Mobile QR Code QR CODE : Journal of the Korean Society of Civil Engineers

  1. 종신회원 ․ 국립안동대학교 건설시스템공학과 (Department of Civil Systems, Andong National University ․ bkim@anu.ac.kr)
  2. 교신저자 ․ 한국과학기술정보연구원 책임연구원 (Corresponding Author ․ Korea Institute of Science and Technology Information ․ dbchung@kisti.re.kr)



건설기업, 재무제표, 시계열 분석, 의견거절
Construction firms, Financial statements, Time series analysis, Disclaimer of opinion

1. 서 론

건설기업은 도급계약에 의거해 건설공사를 완성해야 하는 의무가 있다. 하지만 발주자는 모든 건설기업이 그 의무를 성실하게 이행한다는 낙관을 가질 수 없기 때문에 수급인을 결정하기 전에 자격을 갖춘 건설기업들을 우선적으로 선별한다. 이때 건설공사 실적 및 기술자 보유현황 등과 같은 시공능력과 관련된 정보뿐만 아니라 재무상태까지 종합적으로 검토한다. 재무적 안정성에 문제가 있는 건설기업은 건설공사를 완성할 때까지 존속하지 못할 수 있기 때문이다. 이를 회계적으로 표현하면 발주자는 계속기업의 가정(going concern assumption)에 유의적 의문을 불러일으키지 않는 건설기업을 수급인으로 결정해야 한다.

계속기업(여기서 기업은 외부감사 대상법인으로 한정한다. 다음 조건들 중 하나 이상에 해당되면 회사는 외부감사를 받아야 한다: 1) 주권상장법인; 2) 해당 사업연도 또는 다음 사업연도 중에 주권상장법인이 되려는 회사; 3) 직전 사업연도 말의 자산, 부채, 종업원수 또는 매출액 등 대통령령으로 정하는 기준에 해당하는 회사. 외부감사 대상법인은 금융감독원의 전자공시시스템을 통해 재무제표를 정기적으로 공시해야 한다.) 으로서불확실성유무는주식회사등의외부감사에관한법률(약칭 외부감사법)에 따라 독립된 외부의 감사인이 재무제표를 객관적으로 감사하고 표명한 의견(적정, 한정, 부적정, 의견거절)을 통해 확인할 수 있다. 발주자 입장에서 의견거절을 받은 건설기업은 건설공사를 완성하지 못할 가능성이 상당하다고 충분히 우려할 수 있다. 문제는 적정 의견을 받은 기업이라도 수급인으로 결정된 이후에 의견거절을 받게 될 가능성이 있다는 것이다. 의견거절을 받은 건설기업의 일부는 최종적으로 부도 처리될 가능성이 높기 때문에 의견거절을 충분히 사전에 예측하는 일은 매우 중요하다. 이를 위해서는 건설기업이 의견거절을 받기 전에 보이는 공통적인 특징을 발견하는 작업이 선행되어야 한다.

이에 따라 본 연구는 의견거절을 받은 건설기업의 매출액 시계열을 분석함으로써 통계적으로 유의한 현상을 발견하고 이를 이해하려 한다. 즉, 건설기업 내부의 경영자는 현금흐름에 중대한 문제가 발생하기 전에 재무적 상황을 인지할 것이고, 이를 해결하기 위해 수주전략에 변화를 줄 것이며, 이는 매출액 변화를 통해 드러날 것이라고 전제한다. 이와 같은 연구를 수행하기 위해 전자공시시스템을 통해 감사인에게 의견거절을 받은 건설기업의 매출액 시계열 자료를 수집하고 전년 대비 매출액 증감률에 유의미한 차이가 있는지 분석한다. 본 연구의 주요 연구 질문은 다음과 같다: 1) 건설기업이 의견거절을 받기에 앞서 특기할 만한 매출액 변동 패턴이 나타나는가? 2) 매출액 증감률이 감사의견을 예측하는 데 유의미한 지표로 활용될 수 있는가? 이러한 질문에 답하기 위해 통계적 분석 방법을 적용하고, 건설기업의 재무상태를 조기에 평가할 수 있는 가능성을 모색한다.

