ISSN 1598-0170 (Print) ISSN 2287-1136 (Online) http://www.jksii.or.kr 실물옵션기법을이용한기업의빅데이터기술도입의경제적가치분석 - 유유제약사례를중심으로 - A Study On The Economic Value Of Firm s Big Data Technologies Introduction Using Real Option Approach - Based On YUYU Pharmaceuticals Case - 장혁수 1 1) 이봉규 2 Hyuk Soo Jang Bong Gyou Lee 요 약 본연구는실물옵션모형을이용하여기업의빅데이터기술도입에따른경제적가치를분석한연구로, 빅데이터기술도입을결정한기업의주가를이용하여주가증분으로평가한경제적가치의크기를옵션가치를통해분석하였다. 옵션가치도출을위해빅데이터기술을마케팅에활용한기업의주가를통해빅데이터기술에의한주가증분을추출하고, 해당주가로일반화적률법 (GMM) 을이용하여확률과정을추정하였다. 옵션가치도출을위해블랙 - 숄즈편미분방정식을도출하였고, 이를수치해석적방법인유한차분법으로해를구하여빅데이터기술도입에따른경제적가치를추정하였다. 분석결과, 빅데이터투자비용을 5 천만원으로가정했을때, 주가증분을통해도출한옵션가치는약 38.5 억원으로나타났고시간가치는약 1 백만에해당하는것으로나타났다. 따라서빅데이터기술도입은실질적인기업의수익을창출하는효과에더하여, 미미하지만투자시점에고려할수있는추가적시간가치까지존재하는것으로해석된다. 민감도분석결과기초자산크기가작아질수록옵션가치는낮아지고, 투자비용이낮아질수록옵션가치는높아지는것으로분석되었고, 변동성변화에따른옵션가치민감도는크지않은것으로나타났는데이는빅데이터기술의경우기술도입기간과이에따른주가변동폭이낮아변동성증가에따른내재가치증가효과가크지않기때문인것으로해석된다. 본연구는빅데이터기술도입에따른효과를실물옵션을도입하여분석한최초의연구로빅데이터옵션가치도출에빅데이터기술을도입한기업의주가를기초자산으로사용한최초의연구라는점에서기존연구와차별화된다. 기업들의빅데이터기술도입이비교적최근에발생하였음을고려할때동분석방법론을다양한기업에적용함으로빅데이터기술의정체한가치를도출하는데기여할수있을것으로기대된다. 주제어 : 빅데이터, 빅데이터플랫폼, 실물옵션, 옵션가치, 주가 ABSTRACT This study focus on a economic value of the Big Data technologies by real options model using big data technology company's stock price to determine the price of the economic value of incremental assessed value. For estimating stochastic process of company's stock price by big data technology to extract the incremental shares, Generalized Moments Method (GMM) are used. Option value for Black-Scholes partial differential equation was derived, in which finite difference numerical methods to obtain the Big Data technology was introduced to estimate the economic value. As a result, a option value of big data technology investment is 38.5 billion under assumption which investment cost is 50 million won and time value is a about 1 million, respectively. Thus, introduction of big data technology to create a substantial effect on corporate profits, is valuable and there are an effects on the additional time value. Sensitivity analysis of lower underlying asset value appear decreased options value and the lower investment cost showed increased options value. A volatility are not sensitive on the option value due to the big data technological characteristics which are low stock volatility and introduction periods. keyword : Big data, Big data Platform, Real option, Option value, Stock price 1 Management of Technology, Yonsei University, Seoul, 120-749, KOREA. 2 Graduate School of Information, Yonsei University, Seoul, 120-749, KOREA. * Corresponding Author(bglee@yonsei.ac.kr) [Received 26 June 2014, Reviewed 21 July 2014(R2 17 September 2014), Accepted 11 October 2014] Journal of Internet Computing and Services(JICS) 2014. Dec.: 15(6): 15-26 15 http://dx.doi.org/10.7472/jksii.2014.15.6.15
