시장 구분, 업종, 업력, 종업원 수, 기업규모를 사용하였다. 상장시장 변수는 공모 후 상장되는 시장이 코스피인지 코스닥인지에 따라 0과 1로 구분하였으며, 업종구분은 Quantiwise7이 제공하는 WICS 대분류 10개 업종구분을 다시 유사업종으로 묶어 5가지 업종으로 재분류하였다. IT 하드웨어, 소프트웨어 및 미디어 업종 등을 1, 바이오, 헬스케어 업종을 2, 산업재, 에너지 및 유틸리티 업종을 3, 경기관련 소비재 및 필수소비재 업종을 4, 금융관련 업종을 5로 구분하였다. 기업의 업력은 법인 설립일 부터 수요예측일 까지의 기간을 365일로 나누어 산출하였으며, 종업원 수는 증권신고서 제출 시 보고한 종업원 수이다. 기업의 규모는 증권신고서에 기재된 t-1기의 자산총계를 로그변환 하여 사용하였다. 재무특성변수는 증권신고서 제출시점 최근년도 실적을 기반으로 산출된 재무비율 등의 재무변수와 시가총액 및 주당 평가가액 산출을 위한 밸류에이션 평가변수로 나누어 수집하였다. 12월 결산법인 기준 회계감사를 통해 연간재무실적이 확정되어 공시되는 시점이 매년 3월 31일로 해당 시점을 기준으로 수요예측 당시 최신 연간 실적자료를 최대한 반영한 자료를 수집하여 재무비율을 산출하였다. 기본적으로 증권신고서상의 자료를 사용하였으며 Quantiwise7에서 제공하는 데이터를 보조적으로 사용하여 데이터의 신뢰성을 검증하였다. 매출액은 로그값으로 변환하여 사용하였으며, 매출액 성장률은 t-2기 연간 매출액 대비 t-1기의 연간 매출액의 증가액으로 증권신고서상의 직전 2개년도 정보를 수집하여 산출하였다. 일반적으로 수익성을 평가하는 재무비율로는 당기순이익을 자본총계로 나눈 ROE가 주로 사용되나, 상장예정 기업 중 수익을 창출하지 못하여 자본총계가 음수인 기업이 존재하여 ROE 대신 t-1기의 연간 당기순이익을 t-1기말 자산총계로 나눈 ROA를 사용하여 분석하였다. 부채비율 역시 같은 이유로 자본총계 대신 자산총계를 사용하여 t-1기 말 총자산대비 총부채의 비율을 산출하여 사용하였다.
주당 평가가액의 산출은 수요예측 희망 공모가격 밴드를 산정하는 가장 중요한 과정이며, 공모가격이 적정하게 산출되었는지 여부가 기관투자자의 수요예측 참여 의사결정에 중요한 변수가 된다. 또한 수요예측 과정을 통해 상장 신청기업이 희망하는 평가가액이 적정한지 여부를 시장에서 검증받는 자료이기도하다. 증권신고서 상에 제출된 주당 평가가격 산정 시 근거로 사용된 평가 방법, 적용 배수, 적용실적 및 할인율 등의 자료는 개별기업의 증권신고서를 통해 수집하여 사용하였다. 주당평가가액은 비교대상 그룹 분석을 통해 적절한 평가방법과 적용배수를 산출한 뒤, 적용배수에 연간(추정)실적을 곱하여 예상시가총액을 구한 뒤 예상발행 주식총수로 나누어 산출한다. 희망공모가액 밴드는 주당평가가액에 적정한 할인율 밴드를 반영하며 이를 토대로 수요예측을 실시하게 된다. 각 평가방법에 따라 적용배수에 차이가 발생하므로 적용평가방법인 PER, PBR, PSR, EV/EBITDA으로 구분하여 평가방법과 배수를 분류하였다. 적용실적은 수요예측 시점에 분기 및 반기 실적을 기반으로 연환산한 실적 또는 미래 예상 추정 실적을 할인하여 사용하는데 적용실적갭은 주당평가가액 산출시 적용된 실적과 t-1기에 공시한 실적과의 차이의 절대값을 주당평가가액 산출시 적용한 실적으로 나누어 산출하였다. 모형에 사용한 변수는 평가방법과 적용배수, 평가방법과 적용실적갭을 상호작용변수로 설정하여 평가방법별로 분석하였다. 분석에 사용된 할인율은 예상주당평가액에서 공모희망가격 밴드 산정을 위해 적용한 할인율 중 공모밴드 상단가격에 적용된 할인율이다. 공모 특성변수는 수요예측년도, 기관투자자 공모금액, 공모가격, 신규상장여부, 특례상장여부, 대표주관회사, 구주매출비중, 공모 후 최대주주 비율 보호예수 비율 및 보호예수 기간, 공모수익률, 이격도 등의 변수를 사용하였다. 수요예측년도는 본 연구의 시간적 범위인 2017년부터 2023년까지의 7개 년도를 더미변수로 분류하였으며, 기관투자자 공모금액은 기관투자자 수요예측 배정수량에 희망공모 상단가액을 곱하여 산출한 뒤 로그값을 사용하였는데, 발행사가 공모를 통해 조달하고자 하는 희망하는 금액과 이를 평가하는 기관투자자의 의사결정을 반영하고자 상단가격을 사용하였다. 희망공모가격은 희망공모가액의 상단과 하단가격의 중간값을 적용하였다. 한편, 기관투자자의 공모금액, 예상 시가총액, 상장 후 유통가능 금액 등은 회귀분석 결과 다중공선성이 발생하여 분석 목적에 가장 적합한 기관투자자 공모금액만을 사용하여 분석하였다. 코스닥에서 코스피로 이전상장 하는 경우는 공모절차가 없으나 코넥스에서 코스닥으로 이전상장 시 공모를 하게 되며 이전상장하는 경우는 0, 일반 신규상장인 경우는 1로 구분하였다. 특례상장은 기술성 평가특례, 성장성 상장 또는 사업모델 특례상장인 경우는 1, 일반 상장인 경우는 0으로 구분하였다.
대표주관회사는 관측대상기간 동안 상장 대표주관 회수를 기준으로 분류하였으며 상위 9개 업체는 별도로 분류하였으나 10번째 미만의 업체는 묶어서 구분하였는데, 기저 더미변수는 1위 업체이다. 구주매출비중은 공모 시 기존주주의 구주매출을 포함하는 경우 그 비중이며, 보호예수비율은 기존주주가 상장이후 일정기간 동안 보유지분의 매각을 금지한 비율로 보호예수비율이 높으면 유통가능 주식비율이 상대적으로 줄어들게 된다. 최대주주 비율은 공모 후 공모에 따른 발행주식 수 증가에 따라 예상되는 최대주주 등의 지분율이며, 보호예수기간은 최대주주의 상장 후 지분매각 금지기간으로 상장일로부터 6개월이다. 해당기간은 주관회사와 최대주주가 자율적으로 기간을 연장할 수 있는데 본 연구의 관측대상 회사는 6개월 단위로 최대 5년 까지 설정하였음을 확인하였다. 수요예측 시점의 공모시장 및 주식시장의 센티먼트를 반영하기 위하여, 수요예측 시점 직전 상장한 5개 종목의 평균수익률과 52주 평균 코스닥지수와 수요예측일 코스닥지수의 이격도를 산출하여 변수로 사용하였다.

