Maturity matching in unlisted firms: The within-firm evidence
이 논문은 이탈리아 비상장 기업의 포괄적인 데이터셋을 활용하여 자산의 유형성이 부채 만기 구성에 유의미한 영향을 미친다는 기업 내부적 증거를 제공하며, 이를 통해 만기 매칭이 다양한 기업 체제 전반에 걸쳐 유지된다는 점과 규제 인증이 기업의 형태를 형성하기보다는 특정 재무상태표 특성을 가진 기업을 주로 선택한다는 점을 밝히고 있다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
돈을 빌리는 모든 기업은 시간에 관한 근본적인 선택에 직면한다. 1년 이내와 같이 빠르게 상환해야 하는 대출을 받을 수도 있고, 수년에 걸쳐 이어지는 대출을 확보할 수도 있다. 기업이 이를 어떻게 관리하는지에 대한 이론은 '만기 매칭(maturity matching)'이라 불리는 단순하고 논리적인 아이디어에 기반한다. 이 개념은 기업이 보유한 자산의 길이와 부채의 길이를 일치시키려 노력해야 한다고 제안한다. 만약 기업이 수십 년간 지속될 공장이나 대형 기계에 투자한다면, 이를 결제하기 위해 오랜 기간 동안 돈을 빌리는 것이 타당하다. 반대로 기업이 이러한 장기 자산을 구매하는 데 단기 대출을 사용한다면, 자산이 가치를 창출하기도 전에 기존 부채를 갚기 위해 끊임없이 새로운 자금을 찾아야 하는 위험한 상황에 처하게 된다. 상장된 대기업의 경우, 연구자들은 이러한 매칭이 실제로 일어난다는 것을 오래전부터 알고 있었다. 하지만 주식 시장에서 주식을 판매하지 않는 수백만 개의 작은 비상장 기업들의 경우, 그 모습은 여전히 불분명한 상태로 남아 있었다. 우리는 이 작은 기업들이 실제로 대출 조건을 선택할 수 있는 것인지, 아니면 단순히 이용 가능한 단기 신용을 떠맡도록 강요받는 것인지 알지 못했다.
이탈리아의 한 연구팀은 11,000개 이상의 비상장 기업의 재무 기록을 직접 조사함으로써 이 불확실성을 해소하고자 했다. 그들은 특정 질문에 집중했다: 기업이 소유한 건물이나 기계와 같은 물리적 자산의 양이 단기 부채 대 장기 부채의 비율을 결정하는가? 연구팀은 2016년에서 2024년 사이의 기업 재무 스냅샷 약 74,000개를 포괄하는 방대한 데이터 세트를 수집했다. 이 기간에는 일반적인 소기업, 혁신적인 소규모 기업, 그리고 정부로부터 혁신 인증을 받은 신생 스타트업이 혼합되어 있었다. 이 모든 그룹은 동일한 방식으로 회계 보고를 했기 때문에, 연구진은 서로 다른 보고 규칙으로 인해 데이터가 왜곡되지 않도록 공정하게 비교할 수 있었다. 그들은 이 매칭 규칙이 단순히 기업 간의 비교를 넘어, 개별 기업 내부에서 시간이 흐름에 따라 변화할 때도 유효한지 확인하고자 했다.
연구는 만기 매칭 규칙이 소규모 비상장 기업에서도 실제로 존재함을 확인했으나, 대기업만큼 강력하지는 않다는 것을 밝혀냈다. 연구진이 단일 기업이 물리적 자산을 늘림에 따라 부채 구조를 어떻게 변화시키는지 살펴보았을 때, 명확한 패턴을 발견했다. 기업이 고정 자산의 비중을 높임에 따라 실제로 일부 차입을 장기 대출로 전환했다. 그러나 이러한 조정은 불완전했다. 데이터는 기업이 새로운 기계를 구매하자마자 즉각적으로 전체 부채 포트폴리오를 재편하지 않는다는 것을 보여주었다. 대신, 그 변화는 시간이 지나면서 점진적으로 일어났다. 연구진은 새로운 자산을 구매하는 것이 기업의 부채 길이에 미치는 전체 효과가 나타나기까지 시간이 걸리며, 최종적인 조정 규모는 단일 연도에 관찰되는 즉각적인 변화보다 거의 두 배 더 크다는 것을 계산해 냈다. 이 발견은 많은 재무 연구에서 기업이 단일 연도 내에 즉각적으로 부채를 조정한다는 흔한 가정에 도전한다.
아마도 가장 시사점이 큰 발견은 표본 내의 서로 다른 유형의 기업들에 관한 것이었을 것이다. 연구진은 이 매칭 규칙의 강도가 기업의 상태에 크게 의존한다는 것을 발견했다. 일반적인 소기업은 장기 자산을 장기 부채와 일치시키려는 강한 경향을 보였다. 혁신적인 소규모 기업은 이 경향이 더 약하게 나타났으며, 신생 혁신 스타트업은 가장 약한 연결 고리를 보였다. 이러한 스타트업의 경우, 물리적 자산을 소유하는 것이 장기 대출을 확보하는 데 거의 도움이 되지 않았다. 연구진은 이것이 스타트업의 계획 능력이 부족해서가 아니라, 그들이 무엇을 소유하든 상관없이 시장이 그들에게 장기적으로 대출을 해주지 않기 때문이라고 추측했다. 이를 테스트하기 위해, 그들은 공식적인 라벨을 완전히 무시하고 오로지 재무제표의 형태만을 기준으로 기업을 분류하는 새로운 방법을 만들었다. 이 방법은 자연스럽게 기업들을 공식 카테고리와 일치하는 그룹으로 나누었다. 스타트업처럼 보이는 그룹은 자산과 부채 사이의 연결 고리가 가장 약했고, 일반 기업처럼 보이는 그룹은 가장 강했다. 이는 차이가 정부 인증 자체에 의해 만들어진 것이 아니라, 해당 인증이 이미 장기 대출과 매칭하기 어려운 재무제표를 가진 기업들을 선별했기 때문임을 입증했다.
이 연구는 또한 재무 연구의 흔한 우려 사항, 즉 데이터를 분석하는 수학적 공식이 비즈니스의 복잡한 현실을 포착하기에 너무 단순하지 않은지에 대해서도 다루었다. 연구진은 자신들의 선형 방정식이 데이터의 미묘하고 곡선적인 관계를 감지할 수 있는 정교한 컴퓨터 모델에 대해 테스트를 진행했다. 그 결과, 단순한 직선 모델이 놀라울 정도로 잘 작동한다는 것을 발견했다. 복잡한 컴퓨터 모델은 단순한 모델이 놓친 숨겨진 패턴을 찾아내지 못했으며, 어떤 경우에는 복잡한 모델이 새로운 데이터로 테스트했을 때 오히려 성능이 더 떨어지기도 했다. 이는 기업의 물리적 자산과 부채 구조 사이의 관계가 숨겨진 상호작용의 얽힌 그물이 아니라, 실제로 직관적이고 비례적이라는 것을 시사한다. 연구진은 이들 기업에게 있어 자산과 부채를 맞추는 규칙은 실재하며 측정 가능한 힘이지만, 대출 기관을 설득하여 기다리게 만드는 기업의 능력에 의해 크게 제약받는다고 결론지었다. 많은 혁신 스타트업의 경우 그 능력이 결여되어 있으며, 이로 인해 장기 자산을 단기 대출의 흐름으로 충당하는 위태로운 상황에 놓이게 되는데, 이는 정책 입안자들이 지원 프로그램을 설계할 때 반드시 고려해야 할 부분이다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.