2. 이론적 배경

2.1 재무보고 및 재무제표

재무보고는 기업 외부의 다양한 이해관계자가 의사결정을 내릴 수 있도록 내부의 경영자가 재무상태, 경영성과, 현금흐름, 자본변동 등에 관한 정보를 제공하는 과정이다. 이 과정은 주로 회계기준에 따라 작성된 재무제표를 통해 이루어지며, 외부감사인의 검토를 받는다. 재무제표는 투자자 및 채권자의 의사결정에 유용한 정보를 제공하며 건설공사의 발주자에게도 매우 중요한 자료이다.

재무제표의 주요 구성요소로는 재무상태표, 손익계산서, 현금흐름표 등이 있다. 재무상태표는 회계기간말의 경제적 자원인 자산, 경제적 의무인 부채, 자본에 관한 정보를 제공한다. 손익계산서는 회계기간 동안의 경영성과에 관한 정보를 제공한다. 현금흐름표는 회계기간 동안의 현금 유출입에 관한 정보를 제공한다. 각 재무제표는 동일한 거래/사건을 다르게 표현하고 있으므로 서로 밀접한 관련이 있으며 상호보완적 관계이다. 건설업은 대표적인 수주산업으로 생산 후 판매를 하는 제조업과 달리 수주 후 생산을 하므로 손익계산서 최상단에 위치하는 매출액이 가장 선행적 지표의 성격을 띄고 있다고 볼 수 있다. 이에 의거해 본 연구의 주요 관심사를 매출액으로 설정한다.

재무제표는 기업이 존립 목적과 의무를 이행하기에 충분할 정도로 장기간 존속한다는 계속기업의 가정하에 작성된다. 만약 이 가정에 유의적 의문을 불러일으키지 않는 경우에 감사인은 적정의견(Unqualified Opinion)을 표명한다. 이 의견은 감사범위에 제한을 받지 아니하고 기업회계기준에 따라 재무제표가 적정하게 작성되었다고 판단되는 경우에 표명된다. 다른 의견으로 한정의견(Qualified Opinion), 부적정의견(Adverse Opinion), 의견거절(Disclaimer of Opinion)이 있다. 한정의견은 감사범위에 제한이 있거나 기업회계기준에 위배사항이 있는 경우에 표명된다. 부적정의견은 재무제표에 특히 중요한 영향을 미치는 기업회계기준 위배사항이 있는 경우에 표명된다. 의견거절은 감사인의 독립성이 결여되거나 재무제표에 특히 중요한 영향을 미치는 감사범위 제한이 있는 경우에 표명된다. 감사인이 의견거절을 표명한다고 해서 해당 기업이 반드시 최종적으로 부도 처리되는 것은 아니다. 하지만 의견거절은 부도로 이어질 가능성이 다분하며, 주권상장법인의 경우에는 상장폐지 사유에 해당되는 만큼 발주자 입장에서 매우 심각한 문제라고 볼 수 있다. 한편, 이미 부도 처리된 건설기업의 명단과 재무제표를 구하는 데에는 현실적인 어려움이 따른다. 이에 따라 본 연구는 시간의 선후 관계상 부도에 앞서는 의견거절을 받은 건설기업을 연구대상으로 한정한다.

2.2 선행 연구 고찰

Table 1에서 확인할 수 있듯이 기업의 감사의견을 예측하는 다양한 시도가 있었다(Stanišić et al., 2019). 다수의 연구가 재무제표뿐만 아니라 다양한 정보를 독립변수로 활용하기 위해 정보의 공개범위가 넓은 상장기업을 대상으로 설정하고 감사의견을 예측하였다. 비상장 기업을 대상으로 설정한 연구는 외부인이 구할 수 있는 정보가 제한적이라는 현실적인 한계로 인해 주로 재무제표를 활용해 감사의견을 예측하였다(Doumpos et al., 2005; Gaganis and Pasiouras, 2006; Kirkos et al., 2007). 상장이든, 비상장이든 재무제표에서 부채비율과 같은 재무적 안정성 지표들이나 당기순이익 같은 수익성 지표들이 주로 활용되었다. 하지만 매출액을 변수로 활용하는 경우는 드물었다. 또한, 산업별 특성이 다름에도 불구하고 연구대상을 특정 산업으로 제한하고 자료를 수집하는 경우도 찾기 힘들었다. 무엇보다 대부분의 연구가 1년 뒤의 감사의견을 예측하였으나 건설공사는 수년 동안 진행되므로 1년은 충분한 시차라고 보기 어렵다. 따라서 본 연구는 건설기업에 국한해 다년간의 매출액 시계열을 분석함으로써 의견거절을 받기 수년 전에 발생하는 통계적으로 유의한 현상을 발견하고자 한다.