3.3 분석방법

기관투자자는 공모가격, 참여수량, 의무보유확약기간을 기재하여 수요예측에 참여하게 되며 이에 따라 경쟁률, 참여강도, 의무확약 비율이 동시에 결정이 된다. 이러한 동시선택의 결과를 반영하기 위해, SUR(Seemingly Unrelated Regression) 모형을 이용하여 분석하였으며, 밴드 상단 및 하단 미만 참여여부는 로짓분석을 통해 별도로 분석하였다.
SUR모형은 Zellner(1962)가 제안하였으며, 연립방정식체계(system of equations)를 추정하는 대표적인 방법이며, 다음과 같은 연립 방정식 체계를 가정해볼 수 있다15).
(1)
yi1=α1+β1xi1+ei1
(2)
yi2=α2+β2xi2+ei2
한편, 오차항에 대한 가정은 다음과 같으며, 두 오차항에 상관관계가 없이 독립이라고 가정하면 각각의 식을 OLS로 추정하면 된다.
(3)
ei1~(0,σ12),ei2~(0,σ22)
그러나 두 오차항간 상관관계가 존재한다면, 즉 cov(ei1,ei2)= σ12 인 경우에는 SUR모형을 사용함으로써 더 효율적인 추정량을 얻을 수 있다. SUR모형은 기본적으로 GLS(Generalized Least Squares)접근법을 사용한다. 오차항의 공분산 행렬은 다음과 같다.
(4)
[e1e2]~(0,Ω)
회귀모형이 2개이므로 공분산 행렬 Ω는 (2n2n)의 행렬이 된다. 여기서 n 은 각 회귀모형을 구성하는 표본의 크기를 의미한다. GLS추정을 위해서는 Ω 추정치를 먼저 구해야 한다. 이를 위해서는 일반적으로 오차항 간 상관관계를 가정하지 않은 OLS추정을 행한 다음, 거기서 구한 잔차(residuals)를 사용하여 Ω ̂ 을 구한다. SUR모형을 이용하면, 회귀모형 간 상관관계를 가정함으로써 효율적인 추정량을 얻을 수 있다는 장점 외에도 교차방정식 제약(cross-equation restriction)에 대한 가설을 검정할 수 있다. 가설 검정을 위해서는 다음과 같은 t 검정통계량을 계산해야 한다.
(5)
t=β^1β^2var(β^1)+var(β^2)2cov(β^1,β^2)
SUR모형에서는 식(1)과 (2)를 동시에 추정하므로 cov(β̂1, β̂2) 가 계산된다. 시장에서 수요 충격이 발생했을 때 기업이 감원과 (노동시간 증가+임금 인상)을 동시에 결정하거나(Shin, 2005), 생산성과 임금이 상호 관련을 가지는 것(de Grip & Sieben, 2005)처럼, 기관투자자 역시 참여수량과 금액, 의무보유확약 기간을 동시에 고려하여 최적의 전략 세트를 선정한다. 따라서 이러한 상호 의존성을 모형화하는 것은 중요하다. 연립 방정식을 추정하는 것이 계수 크기에는 영향을 미치지 않으나(Theil, 1971), 가설의 검정에는 영향을 미치게 된다. 주식시장의 경우 Arbitrage Pricing Theory(McElroy and Burmeister, 1988) 와 CAPM(de Grip and Sieben, 2005) 연구가 있다.실증모형 소개에서는 편의를 위해 두 개의 회귀식을 소개하였으나, 본 연구에서는 수요예측 참여 기관경쟁률, 경쟁강도, 의무보유확약기간의 3가지 회귀식을 동시에 추정하는 방법을 사용하였다.
(6)
기관경쟁률i1=α1+β1기업특성i1+γ1재무특성i1+δ1공모특성i1+ei1
(7)
참여강도i2=α2+β2기업특성i2+γ2재무특성i2+δ2공모특성i2+ei2
(8)
의무보유확약i3=α3+β3기업특성i3+γ3재무특성i3+δ3공모특성i3+ei3
한편, 공모가격을 제출할 때, 공모밴드내에서 대부분 결정을 하나 공모밴드 상단 또는 하단으로 제출하는 경우가 있으며, 대표주관회사는 경쟁률과 가격의 분포를 통해 최종 공모가격을 결정하게 된다. 따라서 공모 밴드를 벗어난 선택을 하게 되는 요인에 대한 분석을 위해 다항로짓모형(multinominal logit model)을 사용하였다. 다항 로짓모형에서 최우 추정량을 구하기 위한 로그우도함수는 다음과 같다16).
(9)
logL=i=1nj=1mI(yi=j)lnPr(yi=j|xi)
위 식에서 m은 선택대안의 수, n은 자료수이다. 본 연구에서는 공모밴드 내에서 공모가격이 확정된 경우를 기저 변수로 하여 분석하였다.