1. 서론 정보통신기술의발달은방대한데이터처리속도를개선시키고데이터속에숨은패턴을파악하는기술의혁신적인발전을가져왔다. 이러한추세에맞추어 Gartner, IDC 등글로벌 ICT 산업에영향을미칠기술요소로빅데이터를선정하는등빅데이터관련산업에대한관심이급증하고있다 ( 정부연, 2013). 빅데이터는기존의데이터베이스형태로관리되던형태에비해자료의형식이다양하고순환속도가빨라기존방식과는다른데이터분석방식과관리방법을요구한다. 따라서최근빅데이터분석및관리를위한새로운패키지가출현하고있고이에대한고도화된기술을요구하는기업의수가증가하고있다 ( 정부연, 2013). 이러한빅데이터를기반으로한분석의수요가기업들을대상으로증가하고있는데, 이는방대한고객자료를이용한분석이가능하게되었기때문으로판단된다. 이에따라대기업을중심으로마케팅및사업전략수립에빅데이터분석방법론을도입하는사례가급증하고있으며, 기업들은빅데이터기술도입결정시해당기술의경제적가치를정확히산정하여기업의수익에미치는영향을정확히산정할수있어야한다. 기업들의빅데이터기술도입목적은분석을바탕으로새로운사업기회를발굴하여수익창출에활용하기위함이다. 1) 그러나이러한기술을도입함으로써실질적으로기업의가치및수익이얼마나늘어날것인지는확실한요소가아니므로, 빅데이터기술도입에는불확실성이내재되어있다고할수있다. 따라서빅데이터기술도입에따른가치를측정하기위해서는이러한불확실성에대한명시적고려가필요하다. 그러나불확실성은기업에위험으로도작용할수있으나기회로도작용할수있으므로, 이러한위험으로부터발생하는가치에대한분석은매우중요하다고할수있다. 최근이러한기술의불확실성하에서의경제적가치를평가하는방법론으로실물옵션 (Real Option) 접근방법이이용되고있다. 실물옵션방법론이란금융부분의옵션가치평가방법론을기술가치평가에적용한방법론을말하는데, 옵션 (option) 이란옵션매입자가일정한금융자산또는비금융자산등의기초자산 (underlying asset) 을정해진기간동안, 정해진가격 ( 행사가격 : excercise price) 에 1) 통찰 & 수익, 빅데이터를적극검토해야할 5 가지이유, CIO 뉴스, http://www.ciokorea.com/news/17109 일정한양을사거나팔수있는권리를의미한다. 이때기초자산이주식, 주가, 환율등의금융자산인경우금융옵션 (financial option) 이라고하고, 대상이 R&D 프로젝트나특정기술에대한투자등비금융자산인경우실물옵션이라고한다. 기존의순현재가치법이나현금흐름법과같은평가방법들은미래에발생할수있는불확실성을반영하기어렵고시장변화에대한평가가어렵기때문에미래투자에대한불확실성이증가한다면변동성측면에서실물옵션을도입하여가치를산정하는것이바람직할것으로보인다 ( 이동수, 2008). ICT 신기술도입에따른경제적가치를분석한해외연구로 A. Bayaga et al.(2013) 은중소기업 IT 기술의가치평가및위험관리방법론에대한연구를실시하였는데, 남아프리카의사례를토대로분석을시행하였다. 신기술도입의경제적가치에실물옵션방법론을적용한선행연구로홍동표 이인형 김경미 (2001) 는이항모형과몬테카를로시뮬레이션기법을이용하여 IT프로젝트투자에대한가치를평가하였는데, 인터넷포탈비즈니스에대한투자, 시스템통합에대한투자, 직불카드네트워크구축에대한투자에대한가치평가를수행하였으며, 다양한모수변화에따른가치변화를분석하였다. 또한유창석 김종남 허은녕 (2011) 은자원개발프로젝트에대한투자의경제적가치평가에실물옵션모형을적용하였는데, 실물옵션모형중이산격자모형을이용하였으며, 실물옵션평가결과실물옵션모형이자원개발프로젝트의탐사단계에서발생하는시장의불확실성을평가하기위한적합한방법론으로분석하였고, 이후탐사단계의불확실성이해소된이후에는현금흐름법 (DCF) 이적합한방법론으로분석하였다. 또한장연식 이덕주 오형식 (2011) 은신재생에너지가치평가에실물옵션방법론을적용하였다. 분석결과현재가치법을통해신재생에너지의경제적가치를분석하였을때는신재생에너지 R&D가경제성을지니기위해서상당히높은수준의기술절감효과를필요하거나엄청난수준의화석에너지단가를요구한데반해실물옵션방법을적용할경우낮은기술절감효과수준에서도신재생에너지의 R&D 가경제적으로도유용할수있음을보여주는것으로분석하였다. 해외연구로 E.Schwartz(2013) 는 R&D 투자에적용가능한실물옵션모형을개발과관련된연구를실시하였는데, 연구를통해 R&D 투자에적합한확률과정과그에따른옵션가치산정에대한방법론을소개하였다. 또한 G.Villani(2014) 는잠재적경쟁기업진입에직면할때의 16 2014. 12
R&D 투자의가치를평가를실물옵션모형을이용하여수행하였다. 해당연구들의공통적특징은신기술개발및 R&D 투자의가치를기초자산의확률과정과변동성을통해산정한것으로, 이러한부분이실물옵션모형의핵심이라할수있다. 따라서이러한실물옵션방법론을적용한빅데이터기술의가치평가는불확실한상황을고려한연구라는측면에서기존연구와차별화되며, 본연구에서는기업의빅데이터기술도입을위한투자를실시할때의경제적가치를실물옵션모형을통해분석할것이다. 2. 관련기술현황 세계빅데이터시장은성장세의태동기를보이고있는시장으로향후성장가능성이높은것으로예상되어진다. 주요 IT 시장조사기관의빅데이터세계시장규모전망을보면 IDC(International Data Corporation) 는전세계빅데이터시장이매년 39.4% 성장하여 2015년 169 억달러규모로증가할것이라고예상하였고, Wikibon은행후 2012년 51억달러에서 2017년 534억달러로보다높은성장률을나타낼것으로예상하고있다. 두기관의세계빅데이터시장규모전망은그림 1과같다. 