Table 1. Summary of Literature Review

Authors(Year)

Sample Size

Period

Methods

Dopuch et al.(1987)

716

1969-1980

Probit regression

Kinney and McDaniel(1989)

73

1976-1985

T-test & regression

Krishnan et al.(1996)

1,837

1986-1988

Probit regression

Laitinen and Laitinen(1998)

111

1992-1994

Kruskal-Wallis test & logistic regression

Doumpos et al.(2005)

6,048

1998-2003

Support vector machine

Gaganis and Pasiouras(2006)

228

2003-2004

Discriminant analysis & logistic regression

Kirkos et al.(2007)

450

1995-2004

Decision tree, multilayer perceptron, & Bayesian belief network

Pourheydari et al.(2012)

1018

2001-2007

Multilayer perceptron, probabilistic neural network, & logistic regression

Yasar et al.(2015)

110

2010-2013

Discriminant analysis, logistic regression, & decision tree

Fernández-Gámez et al.(2016)

447

2008-2010

Probabilistic neural network & multilayer perceptron

3. 매출액 시계열 변화 분석

3.1 자료 수집 및 처리

금융감독원은 전자공시시스템(Data Analysis Retrieval and Transfer System)을 통해 외부감사 대상법인의 감사보고서 및 재무제표를 제공한다. 본 연구는 이 시스템을 이용해 의견거절을 받은 기업들의 재무제표를 7년치씩 확보하였다. 예를 들어, 한 기업이 2010년에 의견거절을 받았다고 하면 2004년부터 2010년까지 7년치 재무제표를 수집하였다. 본 연구에서 사용한 재무제표는 2001년부터 2023년까지이므로 최초로 의견거절을 받은 연도는 2007년(2001년~2007년의 재무제표)이며 마지막으로 의견거절을 받은 연도는 2023년(2017년~2023년의 재무제표)이다. 구체적인 자료 수집 과정은 다음과 같다.

전자공시시스템은 업종별로 감사보고서를 제공하고 있지 않기 때문에 감사보고서의 본문내용을 검색해 건설업을 영위하며 의결거절을 받은 기업을 1차적으로 선별하였다. 그리고 나서 감사보고서를 직접 전수조사해 부동산 개발 및 공급업, 시설물 유지관리 공사업, 조적 및 석공사업 등 성격이 다른 업을 동시에 영위하는 기업을 2차적으로 제외하였다. 이 절차를 통해 240개 건설기업이 선별되었으나 이중 7년 연속으로 재무보고를 한 기업은 71개에 불과하였다. 이 자료에 사분위수 범위(Interquartile Range)을 적용해 이상치를 제거하고 최종적으로 50개 기업의 7년치 재무제표 350개를 확보하였다.

기업마다 업력 및 규모에 따른 차이가 있기 때문에 본 연구는 매출액 절대값을 직접 분석하기 보다는 전년 대비(Year-Over-Year) 매출액 증감률을 구하였다. 의견거절을 받은 시점과 받기 n년 전 시점을 각각 0과 n이라고 설정하고 전년 대비 매출액 증감률을 순차적으로 계산하였다. 이 처리 과정을 통해 기업별로 6개의 변화율(R01, R12, R23, R34, R45, R56)을 구하였다.

Table 2는 의견거절을 받기 6년 전부터 의견거절을 받은 해까지 전년 대비 매출액 증감률의 기술통계량을 보여준다. 의견거절을 받기 전부터 받기까지 매출액 증감률의 평균값은 R34에 급증하고 R23에 소폭 증가하다가 R12부터 감소하는 경향이 나타났다. 또한, 의견거절을 받은 해에 평균값이 급감하고 가장 큰 표준편차 값을 보이는 것으로 나타났다.

Table 2. Descriptive Statistics of Variables with 50 Observations

Variable

Mean

Std. Dev.