4. 실증분석

4.1 기초통계량

본 연구에서 이용한 변수들의 기초통계량은 <표 4>과 같다. SUR 모형은 수요예측을 실시한 총 542개 회사 중 공모 철회된 19개 기업을 제외하고 추정하였으며, 희망공모밴드 내 선택여부 모형은 542개 회사를 모두 분석하였다. 기관 투자자의 수요예측 경쟁률은 최소 3.29:1(바이오노트)에서 최대 2269.68:1(성일하이텍)이었으며, 평균은 762.84:1로 나타났다. 이론적으로 참여강도 변수는 100%를 초과할 수 없지만, 최대값은 130.89%로 나왔다. 이에 100%를 초과한 종목은 공시내역을 전수 검사 후, 데이터 값의 조정 없이 산출된 값을 그대로 사용하였으며, 최소값은 1.39%, 평균은 62.33%로 나타났다. 3개월 이상의무 확약을 신청한 비율의 최소값은 0%, 최대값은 72.57%(에스케이바이오팜), 평균 5.84%이었다. 전체 542개 수요예측 건수 중 밴드내에서 공모가가 확정된 경우는 298건(54.98%), 공모가밴드 하단 및 철회 건수는 105건(19.37%), 상단 초과 건수는 139건(25.65%)로 조사되었다.
<표 3>
변수의 정의 금융감독원 전자공시시스템(DART, dart.fss.or.kr) 의 개별기업 증권신고서, 투자설명서, 발행조건확정 증권신고서 및 한국거래소 전자공시홈페이지(KIND, kind.krx.co.kr)의 ‘신규상장기업현황’에서 2017년부터 2023년까지 공모의 방법으로 코스피/코스닥시장으로 신규로 상장한 종목에 대한 자료를 수집하여 정리하였다. 한편, 업종분류, 연간재무자료, 코스닥지수 및 52주 평균지수는 Quantiwise7 제공자료를 활용하였다. 기술평가, 성장성추천, 사업모델 상장에 따라 상장한 경우를 특례상장으로 표현하였다.
구분 단위 내용
종속변수
기관경쟁률 % 수요예측 신청수량 총합 ÷ 기관투자자 배정예정 주식수
 참여강도 % (수요예측 신청수량 총합 ÷ 참여기관 수) ÷ 기관투자자 배정예정 주식수
 의무보유확약 % 3개월 이상 의무보유 확약 신청수량 ÷ 수요예측 신청수량 총합
 확정공모가액 범위 더미 확정 공모가액의 희망 공모밴드 범위 (공모밴드 이내: 0, 밴드하단 미만 및 철회: 1, 밴드상단초과: 2)
독립변수
기업 특성 변수 상장시장 더미 공모 후 상장 시장 구분 코스피:0 코스닥: 1
업종구분 더미 공모기업의 업종 (IT HW/SW: 1, 헬스케어: 2, 산업재: 3 소비재: 4, 금융: 5)
기업업력 로그 (수요예측일 - 법인설립일) ÷ 365
종업원수 로그 증권신고서 제출 시점 종업원 수
기업규모 로그 t-1기말 자산총계
재무 특성 변수 매출액 로그 t-1기 연간 매출액
매출증가율 % t-1기 연간 매출액 ÷ t-2기 연간매출액
ROA % t-1기 연간 당기순이익 ÷ t-1기말 자산총계
부채비율 % t-1기말 부채총계 ÷ t-1기말 자산총계
주당 평가가액 평가방법 더미 예상 시가총액 산정시 사용한 밸류에이션 평가방법 (PER: 1, PBR: 2, PSR: 3, EV/EBIDTA: 4)
적용배수 예상 시가총액 산정시 사용한 밸류에이션 적용배수
적용실적갭 % |t기 적용실적 - (t-1)기 연간실적)| ÷ t기 적용실적
할인율 % 1-(희망 공모가 상단가격 ÷ 예상 주당 평가이익)
공모 특성 변수 수요예측년도 수요예측 시점
공모금액(기관) 로그 기관투자자 공모 배정수량 × 희망공모가액 상단
희망공모가격 로그 희망공모가액 상단과 하단의 중간값
신규상장여부 더미 신규상장여부 (이전상장: 0, 신규상장: 1)
특례상장여부 더미 특례상장여부 (일반상장: 0, 특례상장: 1)
대표주관회사 더미 대표주관회사 더미 (상위 9개사 및 하위 주관회사로 모두 10개 그룹이며, 기저 더미는 최상위 사임)
구주매출비중 % 구주매출 주식수 ÷ 공모 모집 주식의 총수
보호예수비율 % 기존주주 공모후 보호예수 주식수의 합 ÷ 공모후 예상 발행 주식의 총수
최대주주비율 % 공모후 최대주주 등의 주식수의 합 ÷ 공모후 예상 발행 주식의 총수
보호예수기간 최대주주의 공모후 보호예수 기간
공모수익률 % 수요예측일 기준 직전 5개 상장종목의 평균 수익률
이격도 % 수요예측일 기준 코스닥 지수 ÷ 52주 평균 코스닥 지수
<표 4>
기초통계량
금융감독원 전자공시시스템(DART, dart.fss.or.kr) 의 개별기업 증권신고서, 투자설명서, 발행조건확정 증권신고서 및 한국거래소 전자공시홈페이지(KIND, kind.krx.co.kr)의 ‘신규상장기업현황’에서 2014년부터 2023년까지 공모의 방법으로 코스피/코스닥시장으로 신규로 상장한 종목에 대한 자료를 수집하여 정리하였다. 한편, 업종분류, 연간재무자료, 코스닥지수 및 52주 평균지수는 WiseFn제공자료를 활용하였다. 기초통계량의 분석을 위해 STATA17을 사용하였다.
구분 단위 Obs Mean Std.dev. Min Max
기관경쟁률 % 523 762.8396 611.3695 3.29 2269.68
참여강도 % 523 62.33491 35.55262 1.39 130.89
의무보유확약 % 523 5.844973 9.015642 0.00 72.57
확정공모가액 범위 더미 542 0.7066 0.8494 0.00 2.00
상장시장 더미 542 0.6937 0.4614 0.00 1.00
업종구분 더미 542 2.0830 1.1971 1.00 5.00
기업업력 로그 542 2.5301 0.6668 -0.37 4.21
종업원수 로그 542 4.7343 1.0420 2.40 9.46
기업규모 로그 542 10.8699 1.3361 7.78 17.24
매출액 로그 542 10.2950 2.2823 0.00 15.93
매출증가율 % 542 158.7621 1413.487 -100 30513.26
ROA % 542 -5.7544 46.8401 -383.76 55.09
부채비율 % 542 57.1635 50.6462 1.96 521.98
주당평가가액 평가방법 더미 538 1.2175 0.7368 1.00 4.00
평가방법별 적용배수
PER 490 23.56473 8.235866 1.81 55.64
PBR 10 2.665 2.746611 0.72 7.84
PSR 7 8.274286 7.705679 1.59 22.01
EV/EBITDA 31 23.39887 16.61599 4.85 73.88
평가방법별 적용실적갭
PER % 490 78.53413 92.46169 0 590.816
PBR % 10 13.26363 16.18327 0.01 51.96026
PSR % 7 38.86327 36.64198 0 99.00481
EV/EBITDA % 31 47.74138 43.82659 0 158.5517
할인율 % 542 23.3584 9.8677 0.94 55.50
수요예측년도 542 2020.1290 1.9650 2017.00 2023.00
공모금액(기관) 로그 542 5.5324 1.0974 3.41 11.16
신규상장여부 더미 542 0.9133 0.2817 0.00 1.00
특례상장여부 더미 542 0.3118 0.4637 0.00 1.00
대표주관회사 더미 542 4.3838 3.0710 1.00 10.00
구주매출비중 % 542 12.1726 20.4635 0.00 100.00
보호예수비율 % 542 63.0734 12.8320 21.45 88.92
최대주주비율 % 542 41.3995 16.7157 4.88 85.00
보호예수기간 % 542 19.1734 12.6250 6.00 60.00
희망공모가격 542 9.6416 0.7826 7.21 13.01
공모수익률 % 542 45.0403 28.5297 -8.94 194.52
이격도 % 542 102.3285 13.8817 73.81 134.92
독립변수별로 보면, 분석 기간동안 코스피시장에 상장한 건수는 166건, 코스닥시장에 상장한 건수는 376건으로 집계되었으며 각각 30.63%, 69.37%로 10건 중 7건이 코스닥시장으로 상장이 진행되었다. 업종은 크게 IT HW/SW, 헬스케어, 산업재, 소비재, 금융업종으로 구분하였으며, IT HW/SW업종이 241건, 헬스케어업종이 125건으로 두 섹터에서 전체의 67.53%를 차지하며 미래성장 산업중심으로 공모 상장이 진행되었음을 알 수 있다. 기업업력과 종업원수 및 기업규모는 로그값으로 전환하여 사용하였으나, 로그값으로 변환하기 전의 값을 살펴보면, 법인 설립이후 상장까지 평균 15.21년이 걸렸으며, 설립이후 1년 이내에 상장한 경우는 LG에너지솔루션으로 기존 사업부 분할 후 신규상장한 경우이며, 최장기간은 67.2년으로 하림지주였다. 신규상장하는 기업의 종업원수는 평균 267명이며 투자회사인 린드먼드아시아가 최소로 11명, 최대는 현대중공업으로 12,865명으로 관측되었다. 기업의 규모를 측정하기 위하여 사용된 자산총계는 평균 3,379.7억원을 나타내었으며, 영업실적의 규모를 확인하기 위한 매출액은 평균 1,722.2억원으로 나타났다
매출증가율은 평균 158.76%로 상장시점 직전년도에도 높은 성장률을 기록하는 것으로 나타났다. 반면 ROA의 평균은 -5.75%로 매출증가율을 높지만 순이익은 발생하지 않는 것으로 파악되어 공모를 통해 상장을 진행하는 기업은 내실보다는 외형성장에 더욱 힘을 쓰고 있는 현상을 볼 수 있다. 또한 바이오/헬스케어 기업은 신약개발을 진행하기 위해 매출이 없는 상태에서 임상진행을 위한 자금을 모집하기 위해 상장하는 경우도 다수 존재하여 ROA평균이 음수가 되었음을 예상할 수 있다. 평가방법은 크게 절대(본질)가치 평가방법과 비교(상대)가치 평가방법이 존재하나 관측대상 기간 동안 모든 기업이 비교(상대)가치 평가방법을 사용하였다. 이에 유의하게 사용빈도가 높았던 PER, PBR, PSR. EV/EBITA 등 4가지 방식으로 크게 구분하였다. PER방식의 평가방법이 전체 542건 중 490건으로 91.08%를 차지하였으며, EV/Sales, EV/Capacity, EV/Pipelne 등 특이한 방법으로 평가한 4개사17)는 분석에서 제외하였다. 적용실적 갭은 4가지 평가방법별로 시가총액을 산정하기 위하여 적용한 추정실적과 회계감사를 통해 확정된 전년도 연간 실적과의 차이의 절대값을 주당 평가가액 산정 시 적용한 실적으로 나누어 백분율로 환산한 수치이며, 평가방법에 따른 구분 없이 전체적으로는 평균 75.03% 정도 전년도에 비해 실적을 높게 적용하는 것으로 나타났으며, 특히 PER 적용시 평균 78.53%로 실적갭이 컸으나 PBR적용시는 13.26%로 낮게 나타났다. 할인율은 예상시가 총액을 산출한 뒤 공모가 밴드 산정을 위해 주관회사가 비교대상 회사의 역사적 할인율을 감안하여 적용한 비율이며, 본 연구에서는 공모가 상단을 기준으로 할인율을 적용한 값을 사용하였다. 평균적으로 23.6%를 할인하였으며 최대 55.5%까지 할인을 하여 공모밴드를 산정하였음을 관측하였다.
신규상장은 전체 542개사 중 495개사로 91.3%를 차지하였으며 이전상장은 47개사로 집계되었다. 특례상장은 총 169개사로 전체 542개사 중 31.2%를 차지하였다. 주관사 명성을 나타내는 대표주관회사 변수는 542건 중 108건(19.93%)의 상장 주관을 맡은 회사를 기저변수로 하였다. 상장 시 구주를 매출한 경우는 전체 542개사 중 201개사(37.1%)로 평균적으로 12% 수준의 구주매출을 진행하였다. 구주매출로만 공모를 진행한 경우는 삼양옵틱스가 유일하였다. 기존주주의 보호예수비율은 평균 63.1%로 상장시 평균 유통가능 물량은 26.9% 수준으로 예상 가능하며, 수요예측에 따른 추가적인 의무보유 확약에 따라 상장시 유통물량 비중은 더욱 낮을 것으로 추정할 수 있다. 보호예수비율이 가장 높았던 종목은 바이오노트로 이 종목은 기관수요예측 경쟁률이 3.29:1 로 가장 낮았던 종목이기도 하였다. 공모희망가격은 공모희망가격의 밴드의 상단과 하단의 중간값으로 최대값은 크래프톤사의 449,000원이었으며, 최소값은 에스와이스틸텍의 1,350원이다. 직전 5개사의 평균 수익률은 평균 45% 수준이었으며 -8.94%부터 194.52% 까지 큰 차이를 보였으며 표준편차는 28.53%로 관측되었다. 52주 평균 지수에서 현재 지수와의 차이를 나타내는 이격도는 평균 102.33, 표준편차 13.88로 나타났다.