자료 : 한국과학기술정보연구원 (2013) ( 그림 1) 빅데이터세계시장규모전망 (figure 1) The Prospect on World Market Scale of Big Data 빅데이터를분석하기위한기술은크게텍스트마이닝 (Text Mining), 평판마이닝 (Opinion Mining), 소셜네트워크분석 (Social Network Analysis), 클러스터분석 (Cluster Analysis) 으로구분되는데텍스트마이닝기술은비 / 반정형텍스트자료로부터자연어처리기술에기반한정보를추출하고처리하는기술을말하며, 평판마이닝은소 셜미디어에존재하는텍스트의긍정, 부정, 중립의선호도를판별하는기술로텍스트마이닝의특수분야에해당하는기술이다. 소셜네트워크분석은수학적방법론인그래프이론 (Graph Theory) 에기반한분석방법으로소셜네트워크의연결구조, 연결강도등을측정하여이를바탕으로사용자의명성, 영향력등을측정하는방법을말한다. 클러스터분석은비슷한특성을가진개체들을합쳐가면서최종적으로유사한특성을가진집단을추출하는방법을말한다. 위와같은빅데이터분석을처리하기위한빅데이터처리기술은데이터저장, 데이터분석기법으로구분할수있다. 빅데이터저장기술로는하둡 (Hadoop) 이, 그리고빅데이터분석에는통계패키지인 R이주로사용된다. 하둡은하둡분산파일시스템 (HDFS, Hadoop Distributed File System) 과맵리듀스 (MapReduce) 로구성되는데하둡분산파일시스템은대용량의파일을여러대의컴퓨터에나누고저장하고관리하기위한기술이다. 파일을블록단위로쪼개어여러데이터노드에나누어저장하며, 각파일의기본정보및블록의위치정보를네임노드에관리하는것이특징이다. 파일의위치와내용정보에대한복사본들을만들어여러대의컴퓨터에분산하여저장하기때문에검색시간도단축되고, 여러곳에서동시에검색요청이들어와도한곳에작업량이집중되지않는다. 일부데이터노드에장애가발생하여데이터가유실되는것을막기위해각데이터블록에대해서 3개이상의복제본을유지한다. 이렇게될경우, 어느 1대의컴퓨터가고장나더라도이미동일한복사본이다른곳에존재하기때문에데이터손실을방지할수있다. 맵리듀스는효율적인데이터처리를위해여러대의컴퓨터를활용하는분산데이터처리기술로하둡분산파일시스템에저장하는시스템을가진다. 맵리듀스는맵단계와리듀스단계로구분되는데, 맵단계에서는여러대의컴퓨터에블록단위로분산된데이터를병렬적으로처리해중간결과데이터를만들어낸다. 이후리듀스단계에서는생성된중간결과물을취합하여최종결과를생산하는데, 리듀스과정역시여러대의컴퓨터를동시에활용하는분산처리가가능하다. 이러한빅데이터기술도입을통한국내성공사례를살펴보면 ( 주 ) 삼성전자, 유유제약, ( 주 ) 이씨마이너, ( 주 ) 위세아이텍등이있다. 각각의사례를구체적으로보면삼성전자는일반소비자향 SSD(Solid State Drive) 시장의성공적인시장진입에빅데이터분석을활용하였는데, 삼성전자는웹사이트및소셜미디어의 SSD관련소비자견해 한국인터넷정보학회 (15 권 6 호 ) 17
및반응등을분석하여효과적인브랜드전략을수립하였다. ( 주 ) 유유제약은기존의바르는타박상과멍든데쓰는고형약제의시판시빅데이터를이용한마케팅을활용하여어린이보다성인에서멍이더많이발생한다는점을발견하고마케팅에활용하였고, ( 주 ) 이씨마이너는기존의인터넷을기반으로하는빅데이터의통념을깨고제조공정의 CCTV 이미지를이용한빅데이터분석을통한불량품을실시간판별하여제조공정의정확성을향상시켰다. 각각의성공사례는표 1과같다. ( 표 1) 빅데이터도입기업성공사례 (Table 1) Success Cases of Big Data Introduction Firms 기업명분석방법분석내용실적 ( 주 ) 삼성전자 유유제약 ( 주 ) 이씨마이너 Text Mining Text Mining Wavelet Transform 로지스틱회귀분석 자료 : 한국정보통신진흥협회 (2013) 3. 분석모형 3.1 실물옵션개념 소비자및전문가의 SSD 사용경험과관련담론등을분석 SNS 의 멍 관련치료키워드분석, 마케팅활용 반사용, 투과용카메라로촬영된이미지데이터를분석 SSD 시장주도권선점및세계주요시장점유율 1 위확보 빅데이터도입 3 개월만에매출이 30% 상승 검사공정의시간및비용절감및검사품질향상 실물옵션가치평가법은기존의금융자산옵션가격결정모형을활용하여실물자산에대한가치를평가하는방법으로서, 여기서실물자산은유가증권, 채권등금융자산과는달리 R&D, 새로운투자안, 신기술등을말한다. 이러한실물자산은시장에서거래되지않기때문에옵션가격결정모형을이용하여적절한가치를평가하게된다. 앞서살펴보았듯이전통적인현금흐름할인법은급변하는환경하에서경영자가취할수있는다양한전략즉, 연기, 확장또는축소, 포기할수있는선택권을고려하지못하지만, 실물옵션평가법은투자안에내포된전략적가치를보다유연하게반영할수있다는장점이있다. 시간의흐름에따라변화하는환경에대응하여경영자가가질수있는여러가지투자전략의수정기회를실 물옵션이라부른다 (Trigeorgis, 1993). 투자안의가치평가에있어실물옵션가치평가법을적용하면불확실성이증대될수록투자안의가치는커지게된다. 이는불확실성이높을수록높은할인율이적용되어실물자산가치를낮게평가하는현금흐름할인법과의큰차이이다. 이러한차이를일으키는가장근본적인원인은바로위험에대한인식의차이이다. 현금흐름할인법은위험을회피해야할대상으로만생각하는반면, 실물옵션가치평가법은위험에유연하게대처할수있는옵션을보유함에따라위험이아닌기회로인식할수있다. 옵션의정의에따라외부환경이긍정적일경우이를최대한이용할수있는전략으로대응하고부정적인영향에노출되었을때는손실을제한하는전략으로대응할수있기때문이다. 따라서실물옵션가치평가법에의하면순현재가치법보다항상높은투자가치를산출하게된다. 현실에서경영자는시장상황변화에최초투자계획을다양하게수정할수있는옵션을보유하고있기때문에정확한가치평가를위해서는실물옵션접근법사용이타당하다고볼수있다. 3.2 실물옵션종류옵션은기본적인형태에따라콜옵션 (call option) 과풋옵션 (put option) 으로구분되는데, 콜옵션은일정기간이지난후일정가격에정해진대상의일정한양을매입할수있는권리이며, 풋옵션은이를매각할수있는권리를의미한다. 