Min

Median

Max

R56

9.4420

29.8512

-34.300

4.615

90.930

R45

5.4263

35.0730

-67.569

5.676

87.946

R34

12.4691

40.8457

-56.723

-0.709

107.756

R23

3.4495

35.9716

-60.028

-1.079

95.719

R12

-12.2707

36.8687

-82.767

-17.015

96.489

R01

-36.0917

47.1924

-99.958

-48.914

94.683

Fig. 1. (A)~(F) Visualizing the Normality of Revenue Change Rate with Histograms. (A) R56, (B) R45, (C) R34, (D) R23, (E) R12, (F) R01

../../Resources/KSCE/Ksce.2024.44.6.0855/fig1.png

Fig. 1은 전년 대비 매출액 증감률(X축)의 분포를 시각화하는 히스토그램이다. 의견거절이 발생한 해(오른쪽 최하단)의 히스토그램을 제외하고는 시각적으로 정규성을 확인할 수 있다.

3.2 대응표본 t검정 결과

매출액 증감률의 평균값이 R34에 급증하고 R12부터 R01까지 급감하는 결과가 통계적으로 유의한 현상인지를 대응표본 t검정(Paired Sample t-test)을 사용해 분석하였다. 본 연구에서 사용하는 직전-해당 연도 매출액 증감률처럼 자료가 같은 대상의 이전-이후 측정값일 때 평균값 차이가 0인지 여부를 분석하는 데에는 대응표본 t검정이 적합하기 때문이다.

과거(R56 vs. R45)부터 현재(R12 vs. R01)까지 총 5번의 대응표본 t검정을 실시하였는데 과거 자료는 유의하지 않은 결과가 나왔으나 의견거절을 받은 시점으로 올수록 유의한 결과가 나타났다. 구체적으로 R56 vs. R45, R45 vs. R34, R34 vs. R23의 p 값은 각각 0.5865, 0.3507, 0.2670으로 통계적으로 유의한 차이가 있다고 볼 수 없다. 하지만 R23 vs. R12, R12 vs. R01의 p 값은 각각 0.0461, 0.0047으로 통계적으로 유의한 차이가 있다고 할 수 있다(Table 3, Table 4).

평균적으로 R23은 양의 값을 가지지만 R12는 대폭 감소해 음의 값을 갖고 이는 통계적으로 매우 유의한 현상이다(Table 3). 이는 의견거절을 받기 1년 전부터 경영성과에 상당한 문제가 발생했음을 암시한다. 이와 같은 문제는 의견거절을 받은 시점에 더 크게 발생했을 것이라고 충분히 예상해볼 수 있고 이 역시 통계적으로 매우 유의하게 확인된다(Table 4). 이와 같은 검정 결과는 감사의견 예측에 의견거절 연도보다 선행하는 시점의 매출액이 사용될 수 있음을 시사한다.

Table 3. Paired Sample t-test Results for Revenue Change Rate: R23 vs. R12

Previous Rate

Current Rate

Variable

R23

R12

Mean

3.4495

-12.2707

Std. Err.

5.0871

5.2140

Std. Dev.

35.9716

36.8687

Observations

50

50

t-statistic

2.0459

p-value

0.0461

Table 4. Paired Sample t-test Results for Revenue Change Rate: R12 vs. R01

Previous Rate

Current Rate

Variable

R12

R01

Mean

-12.2707

-36.0917

Std. Err.

5.2140

6.6740

Std. Dev.

36.8687

47.1924

Observations

50

50

t-statistic

2.9586

p-value

0.0047

3.3 추가 검정 결과

본 연구가 최초에 수집한 기업은 240개였으나 기업별로 7년치 자료가 모두 있는 기업은 50개밖에 없었다. 과거 일부 기간은 통계적으로 유의하지 않다는 사실이 확인되었으므로 기간을 줄이고 기업의 수를 확대하여도 같은 결과가 나오는지 확인하였다.

직전 검정에서 통계적으로 유의한 결과는 2번 있었고 비록 통계적으로 유의하지는 않았으나 R34 대비 R23도 매출액 증감률의 평균값이 상당히 감소하였으므로 기간을 2년 줄여서 재무제표를 다시 처리하였다. 최종적으로 83개 기업의 5년치 재무제표 415개를 사용해 동일한 분석을 수행하였다.

Table 5는 의견거절을 받기 4년 전부터 의견거절을 받은 해까지 전년 대비 매출액 증감률의 기술통계량을 보여준다. 이번에도 Table 2에서 확인한 경향이 유사하게 나타났다.