4.2 기관투자자의 수요예측 참여 결정 요인 분석

앞서 분석모형에서 소개한 SUR 모형을 기반으로 기관투자자의 수요예측 경쟁률, 참여강도, 3개월 이상 의무보유확약 비율에 미치는 영향을 분석하였다. 개별 모형의 회귀식은 1% 수준에서 유의하였으며, 각 회귀식 오차항들의 독립성에 대한 Breusch-Pagan 검증 결과 역시 1% 수준에서 유의한 것으로 나타나 수요예측 단계에서 기관투자자가 3가지 종속변수를 동시에 고려하여 선택을 하는 것으로 나타났다. 모형 설명은 (설명의 편의를 위하여) 기관경쟁률과 참여강도를 동시에 설명하고, 3개월 이상 의무보유 확약에 대한 분석을 별도로 서술한다.
기관경쟁률 및 참여강도에 있어 IT HW/SW섹터 대비 타업종, 평가방법에 따른 적용배수, 평가방법에 따른 적용실적 갭(PER), 2017년 대비 수요예측년도, 기관투자자에 배정된 공모금액, 보호예수비율, 희망 공모밴드 상단가격, 수요예측일 현재 코스닥지수의 52주 평균 지수대비 이격도는 1% 수준에서, 수요예측일 직전 5개 상장종목의 평균수익률, 최다실적 보유 대표주관사 대비 타주관사는 5% 수준에서 유의하게 분석되었다. 평가방법별 적용배수, 수요예측년도, 보호예수비율, 이격도는 기관경쟁률과 참여강도에 정(+)의 영향을 업종변수, 평가방법별 실적갭, 기관투자자 공모금액, 희망 공모밴드 상단가격, 대표주관사는 기관경쟁률과 참여강도에 부(-)의 영향을 나타내었다.
변수별로 살펴보면, IT HW/SW업종 대비 헬스케어, 산업재, 소비재, 금융업종 모두 유의하게 부(-)의 효과가 나타났다. 반대로 해석하면 IT HW/SW업종이 다른 업종 대비 기관경쟁률 및 참여강도가 높음을 알 수 있으며, 신규로 상장하는 종목 중 해당업종의 비율이 높을 뿐만아니라 관련 산업에 대한 선호가 높음을 알 수 있다. 적용방법에 따른 적용배수는 PER, PBR, EV/EBITDA 적용방법을 선택하였을 경우 정(+)의 효과가 나타났다. 관련 적용방법을 채택하였을 때, 적용 배수가 높을수록 경쟁률 및 참여강도가 높은데 이는 성장성이 높은 회사에 대한 선호가 반영된 결과로 해석할 수 있다. 한편, 평가방법별 적용실적갭은 PER, PBR 방법 채택시, 실적갭이 작을수록 경쟁률 및 참여강도가 높은 것으로 나타났다. 이는 성장성에 따른 높은 PER, PBR 적용배수는 인정하되, 평가에 사용한 연환산 또는 미래추정실적의 현가가 직전년도 연간 실적자료와 비교하여 현실적인 범위에서 추정되어 합리적인 평가방법에 따라 산출되어야 함을 알 수 있다. 추가적으로 2017년 대비하여 2018년부터 2023년까지 경쟁률 및 참여강도가 유의하게 증가했음을 알 수 있다. 2018년 4월부터 코스닥시장 활성화를 위해, 코스닥벤처펀드 제도가 도입되었고, 전문사모운용사 및 자문사, 신기술투자금금융회사의 설립 자본한도가 낮아지는 등의 제도적 효과로 공모주 투자에 참여자가 늘어났기 때문으로 보인다. 특히 2023년 기관투자자의 참여강도가 유의하지 않을 것으로 나타났는데, 이는 2023년 하반기에 시행된 허수성 청약방지 제도 도입으로 수요예측 참여 기관별로 신청할 수 있는 주식수량이 납입가능 금액 범위내로 제한된 효과가 나타났음을 알 수 있다.
기관배정 공모금액은 기관경쟁률과 참여강도 모두 부의 효과가 나타났는데, 이는 모집하는 공모금액 규모가 작을수록 충분한 배정수량을 받기위해 경쟁률 및 참여강도가 높아짐을 알 수 있다. 기존주주의 공모 후 지분의 매각을 금지하는 보호예수의 경우 보호예수 비율이 높을수록 정(+)의 효과가 나타났는데, 보호예수 비율이 높을수록 상장당일 출회되는 주식수가 감소하므로 상장당일 주가상승 확률이 높아 투자매력이 높기 때문으로 해석할 수 있다. Hong et al.(2006)은 보호예수에 따른 매각제한(lock-up)이 행태재무론적 관점에서 투자자의 과잉확신이 상장 주식에 대한 상이한 견해(heterogeneous)를 야기하고 이에 따라 저가발행현상이 나타난다고 주장하였으며, Byun and Cho(2011)는 IPO시장은 공매도가 제한되어 있어 투자자의 부정적인 견해가 반영되기 어렵고 긍정적인 견해만 반영이 되어 버블현상이 형성되기 용이한데 발행주식에서 락업 대상이 되는 주식의 비중이 클수록 낙관적인 투자자의 과잉확신이 시장을 지배할 가능성이 커지고 이에 상장수익률 및 상장 후 누적초과 수익률이 커짐을 실증적을 보여주었다. 공모가격은 희망공모밴드의 상단가액으로 공모가격이 높을수록 경쟁률은 1% 수준에서 참여강도는 5% 수준에서 부(-)의 효과가 나타났다. Lee(2016)는 2001년부터 2013년까지 코스닥시장에서 신규공모를 실시한 664개 기업을 토대로 분석한 결과, 저가발행현상이 주로 낮은 희망공모가 주식에서 발견된다는 국외의 기존 연구(Chalk and Peavy, 1987; Ibbotson et al., 1988)와 부합하여 국내 신규공모시장에서도 저가발행과 희망공모가는 역의 상관관계를 나타냈다. 이러한 역의 상관관계는 낮은 희망공모가를 선호하는 개인과 기관 모두에게 보상을 한다고 볼 수 있어 국내에서도 승자의 저주 가설과 동태적 정보 취득 가설이 모두 부합하는 결과로 해석할 수 있다. 즉, 희망공모가액이 낮을수록 저가발행 현상에 따른 상장당일 초과수익 현상이 강하게 나타나는 현상을 시장참여자들이 경험적으로 학습하여 낮은 수준의 희망공모가액 밴드가 제시된 경우 기관투자자들의 경쟁률과 참여강도가 높아지는 선택을 한다고 볼 수 있다.
<표 5>
실증분석(SUR모형)
업종더미는 IT HW/SW 대비 유의성을 판별하며, 평가방법과 평가방법별 적용배수, 평가방법과 평가방법별 적용실적갭은 교차변수를 사용하여 분석하였다. 수요예측년도 더미는 2017년을 기준으로 하여 유의성을 판별하였다. 대표주관회사 더미는 분석대상기간 중 가장 많은 주관실적을 가진 증권사를 기준으로 유의성을 관측하였으며 10위권 아래의 실적을 가진 회사들은 묶어서 하나의 변수로 분석하였다. 모형분석을 위해 STATA17을 사용하였다. ***p<0.01, **p<0.05, *<0.1, 을 나타낸다. 각 종속변수의 미치는 영향을 이해하기 쉽게 하나의 표로 정리하였다.
구 분 종속변수
기관경쟁률 참여강도 의무보유확약
Coefficient z Coefficient z Coefficient z
상장시장 46.120 0.76 2.323 0.64 0.353 0.38
업종구분            
헬스케어 -274.955*** -4.28 -13.669*** -3.53 -2.675*** -2.69
산업재 -254.789*** -4.01 -13.874*** -3.63 -1.931** -1.97
소비재 -456.261*** -3.21 -27.025*** -3.16 -2.710 -1.24
금융 -133.169** -2.06 -8.091** -2.08 -1.956 -1.96
기업업력 -5.878 -0.17 -1.379 -0.66 -0.873 -1.62
종업원수 32.676 1.11 1.903 1.08 0.522 1.15
기업규모 55.706 1.55 1.650 0.76 0.961* 1.74
매출액 -23.209 -1.35 -0.586 -0.57 -0.401 -1.52
매출증가율 -0.001 -0.1 -0.001 -0.64 0.000 -0.58
ROA -0.527 -0.72 -0.011 -0.25 -0.013 -1.12
부채비율 -0.254 -0.55 -0.011 -0.41 -0.007 -0.92
적용배수  
PER 9.582*** 3.28 0.396** 2.25 0.119*** 2.63
PBR 243.585*** 3.41 14.818*** 3.44 2.818** 2.55
PSR 60.907 1.02 5.724 1.6 0.666 0.73
EV/EBITDA 15.535*** 3.59 0.920*** 3.53 0.355*** 5.32
적용실적갭            
PER -1.122*** -2.87 -0.071*** -3.03 -0.005 -0.84
PBR -21.419 -1.57 -1.523* -1.85 -0.241 -1.15
PSR -5.843 -0.47 -0.851 -1.13 -0.004 -0.02
EV/EBITDA -1.168 -0.66 -0.134 -1.26 -0.005 -0.18
할인율 0.269 0.12 0.068 0.52 0.018 0.54
수요예측년도            
2018년 203.021** 2.44 10.311** 2.06 4.021*** 3.13
2019년 428.921*** 5.02 22.565*** 4.39 2.161 1.64
2020년 500.769*** 5.6 21.820*** 4.05 1.184 0.86
2021년 818.703*** 9.49 37.112*** 7.14 4.855*** 3.65