콜옵션의경우소유자는옵션의행사여부를선택할수있기때문에기초자산의가치가행사가격보다높을때에만옵션의권리를행사하게된다. 반면풋옵션은소유자에게기초자산을매도할수있는권리를부여하며행사가격이기초자산의가치보다높을때만행사하게된다. 또한이러한옵션들은권리의행사가능시점에따라유럽형옵션 (European Option) 과미국형옵션 (American Option) 으로구분된다. 유럽형옵션은계약시만기일을정하고만기일에만옵션을행사할수있는옵션이고, 미국형옵션은만기일이전까지옵션보유자가언제든지옵션을행사할수있는권리를지니는옵션이다 ( 이동수, 2008).. 실물옵션은연기, 확대 축소, 성장, 폐기, 생산방법변경등투자안에내재된선택권에따라종류가분류되며이에따라적용되는가격결정모형도달라진다. 따라서가치평가시투자안의성격을그대로반영할수있도록내재된옵션의종류를명확히파악하고적절한모형을선택해야한다. 실물옵션의종류는연기옵션, 단계별옵 18 2014. 12
션, 운영변경옵션, 포기옵션, 스위칭옵션, 성장옵션등이있고내용과적용분야는표 2와같다. 3.3 실물옵션평가모형 실물옵션평가모형에는시간의연속성하에서계산되어지는연속모형과각기간마다두상황만을고려하여값을구하는불연속적시간모형인이산모형등이있다. 연속모형의대표적인모형으로는기초자산이기하브라운운동 (Geometric Brownian Motion : GBM) 을따른다고가정하고그확률과정을토대로편미분방정식을도출하여 closed form solution의형태로옵션가치를구하는블랙 -숄즈모형이있고, 해당편미분방정식을유한차분법 (FDM, Finite Difference Method) 을활용하여수치적 (Numerical) 으로해를구하는방법이있다. 본연구에서는편미분방정식의해를 FDM을사용하여풀이하는방법을사용하여옵션가치를도출하였다. ( 표 2) 실물옵션의종류 1) (Table 2) A type of Real Option 연기옵션 단계별옵션 운영변경옵션 포기옵션 스위칭옵션 성장옵션 내용적용분야 토지나광물에대한임차권을소유하고있는경영진은해당산 광물채취산업출물의가격이건물, 공장건설 부동산개발이나부지개발을정당화시켜 농장주는지알기위해기다릴수있다. 단계적투자의경우, 새로운정 R&D 집약산업보가불리하면, 후속투자를포 ( 제약회사 ) 기할수있다. 이는각단계별 장기간자본집약투자를후속투자에대한옵션프로젝트 ( 전력회사 ) 으로볼수있다. 벤처기업 시장조건이기대보다호전되면생산규모를확대할수있고, 반대로악화되면생산규모를축소시키고최악의경우는폐쇄시킬수있다. 시장상황이극대로악화되면경영자는현재의영업을영구히중단하고, 설비와기타자산을중고시장에매각할수있다. 광물채취산업 주기적산업의설비계획및건설 의류산업 자본집약적산업 ( 항공, 철도 ) 금융서비스 가격이나수요가변하면경영자 산출변경 : 소비용는설비의산출량배합을변격전력하거나, 동일한산출물에대해 투입변경 : 전력, 다른투입물로생산할수있다. 화학, 곡물 상호관련된프로젝트에서초기 하이테크산업투자는미래의성장기회를제공 제약산업한다. 전략적인수 합병 3.3.1 Black-Scholes 옵션가격결정모형 Black과 Scholes(1973) 는무위험차익거래에근거한옵션가격결정모형을최초로제시하였다. 블랙-숄즈모형은, 주식과무위험자산을이용하여주식옵션과동일한수익구조를갖는복제포트폴리오를구성하여옵션가격을도출하였으며이때포트폴리오의수익률은위험이제거된상황에서무위험이자율과같아지게된다. 블랙-숄즈모형의장점은정확한변수값만알면쉽고빠른계산을할수있다는것이다. 그러나블랙-숄즈모형을적용하기위해서는기초자산의확률과정이기하브라운운동을따라야한다는제약조건이있다. 주가를 S라하면, 블랙-숄즈공식에의한콜옵션의가격은다음과같이구해진다 ( 윤원철, 2006). (3-1) 여기서 ln (3-2) 단, S : 기초주식의현재가격 K : 행사가격 : 주식수익률의표준편차 : 연속복리무위험이자율 N( ) : 표준정규분포의누적확률 T : 만기까지의기간 3.3.2 수치해석모형 수치해석모형은확률과정으로부터도출한편미분방정식을수치적으로풀이하는과정으로해를도출하는데, 블랙숄즈가제안한확률과정은다음과같은식으로표현된다. ds t s t dts t dw t, 단, μ, σ 는상수 (3-3) 여기에 Ito's Lemma 를적용하면식 (3-4) 와같이파생상품의확률과정이도출된다. df f t dt f s ds fss ds f t dt f s sdtsdw t fss sdtsdw t 한국인터넷정보학회 (15 권 6 호 ) 19
f t f s s fss s dt f s sdw t (3-4) 단, dw =dt, dt dt =0 파생상품 1계약을팔고 Δf/Δs만큼의주식을구매하였을때포트폴리오의가치는변화가없어야한다. 따라서파생상품과주식으로이루어진포트폴리오의구성은식 (3-5) 과같이나타낼수있고이포트폴리오의가치증분은식 (3-6) 와같다. f f s s (3-5) d df f s ds (3-6) 식 (3-4) 에식 (3-5) 과 (3-6) 을적용하면식 (3-7) 가도출된다. df t fss s dt (3-7) 이때무위험포트폴리오를구성하기위해서는식 (3-6) 이식 (3-8) 에적용되어야한다. d rdt 단, r: 무위험이자율 (3-8) 식 (3-7) 와식 (3-8) 을결합하면, f t fss s dt rf f s sdt (3-9) 식 (3-9) 를정리하면식 (3-10) 과같은편미분방정식이도출되고이를블랙-숄즈편미분방정식이라한다. 다른확률과정모형역시동일한과정을통해편미분방정식의도출이가능하다. f t rsf s s f ss rf (3-10) 편미분방정식의해를도출하기위한수치적해법중본연구에서는유한차분법을사용하였다. 유한차분법이란미분방정식에있는도함수를차분들로근사시키는방법이다. 이와같이하면미분방정식이연립방정식으로단순화된다. 