해운 및 물류 산업의 재무 건전성 비교 분석

• 영문명: Analysis of Financial Stability in the Shipping and Logistics Industries
• 발행기관: 한국국제상학회
• 저자명: 권민수(Min-Su Kwon) 강동준(Dong-Joon Kang)
• 간행물 정보: 『국제상학』第39卷 第4號, 107~123쪽, 전체 17쪽
• 주제분류: 경제경영 > 무역학
• 파일형태: PDF
• 발행일자: 2024.12.30

국문 초록

본 연구는 해운 및 물류 산업의 재무 건전성을 비교 분석하여 두 산업의 특성을 반영한 맞춤형 재무 전략을 제안하는 데 목적이 있다. 2001년부터 2023년까지의 데이터를 기반으로 Tobin's Q를 활용해 재무 건전성을 평가하고, 머신러닝 모델(XGBoost, LightGBM 등)과 SHAP 분석을 통해 주요 재무 변수의 중요도를 파악하였다. 분석 결과, 해운 산업에서는 부채 관리 지표와 기업 규모가, 물류 산업에서는 자기자본비율과 운영 효율성 지표가 핵심 변수로 나타났다. 본 연구는 해운 산업의 부채 관리와 물류 산업의 효율성 개선을 위한 전략적 시사점을 제공하며, 머신러닝과 SHAP 분석의 실효성을 강조한다.

영문 초록

Purpose: This study evaluates the financial resilience of Korea’s shipping and logistics industries using machine learning models and SHAP analysis to identify key financial variables. Research design, data, and methodology: Financial data from 100 companies (2001-2023) were analyzed using LightGBM, XGBoost, Random Forest, Linear Regression, and LSTM. SHAP analysis highlighted the importance of variables affecting Tobin's Q. Results: According to the result, LightGBM achieved the best performance for both industries. Equity ratio emerged as the most significant variable, with debt management metrics prioritized in shipping and operational efficiency in logistics. Conclusions: This paper revealed that tailored strategies focusing on debt management for shipping and efficiency improvement for logistics are essential. This study highlights the utility of machine learning and SHAP for financial resilience analysis.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법론

Ⅳ. 실증분석

Ⅴ. 결 론

참고문헌

키워드

해운산업 물류산업 재무 건전성 머신러닝 SHAP Logistics Industry Machine Learning Shipping Industry Tobin’s Q