2022년 694.652*** 6.89 25.626*** 4.22 6.850*** 4.4
2023년 511.652*** 5.57 2.325 0.42 4.946*** 3.49
공모금액(기관) -205.579*** -4.92 -14.949*** -5.94 -0.716 -1.11
신규상장여부 184.076** 2.24 4.079 0.82 2.164* 1.7
특례상장여부 -13.931 -0.21 0.997 0.25 -0.623 -0.6
구주매출비중 -0.396 -0.33 -0.066 -0.91 0.003 0.17
보호예수비율 6.410*** 2.84 0.393*** 2.89 0.028 0.81
최대주주비율 0.183 0.1 -0.003 -0.03 0.029 1.08
보호예수기간 -1.521 -0.76 -0.016 -0.13 -0.065** -2.1
희망공모가격 -97.336*** -2.63 -5.493** -2.46 0.824 1.44
공모수익률 1.972** 2.4 0.080 1.62 0.000 0.02
이격도 7.932*** 3.63 0.503*** 3.82 0.108*** 3.21
대표주관회사            
B사 -43.169 -0.65 3.284 0.82 -1.527 -1.49
C사 -91.320 -1.18 3.429 0.73 1.493 1.24
D사 -69.414 -0.87 -3.340 -0.69 -2.787** -2.26
E사 -140.383 -1.47 -6.088 -1.06 -2.014 -1.37
F사 -194.291** -1.99 -10.701* -1.82 -3.695** -2.45
G사 -134.881 -1.41 -2.846 -0.49 -3.168** -2.14
H사 3.706 0.04 0.368 0.06 -3.192** -2.08
I사 -134.419 -1.26 2.352 0.37 -0.932 -0.57
J사 등 -4.164 -0.05 3.461 0.73 -2.114* -1.73
상수항 419.149 0.87 78.706*** 2.72 -23.676*** -3.2
총표본수 519 519 519
R-squared 0.4600 0.4207 0.2949
chi2 442.06 376.90 217.10
p>chi2 0.0000*** 0.0000*** 0.0000***
Correlation
기관경쟁률 1.0000
참여강도 0.9041 1.0000
의무보유확약 0.3777 0.3510 1.0000
Breusch-Pagan test of independence: chi2(3)=562.194, Pr = 0.0000***
수요예측 시점의 주식 시장의 분위기 반영하기 위해 수요예측일 직전 5개 상장종목의 평균수익률과 코스닥지수의 이격도를 사용하여 분석하였는데, 직전 상장 종목의 평균수익률이 높을수록 경쟁률이 유의하게 높아지는 것으로 관측되었다. 수요예측을 실시한 기업 10개사 중 7개사가 코스닥시장에 상장함에 따라 코스닥지수를 사용하여 52주 평균 지수와의 이격도를 독립변수로 사용하였다. 분석결과 이격도가 양의 방향으로 클수록 경쟁률과 참여강도 모두 강해짐을 알 수 있다. 즉, 주식시장의 분위기가 공모주 시장에도 큰 영향을 준다는 것을 예상할 수 있으며 상장직전 개별 종목의 수익률 보다 시장전체의 분위기가 더 중요한 변수임을 알 수 있다. 수요예측 경쟁률과 참여강도에 있어 대표주관회사에 대한 차별성이 존재하는 지 살펴보았으나, 하나의 회사에서 유의한 부(-)의 효과가 발생하여 대표주관회사 효과가 있음을 확인하였다.
끝으로 3개월 이상 의무확약 참여에 대해 설명한다. 전체적으로 경쟁률 및 참여강도와 유사한 결과가 나왔으나, 차별적인 결과도 도출되었다. IT섹터 대비 타 업종변수(소비재, 금융 제외), 평가방법에 따른 적용배수, 2019년, 2020년을 제외한 2017년 대비 수요예측년도, 수요예측일 현재 코스닥지수의 52주 평균 지수대비 이격도는 1% 수준에서 유의하였다. 한편 평가방법에 따른 적용실적 갭은 PBR 평가방법만, 보호예수기간, 최다실적 보유 대표주관사 대비 타주관사는 5% 수준에서 유의하게 분석되었으며, 기업규모 및 신규상장여부는 10%수준에서 유의하게 관측되었다. 기업규모, 평가방법별 적용배수(PSR 제외), 수요예측년도, 신규상장여부, 이격도는 기관경쟁률과 참여강도에 정(+)의 영향을 업종변수, 평가방법별 실적갭, 기관투자자 공모금액, 희망 공모밴드 상단가격, 대표주관서는 기관경쟁률과 참여강도에 부(-)의 영향을 보였다.
변수별로 살펴보면, IT HW/SW업종 대비 헬스케어, 산업재, 금융업종 모두 유의하게 부(-)의 효과가 나타나서 기관경쟁률, 참여강도와 마찬가지로 IT HW/SW업종이 다른 업종 대비 의무보유확약 비율에 있어서도 선호됨을 알 수 있다. 평가방법별 적용배수 역시 기관경쟁률 및 참여와 동일하게 PER, PBR, EV/EBITDA 적용방법을 선택하였을 경우 정(+)의 효과가 나타났다. 이는 성장성이 높은 회사에 대한 장기투자에 따른 리스크가 감소하거나, 공모주 투자 이후 지속적인 보유를 통해 자본차익을 추가적으로 확보하려는 가능성이 높다고 해석할 수 있다. 평가방법별 적용실적갭은 PBR 방법을 채택한 경우에만 실적갭이 작을수록 유의한 결과가 도출되었다. 이는 장기투자에 있어서는 수요예측의 참여 및 참여강도를 결정할 때와 달리 합리적인 평가방법에 따라 산출된 평가가치 보다는 안정적 성장에 따른 장기적인 주가 상승에 대한 기대가 반영된다고 하겠다. 수요예측과 관련한 경쟁률 및 참여강도는 2017년과 비교하여 매년 유의하게 증가되었는데, 의무보유확약과 관련해서는 2019년과 2020년을 제외하고 모두 유의한 것으로 관측되었다. 2019년은 코스닥지수가 지속적으로 하락하며 증시 상황이 좋지 않았으며, <표 1>의 최근 10년간 신규상장 종목현황에서 확인할 수 있듯이 공모주 수익률도 평균 27.6% 수준으로 매우 낮아 투자심리가 위축되어 3개월 이상 장기간 보유에 따른 리스크가 컸음을 알 수 있다. 2020년은 공모주 코스닥지수가 반등하고 공모주 성과가 좋았으나 Covid-19 확산에 따른 사회적 거리두기의 일환으로 IR행사가 전면 폐지됨에 따라 상장예정 기업에 대한 기관투자자의 추가적인 정성적 분석이 제한되어 3개월 이상의 장기투자에 대한 확신을 얻지 못했을 가능성이 있었다고 해석할 수 있겠다.
기업규모 및 신규상장여부는 경쟁률 및 참여강도에서는 유의하지 않은 변수였으나, 의무확약과 관련해서는 유의하게 나타났는데, 기업규모가 클 수록 시장참여자가 장기 투자에 대한 리스크를 낮게 판단함을 알 수 있다. 한편 코넥스에서 거래가 되었던 종목이 이전상장을 하면서 공모주식을 추가로 발행하는 이전상장의 경우, 기 유통되고 있던 주식이 매물로 출회될 가능성이 높아 장기간 보유에 따른 리스크가 커지기 때문으로 이전 상장 주식보다는 신규상장 주식을 선호하는 것으로 해석할 수 있다. 보호예수기간 역시 의무확약과 관련한 경우에만 유의한 변수로 나타났으며, 보호예수기간이 짧을수록 의무보유확약 신청 확률이 높은 것으로 나타났다. Brau et al.(2004)는 1998년에서 1998년까지 미국에 상장한 3,049개의 IPO표본을 대상으로 시장반응을 연구한 결과 보호예수(lock-up) 종료일 전후하여 상당한 주가 하락을 발견하였고, 내부자의 거래행위를 예측하기 어려울수록 주가하락이 더욱 심하게 일어나는 것으로 보고하였다. 국내시장에서도 의무확약 기간 및 의무확약기간 이후 장기 보유를 통한 자본 차익 투자에 있어 최대주주 등의 대량 주식매각으로 인한 변동성 확대를 리스크 요인으로 인식하기 때문에 의무보유 확약기간을 설정함에 있어 중요한 변수로 인식함을 알 수 있다. 코스닥지수와의 이격도는 유의한 효과가 관측되어 주식시장의 분위기 역시 장기투자 의사결정에 중요한 영향을 미치는 것을 확인할 수 있다. 하지만 수요예측일 직전 상장된 종목의 주가수익률은 유의하지 않을 것으로 나타나 3개월 이상 의무보유 확약에 있어 다른 종목과 독립적인 의사결정이 이루어짐을 알 수 있다. 대표주관회사에 대한 효과를 보면 4개 회사 및 기타증권사에 대해 유의한 부(-)의 효과가 존재하여 장기투자 의사결정에 있어서는 대표주관회사의 명성이 유의한 결정요인임을 확인할 수 있다.
앞서 분석한 내용에 따르면 재무특성 변수 중 평가변수 및 공모특성 변수는 기관경쟁률, 참여강도, 의무보유확약에 있어 유의한 독립변수가 있었으나, 업종변수를 제외한 기업의 특성 및 과거 실적자료는 공모주 수요예측과 관련한 종속변수에 모두 유의하지 않은 결과가 나타났다. 이는 상장예비심사 과정을 준비하거나 심사를 통과하는 과정에서 기업의 규모 및 양적 기준이 충분히 반영되어 있어, 수요예측에 참여한 기관투자자 입장에서 중요한 변수로 판단하지 않았음을 간접적으로 확인할 수 있다. 이는 Kang, K. H.(2001)과 유사하다.