유한차분법중에서명시적방법 (Explicit Method) 은한점에서다음기에세점으로확산하는모형을묘사한방법으로옵션가치에대한시간과기초자산의미분값들이다음과같이나타난다. f f i j f i j f f i j f ij :s,t :t, s f f i j f i j f i j s :s (3-11) 여기서, i는가로축을 j는세로축을의미하며주가모형에서는 i는시간등분을, j는주식가격의등분을나타낸다. 3.4 확률과정추정모형 확률과정추정을위해본연구에서는 Hansen(1982) 의일반화적률법 (GMM, Generalized Method of Moments) 을사용하였다. 일반화적률법을사용하기위해 Chan et. al.(1992) 이사용한적률조건을사용하였다 2). GMM 추정과정은 를적률조건이라한다면실제로는 를관측할수없고 만을알고있 는경우에 적률조건을사용한다. 검정에사용되는 GMM추정량은다음과같이정의된다. arg min (3-12) 단,, GMM모형의적합성을검정하기위해 Hansen(1982) 은다음과같은검정통계량을제시하였다. 단, q 직교조건의개수 p 모수의개수 (3-13) 모형의제약조건에대한타당성검정은 Wald 검정통계량을사용하였으며검정통계량은아래와같다. (3-14) 단, : 의공분산행렬, 2) 20 2014. 12
4. 분석결과 4.1 투자시나리오본연구에서는빅데이터를도입한성공사례중하나의기업을대상으로해당기업의빅데이터분석에따른마케팅효과의가치를평가하였다. 대상기업 ( 이하 Y사 ) 은제약회사로 2011년 10월자사보유제품의매출증대를위한마케팅전략수립을위해빅데이터분석활용을고려하였으며, 2012년 4월투자결정과빅데이터분석컨설팅을전문데이터분석컨설팅회사에의뢰하였다. 빅데이터분석결과를바탕으로기존제품의브랜드마케팅에적극활용하여매출액과기업가치가증가하였는데, 이러한기업가치의증가는해당기업의주가에반영되었다고보는것이타당하다 ( 이동수, 2008). 따라서빅데이터분석도입에따른마케팅효과의가치를측정하기위해본연구에서는 Y사의주가증분을활용하였으며, Y사의주가변화는그림2와같이나타난다. 단, 사주가 종합주가지수 이벤트발생이전기간 이벤트발생이후기간 보다정확한평가를위해기술이영향을미치기시작한시점을내생적으로검정할수있는 QLR 통계량을사용하였다. QLR검정을사용한검정결과 Chow통계량의 F 값이 484.79(p-value<0.001) 로가장큰 2012년 10월 25일을구조변화시점으로설정하였다. 따라서빅데이터분석을통한주가상승은이시점부터로영향을받았다고볼수있으며, 이경우기초자산의측정을위한시계열의범위는 2012년 10월 25일부터 2014년 2월 25일까지로결정된다. ( 표 3) 두기간자료비교 (table 3) A Comparison between Two Period 기간표본수평균최대값최소값 전체기간 구조변화전 구조변화후 11.01.03~ 14.02.25 11.01.03~ 12.10.25 12.10.26~ 14.02.25 780 6418.7 4750.0 9800.0 451 5895.7 4750.0 8500.0 327 7138.3 5780.0 9800.0 ( 그림 2) Y 사의주가지수및투자시나리오 (figure 2) The Price Index of Stocks of Firm Y and Investment Scenario 4.2 구조변화검정및기초자산추정 빅데이터분석으로인한가치증분을측정하기위해기업의주가가본프로젝트의영향을받은시점을찾아내는것이중요하다. 이시점은 2011년 1월 3일부터 2014 년 2월 25일까지의주가자료를이용하여구조변화검정을통해찾아낼수있다. 구조변화검정에사용될모형은식 (4-1) 과같다. (4-1) 표 3은구조변화시점을전 후한두기간의자료를비교해보면평균주가가각각 6,418원, 7138원으로차이를보였으며, 최소값과최대값이구조변화시점이후가더큰것을볼수있다. 빅데이터분석에의한주가증분을도출하기위해서는 Meschi and Cheng(2002) 이사용한모형을이용한다. 이모형은특정이벤트발생이전의주가와종합주가지수의회귀분석을통해동프로젝트를수행하지않았을때의주가를추정한다. 이렇게추정된주가를현재주가에서차감하여빅데이터활용에따른순수한주가증분을구하며이것이실물옵션기법에서의기초자산이된다. 추정은 Y사의수정주가와종합주가지수를이용했고모형은식 (4-2) 와같다. (4-2) 단, : Y사주가 : 종합주가지수 t : 2011년 1월 3일 ~ 2012년 10월 25일 (451개) 한국인터넷정보학회 (15 권 6 호 ) 21
회귀분석결과결정계수값이 0.428로모형적합성유무검정결과 1% 유의수준하에서모형이적합한것으로나타났다. 이는종합주가지수가 Y사의주가움직임을비교적잘설명함을의미한다. 회귀분석을통한계수값과통계량은표 4와같다. ( 표 4) 구조변화전추정된회귀분석결과 (table 4) A Regression Result before Structure Change 계수표준오차 t p값 F α -1454.4 401.8-3.6*** 0.000 335.9*** 0.428 β 3.7 0.2 18.3*** 0.000 (0.000) 주 : *** 0.1% 유의수준에서유의, F-tets 아래괄호는 p-value 추정된회귀계수를이용하여구조변화시점이후시점의주가를종합주가지수를이용하여빅데이터를활용하지않았을때의주가를추정한다. 그림 3을살펴보면가상의주가로표현된부분이다. 3) 현재주가에서가상의주가를차감하게되면빅데이터분석도입에의한순수한가치증분을구할수있다. 4) ( 그림 3) 빅데이터기술도입에따른주가증분 (Figure 3) Stock Increment as Big Data Technology Introduction 본논문에서기초자산은 2014년 2월 25일시점에서측정한다. 주식시장의효율성 5) 을가정하면이시점의가치는빅데이터분석을통한모든미래수익의현재가치를반영하게된다. 이렇게도출된빅데이터분석도입에의 3) 가상의주가란빅데이터를활용하지않았을경우를가정하고추정한주가를말한다. 4) 주가증분 = +1454.40-3.75* 5) 효율적시장가설은자본시장에서형성된증권가격이증권가격에영향을미칠수있는모든정보를즉시그리고충분히반영한다는의미로이가설이성립한다면특정시점의주가는기업의가치를적절히반영한다고볼수있다. 한주가총액의증분은약 48.02억원이된다. 2014년 2월 25일을기준으로측정된기초자산을투자고려시점인 2011년 10월 1일시점의 NPV로나타내야한다. 이때사용된할인율은 Y사의가중평균자본비용 (Weighted Average Cost of Capital, WACC) 6) 인 8.5% 이며투자고려시점에서의 NPV 값은약 38.66억원으로추정되었다. 4.3 확률과정추정결과 실물옵션가치평가법적용을위해서기초자산이측정되었다면중요한변수중하나인변동성을추정해야한다. 주식, 원유등금융옵션의경우현물및선물이잘형성되어있어과거자료를활용하여확률과정을추정해변동성을구할수있다. 그러나실물옵션의평가대상이되는대부분의기초자산에대해시장이아예존재하지않는경우가많아확률과정을추정에어려움이있다. 이경우평가대상기초자산과유사한사업을영위하는상장기업의주가수익자료를이용하거나 ( 최병호, 2003), 기초자산에영향을미치는변수를대용변수로하여확률과정을구할수있다. ( 박호정 장철호, 2007). 일반화적률법을사용함에있어모수를구체적으로확정하기위해이산적으로관측된주가를연속적인확률과정으로근사시켜야하는데, 시간간격을 1로두면일반적인연속확률과정은 로나타낼수있고, 와 간에상관관계가없다고보면, 와의직교성질을이용하여오차항의 1, 2 차적률조건, 을구할수있다. 따라서 적률조건은 을사용하였다. 일반화적률법을사용하기앞서단위근검정을실시하여안정성여부를확인하여야하는데본연구에서는 Dicky-Fuller 단위근검정을실시하였으며, 그결과 p-value가 0.025로유의수준 5% 하에서단위근을가진다는귀무가설을기각하여안정성을확인하였다. 기초자산의자료가안정성조건을만족하므로, 앞서소개한 4개의적률조건을사용하여확률과정을추정하고추정결과에기초하여투자안의가치를측정한다. 확률과 6) 기업이부채와자기자본을모두이용해서자금을조달하는경우사용되는것으로타인자본비용과자기자본비용을자본구성비율로가중평균한값이다. 22 2014. 12
정의추정은기초자산이확률과정이기하브라운운동 (GBM, Geometric Brownian Motion) 을따른다는가정하에일반화적률법을사용하여모수를추정하였으며, 일반화적률법을통한모형의적합성검정에서 GBM은 Hansen(1982) 의검정통계량을만족하고안정적인변동성을가지는것으로나타나본분석에적합한확률과정으로판단하였다. 추정결과는표 5와같다. ( 표 5) GMM 추정결과 (table 5) The Result of GMM Estimation 계수 표준오차 t통계량 p값 α 0 - - - β -0.0055 0.0091-0.61 0.5438 6.41* γ 0.1360 0.0178 7.63*** 0.0001 (0.04) δ 1 - - - 주 : *** 0.1% 유의수준에서유의, * 5% 유의수준에서유의, F-tets 아래괄호는 p-value 4.4 옵션가치도출 실물옵션가격결정법을활용하여투자안에내재된옵션의가치를구하기위해기초자산인미래수익의현가를구하고그확률과정이 GBM을만족한다는것을규명하였다. 표 6은유한차분법계산에필요한변수들의값을정리한것으로옵션가치산정을위한기본변수들이다. (S) 39억원일때투자고려시점에서의옵션가치는약 38.509억원으로계산됨을의미하며, 이는투자비용이 5 천만원일때빅데이터분석기법을도입함에따른경제적가치가약 38억 5천만원에해당함을의미한다. 시점에따른경제적가치를살펴보면최초투자시점 (t=0.5) 과최종시점 (t=0) 사이에약 100만원에해당하는차이가발생하며, 이는투자결정시점에직면하게되는시간가치로해석할수있다. 본연구에서는옵션가치도출을위한입력변수변화에따른민감도분석을실시하였다. 민감도분석을위해기초자산, 투자비용및변동성변화에따른옵션가치의변화를분석한결과, 기초자산의경우기초자산크기가작아질수록옵션가치가낮아지는것으로나타났고, 투자비용이낮아질수록옵션가치는높아지는것으로나타났으며, 이러한결과는옵션가격결정이론의결과와일치함을확인할수있다. 다만, 변동성변화에따른옵션가치민감도는크지않은것으로나타났는데, 이는빅데이터기술의경우기술도입기간과이에따른주가변동폭이낮아변동성증가에따른내재가치증가효과가크지않기때문인것으로풀이된다. 민감도분석결과는그림 4~6 에나타내었다. ( 표 6) 기초변수정의 (Table 6) Definition of Basic Variables 변수 정의 내용 값 ( 억원 ) S 기초자산가격 주가 39 K 행사가격 투자비용 7) 0.5 r 무위험수익률 3년만기국고채수익률 3.5% σ 변동성 확률과정의변동성추정값 13.6% T 만기 ( 년 ) 투자만기시점 0.5 ( 그림 4) 기초자산변화에따른옵션가치 (Figure 4) Option Value of Underlying Asset Variation 표 7에나타난바와같이분석결과는옵션의가치가하나의값으로나오는것이아니라기초자산축및시간축으로이루어진공간상의값으로나타난다. 예를들면투자비용 (K) 을 0.5억원으로가정하였을경우기초자산 7) 본프로젝트의투자비용에대한정보를획득할수없는관계로 0.5 억원으로가정하였으며, 이를보완하고자투자비용변화에따른옵션가치의변화를민감도분석결과로제시하였다. ( 그림 5) 투자비용변화에따른옵션가치 (Figure 5) Option Value of Investment Cost Variation 한국인터넷정보학회 (15 권 6 호 ) 23