4.3 희망 공모밴드 상단 또는 하단 결정요인 분석

마지막으로 공모가격이 희망 공모밴드 내에서 결정 되지 않은 경우를 다항로짓 모형으로 분석하여 보았다. 우선 공모밴드 상단을 초과한 경우에 대해 변수별로 살펴보면, IT HW/SW업종 대비 헬스케어는 1% 수준에서, 산업재는 5% 수준에서 모두 유의하게 부(-)의 효과가 나타나 IT업종과 비교하여 헬스케어 및 산업재 업종은 공모가 상단을 초과하여 수요예측을 실시하는 확률이 낮음을 알 수 있다. 매출규모는 10% 수준에서 부(-)의 효과를 PER 적용배수는 5% 수준에서 정(+) 의 효과가 나타나 매출규모 보다는 성장성이 높은 기업에 대한 선호가 높음을 알 수 있다. 수요예측 연도별 분석에서 2019년과 2020년은 2017년 대비 유의하지 않은 것으로 나타나 앞서 분석한대로 주식시장의 부진이 공모가 밴드를 초과하는 의사결정에 부정적인 영향을 주었음을 알 수 있다. 또한 2023년은 1% 수준에서 유의한 결과를 보여, 공모시장의 과열로 상단 초과 의사 결정이 유의하게 높았음을 알 수 있다. 기관공모금액은 5% 수준에서 부(-)의 효과가 나타나 공모금액이 낮을수록 공모 배정을 더 받기 위해 상단을 초과한 금액으로 신청하는 경향이 있음을 알 수 있으며, 공모 후 최대주주 등의 보호예수기간은 5% 수준에서 부(-)의 효과가 나타나 보호예수기간이 짧으면 대주주의 사적이익 취득목적 등 해당기업에 대한 부정적 인식의 증가로 상단초과 의사결정을 하지 않는 것으로 해석할 수 있다. 수요예측일 직전 상장한 5개 종목 평균 수익률은 1%, 코스닥지수의 이격도는 10% 수준에서 정(+)의 효과가 나타나 주식 및 IPO시장 분위기가 유의한 영향을 미치는 것을 알 수 있다.
다음으로 공모밴드 하단 미만 및 철회가 된 경우에 대해 변수별로 살펴보면, IT HW/SW업종 대비 헬스케어는 10% 수준에서, 산업재는 5% 수준, 소비재는 1%, 금융은 10% 수준에서 정(+)의 효과가 나타나 IT업종이 상대적으로 하단 미만에서 결정되는 경우가 유의하게 낮음을 알 수 있으며, 소비재 업종이 1% 수준에서 유의하게 나타나 다른 업종 대비 실적예상이 쉽고, 성장성이 낮아 높은 멀티플을 적용하기 어려운 업종 특성상 제시된 공모밴드가 고평가 되었다고 판단하여 공모밴드 하단으로 기관투자자들의 선택이 유의하게 많았음을 예상할 수 있다. PER 적용배수는 1% 수준에서 EV/EBITDA 적용배수는 5% 수준에서 유의하게 부(-)의 효과가 나타나 성장성이 낮은 종목이 공모밴드 하단에서 결정되는 경우가 높음을 알 수 있다. 공모특성 변수 중 특례상장여부가 10% 수준에서 정(+)의 효과가 나타났는데, Choi and Kang(2023)은 기술성장상장기업들은 과거 재무성과가 열악한 경우가 많지만 기술성을 바탕으로 성장성을 높게 평가받아 상장 후 추정 재무성과를 낙관적으로 예측하는 경향이 있음을 지적하였다. 따라서 특례상장기업이 기업가치를 높게 추정하여 공모희망밴드를 설정하였을 경우, 기관투자자들이 적정가격 수준을 평가 후 수요예측 가격을 신청하여 공모가가 하향 조정되었을 가능성이 높다 하겠다.
구주매출 비중은 5% 수준에서 정(+)의 효과로 나타나 기존주주의 주식처분에 따른 이탈은 상장이후 추가적인 성장에 대한 낙관적 기대에 대한 부정적 영향으로 인식되어 공모시 기업가치를 떨어뜨리는 효과가 있음을 예상할 수 있다. 희망공모가격은 1% 수준에서 정(+)의 효과를 나타내어 상장이후 저가발행 효과에 따른 초과수익률에 따른 기대가 낮을 경우 또는 기업가치가 고평가 되었다는 시장 참여자의 판단에 따라 수요예측 과정에서 가격조정 메커니즘이 작용함을 알 수 있다. 코스닥지수의 이격도는 1% 수준에서 부(-)의 영향을 주어 주식시장의 분위기가 공모가 선택에 있어서도 중요함을 알 수 있는데, 직전 상장종목의 주가는 공모가 밴드 하단을 선택하는 의사결정에 큰 영향을 주지 못하여 개별 종목의 의사결정은 독립적임 알 수 있다. 한편, 수요예측 다른 모형에서 모두 유의하게 관측되었던 수요년도 변수는 밴드하단 미만 의사결정에서 모두 유의하지 않게 나타나 공모밴드 하단으로 의사결정을 함에 있어서는 공모주 참여기관의 증가로 인한 경쟁률 증가와 무관하게 객관적 판단에 따라 신중한 의사결정을 한다고 볼 수 있다.
<표 6>
실증분석(다항로짓모형)
업종더미는 IT HW/SW 대비 유의성을 판별하며, 평가방법과 평가방법별 적용배수, 평가방법과 평가방법별 적용실적갭은 교차변수를 사용하여 분석하였다. 수요예측년도 더미는 2017년을 기준으로 하여 유의성을 판별하였다. 모형분석을 위해 STATA17을 사용하였다. ***p<0.01, **p<0.05, *<0.1, 을 나타낸다.
구분 밴드 하단 미만 밴드 상단 초과
Coefficient Std.err. z P>z Coefficient Std.err. z P>z
상장시장 0.205 0.429 0.48 0.632 -0.096 0.370 -0.26 0.795
업종구분                
헬스케어 0.838* 0.442 1.90 0.058 -1.158*** 0.407 -2.84 0.004
산업재 1.041** 0.422 2.47 0.014 -1.037** 0.414 -2.51 0.012
소비재 3.408*** 1.012 3.37 0.001 0.150 1.020 0.15 0.883
금융 0.833* 0.454 1.83 0.067 -0.417 0.372 -1.12 0.262
기업업력 -0.234 0.229 -1.02 0.307 -0.033 0.225 -0.15 0.882
종업원수 0.033 0.181 0.18 0.857 0.064 0.186 0.34 0.732
기업규모 -0.022 0.244 -0.09 0.927 -0.040 0.233 -0.17 0.865
매출액 -0.026 0.106 -0.24 0.808 -0.177 0.108 -1.64 0.102
매출증가율 0.000 0.000 0.70 0.483 0.000 0.001 -0.28 0.781
ROA 0.001 0.004 0.12 0.903 0.000 0.005 -0.01 0.991
부채비율 -0.002 0.003 -0.69 0.487 0.000 0.003 -0.03 0.975
적용배수                
PER -0.071*** 0.021 -3.32 0.001 0.041** 0.018 2.26 0.024
PBR -113.702 11258.650 -0.01 0.992 -16.995 13677.5 0.00 0.999
PSR -0.070 0.240 -0.29 0.771 -0.552 0.515 -1.07 0.284
EV/EBITDA -0.096** 0.040 -2.42 0.016 0.031 0.025 1.27 0.204
적용실적갭                
PER 0.001 0.003 0.45 0.655 -0.001 0.003 -0.29 0.773
PBR 13.647 1409.612 0.01 0.992 -0.254 2418.53 0.00 1.000
PSR -0.025 0.058 -0.43 0.669 0.143 0.094 1.51 0.130
EV/EBITDA 0.008 0.013 0.59 0.554 0.014 0.011 1.28 0.199
할인율 -0.004 0.015 -0.25 0.800 0.010 0.013 0.74 0.458
수요예측년도                
2018년 -0.030 0.578 -0.05 0.959 1.775*** 0.565 3.14 0.002
2019년 -0.142 0.547 -0.26 0.796 0.679 0.633 1.07 0.283
2020년 -0.147 0.640 -0.23 0.818 -0.179 0.631 -0.28 0.777
2021년 -0.640 0.662 -0.97 0.334 1.397** 0.584 2.39 0.017
2022년 0.444 0.655 0.68 0.498 1.591** 0.694 2.29 0.022
2023년 0.660 0.678 0.97 0.331 1.953*** 0.607 3.22 0.001
공모금액(기관) 0.367 0.289 1.27 0.204 -0.686 0.267 -2.57 0.010
신규상장여부 -0.425 0.560 -0.76 0.447 -0.204 0.488 -0.42 0.676
특례상장여부 0.839* 0.452 1.86 0.064 -0.083 0.419 -0.20 0.842
구주매출비중 0.017** 0.008 2.22 0.026 0.010 0.008 1.17 0.241
보호예수비율 -0.030** 0.015 -1.97 0.049 0.010 0.014 0.72 0.473
최대주주비율 -0.007 0.012 -0.58 0.560 0.007 0.011 0.68 0.494
보호예수기간 -0.004 0.014 -0.29 0.775 -0.025** 0.012 -2.09 0.037
희망공모가격 0.778*** 0.256 3.04 0.002 -0.128 0.226 -0.57 0.572
공모수익률 -0.008 0.006 -1.32 0.185 0.019 0.005 3.80 0.000
이격도 -0.050 0.016 -3.14 0.002 0.022 0.013 1.71 0.088
상수항 -1.551 3.116 -0.50 0.619 0.710 3.006 0.24 0.813
총표본수 538
pseudo R-squared 0.2749
LR chi2 295.41
Log likelihood -389.633
p>chi2 0.0000***

5. 결론

IPO는 혁신기업의 주식시장 진입과 초기투자자들의 모험자본의 회수통로로서 자본시장의 중요한 수단이다. 한편 수요예측(book-building)과정을 통해 상장을 신청한 발행인의 기업가치를 적정하게 평가받고 공모가격을 확정하게 된다. 수요예측은 기관투자자만 참여하게 되고 기관투자자는 일반투자자에 비해 정보 수집력 및 분석력이 우수하여 가격검증 기능을 수행할 수 있다고 보아 수요예측의 결과를 바탕으로 공모가격이 확정된다. 또한 한국 IPO 제도의 특징으로 인해 IPO 주관회사는 기관투자자로 등록되어 있는 투자자를 선별하여 참여할 수 없어 수요예측 과정에서 나타난 수요예측 경쟁률 등의 참여 정보는 시장수요를 반영하는 정보성를 가지고 있으며, 이를 통해 일반 투자자의 청약경쟁률 및 상장 이후 주가 변화에 다양한 영향을 미치게 된다.
본 연구는 수요예측의 결과를 통해 정보성을 형성하는 요인에 대한 분석을 하고자 하였으며, 기업특성변수, 재무특성변수, 공모특성변수로 구분한 뒤 총 25개의 변수를 사용하여 기관경쟁률, 참여강도, 의무보유확약(3개월 이상), 희망공모가격 외 선택에 대한 분석을 실시하였다. 기관경쟁률, 참여강도, 의무보유 확약과 관련해서는 SUR모형을, 희망공모밴드 외 투자의사결정은 희망공모밴드를 기준으로 하여 다항로짓모형을 사용하여 분석하였다.
4가지 종속변수에 모두 유의한 영향을 미친 변수는 IT HW/SW업종변수, PER 적용배수, 코스닥지수의 이격도로 관측되었다. 특히 IT HW/SW업종은 헬스케어 업종과 비교하여 수요예측 참여시 선호가 높고, 밴드하단 미만으로 참여하는 경우도 낮았다. 예상시가총액 평가시 90%가 넘는 비율로 PER 평가방법을 사용하였으며, 해당 평가방법에 따른 적용배수가 높을수록 기관투자자의 선택을 받는 확률이 높게 나타났다. 한편 시가총액 산정시 적용하는 추정실적과 직전년도 실적갭의 차이는 기관투자자의 참여경쟁률과 참여강도에만 유의한 것으로 나타나 평가방법의 적정성과 적용배수가 비교대상 회사와 비교하여 적정하게 산정되었는지가 중요하며, 성장성이 높은 고 PER 종목을 선호함을 알 수 있었다.
코스닥 지수가 52주 평균으로부터 벗어난 정도를 나타낸 이격도도 유의하게 나타나 주식시장의 센티먼트 역시 공모주 투자 의사결정에 있어 중요한 변수임을 알 수 있었다. 한편, 센티먼트를 확인하기 위해 분석에 같이 사용한 수요예측일 직전 상장한 5개 종목의 평균수익률은 기관경쟁률과 공모밴드상단 투자의사결정에만 유의한 변수로 나타나 주식시장의 분위기가 좋아 직전 상장한 종목의 수익률이 높고 이에 따라 공모주 배정과 관련된 경쟁이 과열될 때, 주식을 1주라도 더 배정 받기 위해 수요예측 밴드 상단을 초과하는 선택을 한다고 추정할 수 있다.
추가적으로 특정 종속변수에만 유의하게 나타난 변수를 따로 살펴보면, 매출규모는 밴드 상단초과 의사결정에 부(-)의 영향을 주었으며 본문에서 PER 적용배수와 함께 분석한 결과 매출규모 보다는 성장성이 높은 기업에 대한 선호가 높음을 예상하였으며, 이전상장 대비 신규상장의 경우는 3개월 이상 의무보유확약에서 유의하게 정(+)의 효과가 나타나 이전상장의 경우 의무보유확약을 꺼리는 것으로 나타났다. 특례상장일수록, 구주매출 비중이 높을수록 밴드하단 미만 의사결정에 유의한 정(+)의 효과가 나타났으며 특례상장의 경우 시가총액 산정시 사용된 미래 이익추정이 과대하게 된 경우와 구주매출비중이 높아 기존주주의 이탈로 추가적인 성장을 기대하기 어렵다는 부정적 인식을 기관투자자가 하게 될 경우, 공모밴드 하단 미만으로 투자리스크를 줄이는 선택을 하는 것으로 예상할 수 있다.
수요예측년도 더미는 2018년 이후 코스닥벤처펀드 제도 도입과 기관투자자 설립자본 요건완화로 시장참여자가 증가하여 2017년 대비 경쟁률 및 참여강도, 3개월 의무보유 확약 비율 및 공모가 밴드 상단초과 의사결정이 유의하게 증가하였음을 알 수 있다. 2019년과 2020년은 Covid-19 확산에 따른 주가변동성 확대와 수요예측 단계의 IR행사의 전면폐지 등으로 주식 의무보유확약 비율과 공모 밴드 상단초과 참여 비율은 유의한 결과를 얻지 못하였다. 한편, 2023년은 기관경쟁률은 유의하게 증가하였으나 참여강도는 유의하지 않은 결과가 나타나 2023년 7월 1일 이후 증권신고서 제출 기업부터 시행된 허수성 청약 방지 제도 도입의 효과가 직접적으로 반영된 것으로 보인다.
본 연구를 통해 수요예측에 참여하는 기관투자자의 의사결정이 공모시장의 분위기에 일시적으로 영향을 받을 수는 있지만 평균적으로 보았을 때 기업가치 평가에 대한 적정성 평가 검증기능이 유효하게 작용하고 있음을 알 수 있었으며, 투자의사 결정시 중요하게 판단하는 요인에 대해서도 실증적으로 확인할 수 있었다. 하지만 기관투자자들이 의사결정을 함에 있어 1:1 IR, 소규모 IR 행사, IR자료 및 투자설명서를 통해 제공되는 질적 정보를 반영하지 못한 부분, 그리고 다양한 제도적 변화를 비교분석하지 못한 점은 연구의 한계점으로 남으며, 신규상장여부, 특례상장여부에 따른 별도의 분석 및 스팩(SPAC), 부동산 REITs 회사의 상장에 관한 추후 연구도 중요하다 하겠다.

Notes

1) 상장의 정의, 상장의 종류, 상장의 혜택 및 효과, 한국거래소 홈페이지(www.krx.co.kr)

2) 수요예측(Book Building)과 공모가격졀정, 2022 유가증권시장 상장심사 가이드북, 한국거래소

3) 금융위원회, 2022.12.19,「허수성 청약 방지 등 IPO 건전성 제고방안」별첨, 보도자료 https://www.fsc.go.kr/no010101/79116

4) 박형수 기자, 2024.01.18, 증시 칼바람 부는데 ‘IPO시장’은 후끈, 아시아경제 https://view.asiae.co.kr/article/2024011716251134797

5) 최아영 기자, 2024.01.17, 공모가 최상단 뚫은 새내기주...성난 개미들 “수요 예측 왜 하나”, 매일경제 https://www.mk.co.kr/news/stock/10923031

6) 1980년-1998년 약 60%~100% (코스피 시장), 2000년-2003년 약 60%~75% (코스닥시장)의 초과수익률을 보고하였다. Kang(1990, 2001), Choi(1999,2005), Kim and Lee(2006)

7) 상대(비교)가치 평가방법은 이론적 근거는 약하지만 실제 시장에서 거래되는 기업들의 주가에 대한 정보가 반영될 수 있으므로 이미 거래되는 기업들의 가치와의 차이를 줄일 수 있다는 장점이 있으며, 대표적인 방법으로 주가수익비율(PER)법, 주가순자산비율(PBR)법, 주가주당순매출액(PSR)법, 기업가치 대 영업활동비율(EV/EBITDA)법 등이 있다. 단, 상대가치 평가방법은 반드시 비교대상기업이 존재해야한다는 제약이 있다. Soh and Jeong(2009)

8) 절대가치 평가방법은 해당기업의 현금흐름이나 자산가치 등을 사용하여 내재가치를 추정하여 주식가치를 산정하는 방법으로 비교대상 기업이 필요하지 않으며, 재무 이론적 근거가 명확하다는 장점이 있다. 절대가치 평가방법으로는 한일현금흐름(DCF)법 자산가치평가방법 등이 있다. 반면 이 방식은 미래현금흐름의 추정 및 정확한 자산가치의 계산이 요구되며 이 과정에서 추정의 오류가 발생할 가능성이 크다는 단점이 있다. Soh and Jeong(2009)

9) 기술성상장은 2005년 3월 신성장동력 업종 17개를 지정하여 성장형 벤처기업의 상장을 위해 도입했다. 2013년 4월에는 기술특례 대상 업종을 전업종으로 확대하였으며, 2017년에는 상장 주관회사의 추천을 기반으로 한 성장성추천 상장과 기술력이 아닌 독자적인 사업구조를 가진 기업의 상장을 위해 사업모델 부문을 신설하여 상장경로를 다변화하였다. Choi and Kang(2023)

10) 공모가 조정률은 수요예측기간 중 주관회사가 제시한 공모가격 대비 최종공모가격 변동률을 말하며, 공모가격과 상장일 이후 주가와의 차이를 나타내는 공모가 저평가와는 다르다

11) 금융위원회, 2018.1.11, 「코스닥 시장 활성화를 통한 자본시장 혁신방안」, 보도자료 https://www.fsc.go.kr/no010101/72978

12) 금융위원회, 2017.12.14, 「신뢰받고 역동적인 자산운용시장 발전방안」, 보도자료 https://www.fsc.go.kr/no010101/72942

13) 수요예측시 상장 주관회사는 개별법인의 자기자본 또는 운용하는 집합투자기구의 집합을 하나의 참여 건수로 집계하며, 기관투자자는 기관투자자에 배정된 주식총수를 한도로 하여 1건의 투자를 신청할 수 있다. 2023년 8월 제도 변경 전에는 기관투자자의 납입한도에 대한 별도의 검증과정이 없어 기관에 배정된 주식수량 한도까지 신청하는 허수성 청약 관행이 존재하였다

14) 한국거래소가 발간한 「2022 유가증권시장 상장심사 가이드북」의 상장예비심사 사전준비사항 중 의무보유 제도에 소개된 자료에 따르면, 상장 후 최대주주 등의 보유주식 매각에 따른 일반투자자의 피해를 방지하기 위하여 최대주주 등이 소유하고 있는 주식 등에 대해서 상장예비심사청구일 전일부터 상장 후 일정 기간동안 매각을 제한하고 한국예탁결제원에 의무보유하도록 하고 있다. 전자증권 제도의 도입으로 실물증권을 보관하여 매각 등을 제한하는 ‘보호예수’ 제도가 전산장부에 제한 내용을 등록하여 매각 등을 제한하는 ‘의무보유’ 제도로 전환 되었다. 본 연구에서는 수요예측 시 기관투자자자 일정기간동안 매각을 하지 않을 것을 약속하는 의무보유확약과 용어의 혼동을 피하기 위해 변경 전 용어인 보호예수를 사용하였다. 수요예측시 의무보유확약은 6개월을 최대로 하여 신청 가능하다. 보호예수는 발행사의 최대주주 등이 대표주관회사와 협의하여 6개월 이상의 기간에서 자율적 정할 수 있으며, 기술성상장기업의 보호예수기간은 최소 1년이다

15) Min and Choi, STATA Advanced Panel Data Analysis, 3rd Ed. Ji-phil Media, pp. 65~66, 2022

16) Min and Choi, STATA Advanced Panel Data Analysis, 3rd Ed. Ji-phil Media, pp. 209~212, 2022

17) EV/Sales 카카오페이, EV/Capacity 에스케이바이오사이언스, EV/Pipelne 에스케이바이오팜, 프레스티지바이오파마 적용

References

1. Bae, J. K, 2023, A Study on the Initial Price Prediction Model of Public Offering Stock Based on Machine Learning Algorithm, Logos Management Review, Vol. 21 (2), pp. 249-268.