( 그림 6) 변동성변화에따른옵션가치 (Figure 6) Option Value of Volatility Variation ( 표 7) 유한차분법옵션가치 T-t S 0.5 0.4 0.3 0.2 0.1 0 60 59.500 59.500 59.500 59.500 59.500 59.500 57 56.508 56.506 56.505 56.503 56.502 56.500 54 53.509 53.507 53.505 53.503 53.502 53.500 51 50.509 50.507 50.505 50.503 50.502 50.500 48 47.509 47.507 47.505 47.503 47.502 47.500 45 44.509 44.507 44.505 44.503 44.502 44.500 42 41.509 41.507 41.505 41.503 41.502 41.500 39 38.509 38.507 38.505 38.503 38.502 38.500 36 35.509 35.507 35.505 35.503 35.502 35.500 33 32.509 32.507 32.505 32.503 32.502 32.500 30 29.509 29.507 29.505 29.503 29.502 29.500 27 26.509 26.507 26.505 26.503 26.502 26.500 24 23.509 23.507 23.505 23.503 23.502 23.500 21 20.509 20.507 20.505 20.503 20.502 20.500 18 17.509 17.507 17.505 17.503 17.502 17.500 15 14.509 14.507 14.505 14.503 14.502 14.500 12 11.509 11.507 11.505 11.503 11.502 11.500 9 8.509 8.507 8.505 8.503 8.502 8.500 6 5.509 5.507 5.505 5.503 5.502 5.500 3 2.505 2.504 2.503 2.502 2.501 2.500 5. 결론 본연구에서는실물옵션모형을이용하여기업의빅데이터기술도입에따른경제적가치를도출하였다. 경제 적가치산정을위해빅데이터기술도입을결정한기업의주가를이용하여주가증분으로평가한경제적가치의크기와확률과정을추정하고이를바탕으로옵션가치를도출하였다. 옵션가치도출은블랙-숄즈편미분방정식을도출하고이를수치해석적방법인유한차분법을이용하였다. 분석결과, 빅데이터투자비용을 5천만원으로가정했을때, 주가증분을통해도출한옵션가치는약 38.5억원으로나타났고시간가치는약 1백만에해당하는것으로나타났다. 따라서빅데이터기술도입은실질적인기업의수익을창출하는효과에더하여, 미미하지만투자시점에고려할수있는추가적시간가치까지존재하는것으로해석된다. 본연구는빅데이터기술도입에따른효과를실물옵션을도입하여분석한최초의연구로빅데이터기술을도입함으로얻게되는기술의효과까지분석하였다는점과빅데이터옵션가치도출에빅데이터기술을도입한기업의주가를기초자산으로사용한최초의연구라는점에서기존연구와차별화된다. 기업들의빅데이터기술도입이비교적최근에발생하였음을고려할때동분석방법론을다양한기업에적용함으로빅데이터기술의정체한가치를도출하는데기여할수있을것으로기대된다. 그러나단일기업을대상으로한빅데이터기술도입에따른효과분석만을제시하여전반적인빅데이터기술의경제적가치를대표하기에는한계를갖는것으로생각된다. 따라서추후연구를통해다양한기업의성과를토대로한빅데이터기술의경제적가치를분석할것이다. 참고문헌 (Reference) [1] Park, K., Valuation of R&D Project Using Real Options Approach, Master's Thesis, Graduate School of Konkuk University, 2000 [2] Park, H,. C. Jang, Real Option Analysis for Medium Scale CHP Plant Investment with Volatile Electricity Prices, Environmental and Resource Economic Review, Vol. 16, No. 4, 2007. pp.763-781. [3] Yoo, C., J. Kim, and E. Heo, A Real Option Valuation Model for Resources Exploration Projects, Geosystem Engineering, Vol. 48, No. 3, 2011, pp. 255-267 [4] Yoon, W., Economic Valuation of Nuclear Power Plants Using Simulation and Real Options Approach, Korean 24 2014. 12
Energy Economic Review, Vol. 5, No. 1, 2006, pp. 27-55 [5] Lee, D., Valuation on the photovoltaic core material technology : real option approach, Master's Thesis, Graduate School of Kyungbook National University, 2008 [6] Jang, Y,. D. Lee, and H. Oh, Valuation of Renewable Energy using Real Option, Korean Institute of Industrial Engineers Spring Joint Meeting, 2011 [7] Jeong, B., Status and Future of Big Data Market, KISDI Publication, Vol. 25, No.4, 2013 [8] Choi, B., A study on the stochastic process estimation for real option valuation method, Master's Thesis, Graduate School of Seoul National University, 2003 [9] KISTI, Status and Future of Big Data Market, KISTI Market Report, 2013 [10] KAIT, Big Data forums, domestic market leverage Big Data for the first activation, competition analysis ceremony held, News Release, 2013 [11] Hong, D., I. Lee, and K. Kim, IT Investment Valuation using Real Option, KISDI Research Report, KISDI, 2001 [12] Jonathan L. Herlocker, Lee R. Gordon, Jhon Riedl, "GroupLens : Applying Collaborative Filtering to Usenet News", Communication of ACM. Vol.40 No.3, March 1997. pp.87-97. [13] Bayaga, A., S. Flowerday and L. Cilliers, Valuing Information Technology (IT) and Operational Risk Management, International Conference on ICT for Africa, 2013 [14] Black, F. and M. Scholes, "The Pricing of options and corporate liabilities", Journal of Finance Political Economy, Vol. 81, 1973 [15] Chan, K.C, G. Andrew Karolyi, Francis A. Longstaff, and Anthony B. Sanders, "An empirical comparison of alternative models of short-term interest rate", Journal of finance, Vol. 47, 1992, pp. 209-1228 [16] Schwartz, E., The real options approach to valuation: Challenges and pportunities, Latin american journal of economics, vol. 50, no. 2, 2013 [17] Hansen, L., "Large sample properties of generalized method of moments estimators", Econometrica Vol. 50, 1982, pp. 1029-1054 [18] Matyas, L., Generalized Method of Moments Estimation, 1999 [19] Meschi, P.X. and L.T.W. Cheng, "Stock price reactions to Sino-European joint ventures", Journal of World Business, Vol. 37 Issue 2, 2002, pp. 119-126 [20] Newey, W. and K. West, "Hypothesis testing with efficient method of moments estimation", International Economic Review, Vol. 28, 1987, pp. 777-787 [21] Phillips, P.C.B. "Time Series Regression with a Unit Root", Econometrica, Vol. 55, 1987, pp 277-301 [22] Phillips, P.C.B. and P. Perron, "Testing for a unit root in time series regression", Biometrika Vol. 75, 1988, pp. 335-346 [23] Trigeorgis, L., "Real Options and Interactions with Financial Flexibility", Financial Management, 1993, Vol.22 No.3 [24] Villani, G., Valuation of R&D Investment Opportunities with the Threat of Competitors Entry in Real Option Analysis, Computational Economics, Vol. 43, No. 3, 2014, pp 331-355Knowledge Discovery, vol. 10, no. 3, pp. 197-228, 2005. 한국인터넷정보학회 (15 권 6 호 ) 25
저자소개 장혁수 (Hyuk Soo Jang) 2006 년홍익대학교기계공학학사 2010 년 The State University of New York at Stony Brook 석사 2011 년 ~ 현재연세대학교기술경영협동학박사과정 2013 년 ~ 현재언스트앤영어드바이저리컨설턴트관심분야 : 정보통신 미디어산업 / 정책, 신재생에너지, 기후변화, EHS(Environment Health and Safety) E-mail : hsjang0430@gmail.com 이봉규 (Bong Gyou Lee) 1988 년연세대학교상경대학학사 1992 년 Cornell University 석사 1994 년 Cornell University 박사 1997 년 ~2004 년한성대학교정보전산학부교수 2005 년 ~ 현재연세대학교정보대학원교수관심분야 : 정보통신 미디어산업 / 정책, 방송통신융합정책 E-mail : bglee@yonsei.ac.kr 26 2014. 12