2. Benveniste, L, and P Spindt, 1989, How Investment Bankers Determine the Offer Priceand Allocation of New Issues, Journal of Financial Economics, Vol. 24, pp. 343-361.
crossref
3. Brau, J. C, D. A Carter, S. E Christopher, and K. G Key, 2004, Market Reaction to the Expiration of IPO Lockup Provisions, Managerial Finance, Vol. 30, pp. 75-91.
crossref
4. Breusch, T. S, and A. R Pagan, 1980, The Lagrange multiplier test and its applications to model specification ineconometrics, Review of Economic Studies, Vol. 47, pp. 239-253.
crossref
5. Byun, J. H, and S. S Cho, 2011, IPO Lock-ups and Underpricing, Korean Journal of Financial Studies, Vol. 45 (3), pp. 531-564.

6. Cameron, A. C, and P. K Trivedi, Microeconometrics Using Stata,2nd ed. College Station, TX: Stata Press, 2022.

7. Chalk, A, and J Peavy, 1987, Initial Public Offerings:Daily Returns, Offering Types and the Price Effect, Financial Analysts Journal, Vol. 43, pp. 65-69.
crossref
8. Cho, D. H, H. S Ryou, S. H Jung, and K. J Oh, 2020, Using AI to develop forecasting model in IPO market, Journal of the Korean Data Information Science Society, Vol. 31 (3), pp. 579-590.
crossref
9. Choi, M. S, 1999, An Empirical Study on the Discounting of Initial Public Offering Prices and Early Performance of New Publicly Offered Stocks, Asian Review of Financial Research, Vol. 2 (1), pp. 197-226.

10. Choi, M. S, 2005, Pre-Issue Information Gathering Activities of the Bookbuilding Process and the Partial Adjustment Hypothesis in the Korean IPO market, Korean Journal of Financial Studies, Vol. 34 (3), pp. 1-36.

11. Choi, S. H, 2023, An Empirical Study on the Informativeness of Subscription Competition in the IPO Market, Doctoral dissertation, Chosun University, PhD thesis.

12. Choi, S. H, and Y. J Kang, 2023, Pro-forma Financial Statements of Technology- growth Company, Korean Journal of Financial Studies, Vol. 52 (2), pp. 139-171.
crossref pdf
13. de Grip, A, and I Sieben, 2005, The effects of human resource management on small firms'productivity and employees'wages, Applied Economics, Vol. 37 (9), pp. 1047-1054.
crossref
14. Gaunt, C, P Gray, and J McIvor, 2000, The impact of share price on seasonality and size anomalies in Australian equity returns, Accounting &Finance, Vol. 40 (1), pp. 33-50.
crossref pdf
15. Greene, W. H, Econometric Analysis,8th ed. New York: Pearson, 2018.

16. Hanley, K, and W Wihelm, 1993, Evidence on the strategic allocation of initial public offerings, Working paper, University of Michigan, Ann Arbor, MI and Boston College, Chestnut Hill, Ma:
crossref
17. Hong, H, J Scheinkman, and W Xiong, 2006, Asset Float and Speculative Bubbles, Journal of Finance, Vol. 61, pp. 1073-1117.
crossref
18. Ibbotson, R, J Sindelar, and J Ritter, 1988, Initial Public Offerings, Journal of Applied Corporate Finance, Vol. 6, pp. 37-45.
crossref
19. Jeong, H. J, 2008, The Underpricing Of IPO, Partial Adjustment And The Market States For KOSDAQ, Journal of the Korean Data Analysis, Vol. 10 (2), pp. 923-943.

20. Kang, H. S, 1990, A Study on the Determination of Public Offering Prices in Initial Public Offerings, Asian Review of Financial Research, Vol. 3, pp. 157-176.

21. Kang, H. S, 2001, The Impact of Venture Firm R&D Investment on IPO Returns:A Focus on KOSDAQ-Listed Companies, Asian Review of Financial Research, Vol. 14 (2), pp. 251-279.

22. Kang, K. H, 2001, An Effects on the Accounting Information of IPO's Pricing in KOSDAQ, Business Education, Vol. 6, pp. 83-130.

23. Kim, J. O, and M. S Choi, 2023, An Analysis on the Effect of Investor Attention on the Initial Performance of IPO on the KOSDAQ, Korean Journal of Business Administration, Vol. 34 (11), pp. 2023-2046.
crossref
24. Kim, S. M, and J. U Khil, 2001, How to Determine the Offer Prices of IPO Issues in the KOSDAQ Market?- Concentrated on the Book Building System, Korean Journal of Financial Studies, Vol. 28, pp. 181-212.

25. Kim, S. M, and S. H Lee, 2006, Underpricing of IPOs and Underwriters'Market Making Activities, Korean Journal of Financial Studies, Vol. 35 (3), pp. 141-147.

26. Korea Exchange. Listing Examination Guidebook for Securities, 2022.

27. Lee, K. Y, 2016, Informative Role of KOSDAQ IPO Share Price Levels, Korean Journal of Financial Studies, Vol. 45 (3), pp. 531-564.

28. Lee, S. K, U. K Im, and K. H Yeon, 1995, Underpricing Phenomenon and Lead Underwriter's Pricing Behavior in Initial Public Offerings, Asian Review of Financial Research, Vol. 8, pp. 119-145.

29. Loughran, L, J. R Rietter, and K Rydqvist, 1994, Initial Public Offerings:International Insights, Pacific-Basin Finance Journal, Vol. 50, pp. 23-51.
crossref
30. Loughran, T, and J Ritter, 2002, Why Don't Issuers Get Upset about Leaving Money on the Table in IPOs?, Review of Financial Studies, Vol. 15, pp. 413-443.
crossref
31. Lowry, M, and G. W Schwert, 2002, IPO Market Cycles:Bubbles or Sequential Learning?, Journal of Finance, Vol. 57, pp. 1171-120.
crossref
32. McDowell, A. W, 2004, From the help desk:Seemingly unrelated regression with unbalanced equations, Stata Journal, Vol. 4, pp. 442-448.
crossref pdf
33. McElroy, M. B, and E Burmeister, 1988, Arbitrage pricing theory as a restricted nonlinear multivariate regression model iterated nonlinear seemingly unrelated regression estimates, Journal of Business &Economic Statistics, Vol. 6 (1), pp. 29-42.
crossref
34. Min, I. S, and P. S Choi, STATA Advanced Panel Data Analysis,3rd Ed. Ji-phil Media, 2022.

35. Rossi, P. E. M, 1989, The ET interview:Professor Arnold Zellner, Econometric Theory, Vol. 5, pp. 287-317.

36. Shin, D. G, 2005, Firms'Optimal Adjustments to Demand Shocks:Wages, Workers, and Hours, Korean Journal of Labour Economics, Vol. 28 (1), pp. 29-60.

37. Shin, I. S, and K. Y Lee, 2013, Information-generating role of KOSDAQ IPO book-building procedure, The Korean Academic Society oF Business Administration, Vol. 42 (3), pp. 645-672.

38. Soh, J. H, 2010, A Study of the Offer Price Adjustment for IT firms and the Partial Adjustment Phenomenon in the KOSDAQ IPO Market, Journal of KECRA, Vol. 11 (2), pp. 61-81.

39. Soh, J. H, and H. J Jeong, 2009, An Analysis of the Valuation for IT firms and IPO Performance in the KOSDAQ Market, Journal of KECRA, Vol. 10 (4), pp. 75-97.

40. Henri, Theil, Principles of Econometrics, John Wiley and Sons, Inc., New York and North-Holland Publishing Company, Amsterdam:1971.

41. Zellner, A, 1962, An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias, Journal of the American Statistical Association, Vol. 57, pp. 348-368.
crossref


ABOUT
BROWSE ARTICLES
EDITORIAL POLICY
FOR CONTRIBUTORS
Editorial Office
6F, Korea Financial Investment Association Building
143, Uisadangdaero, Yeongdeungpo-gu, Seoul 07332, Korea
Tel: +82-2-783-2615    Fax: +82-2-783-6539    E-mail: office@e-kjfs.org                

Copyright © 2024 by Korean Securities Association.

Developed in M2PI

Close layer
prev next