이번에는 총 3번의 대응표본 t검정을 실시하였는데 모두 통계적으로 유의한 결과가 확인되었다(Table 6, Table 7, Table 8). 50개 기업의 7년치 자료를 이용해 분석하였을 때에는 R34 대비 R23의 p 값은 0.2670이었으나 83개 기업으로 동일하게 분석하였을 때에는 p 값이 0.0171으로 통계적으로 매우 유의한 차이가 있다는 결과까지 추가로 얻었다. 이와 같은 t검정 결과는 감사의견 예측에 의견거절 연도보다 2년 선행하는 시점의 매출액을 사용할 수 있음을 시사한다.

Table 5. Descriptive Statistics of Variables with 83 Observations

Variable

Mean

Std. Dev.

Min

Median

Max

R34

13.7015

43.2712

-56.723

1.289

142.081

R23

-2.0990

36.9821

-93.230

-5.663

95.719

R12

-14.3138

41.2878

-99.898

-17.819

106.968

R01

-32.9728

47.3512

-99.958

-40.292

94.683

Table 6. Paired Sample t-test Results for Revenue Change Rate: R34 vs. R23

Previous Rate

Current Rate

Variable

R34

R23

Mean

13.7015

-2.0990

Std. Err.

4.7496

4.0593

Std. Dev.

43.2712

36.9821

Observations

83

83

t-statistic

2.4343

p-value

0.0171

Table 7. Paired Sample t-test Results for Revenue Change Rate: R23 vs. R12

Previous Rate

Current Rate

Variable

R23

R12

Mean

-2.0990

-14.3138

Std. Err.

4.0593

4.5319

Std. Dev.

36.9821

41.2878

Observations

83

83

t-statistic

1.9879

p-value

0.0502

Table 8. Paired Sample t-test Results for Revenue Change Rate: R12 vs. R01

Previous Rate

Current Rate

Variable

R12

R01

Mean

-14.3138

-32.9728

Std. Err.

4.5319

5.1974

Std. Dev.

41.2878

47.3512

Observations

83

83

t-statistic

2.7611

p-value

0.0071

3.4 결과 토의

본 연구는 50개 건설기업의 7년치 매출액 자료와 83개 기업의 5년치 자료를 사용해 두 차례에 걸쳐 t검정을 수행하였다. 첫번째 t검정에서 의견거절을 받은 연도와 그 직전 연도에서 전년 대비 매출액의 상당한 감소가 발생하는 현상이 통계적으로 유의함을 확인하였다. 기업의 수를 33개 확대한 두번째 t검정에서는 의견거절을 받기 2년 전부터 전년 대비 매출액의 급격한 감소가 발생하는 현상이 통계적으로 유의함을 확인하였다. 이와 같은 매출액 감소의 배경에는 무리한 매출액 확대를 지양하고 철저한 수익성 관리를 통해 사업을 정상화시키고자 하는 기업의 의도가 존재할 수도 있을 것이다. 물론, 결과적으로 의견거절을 받음으로써 사업의 정상화는 실패하였다. 한편, 의견거절을 받기 수년 전부터 정상적인 경영활동이 불가한 상태로 인해 매출액 감소는 의도치 않게 발생한 결과일 수도 있을 것이다. 의도 유무와 무관하게 1년 뒤의 감사의견을 예측한 선행연구의 대부분은 충분한 시차를 확보한 예측이라고 보기 힘들다고 판단된다.

특기할만한 점은 두 번의 t검정 모두 의견거절 4년 전 대비 3년 전 매출액이 급증하였다는 사실이다. 구체적으로 50개 기업의 자료일 때 약 12 %였고 83개 기업의 자료일 때 약 13 %였다. 낮은 한 자리 수에 불과한 건설 분야의 성장률을 고려해 보면(Kim, 2023), 이례적으로 큰 값이라고 할 수 있다. 이미 의견거절이 발생하기 3년 이전부터 건설기업 내부의 경영자는 재무적 상황에 문제가 있음을 인지하였고, 이에 대한 해결책의 일환으로 일단 현금흐름 개선을 위해 무리한 매출액 확대를 시도한 결과라는 해석이 가능할 것이다. 기업이 정상적인 상황이었으나 무리한 매출액 증대로 인해 결과적으로 의견거절이 발생하였다는 해석도 가능할 것이다. 어떠한 해석을 하든 정상 범위를 벗어나는 매출액 변화는 발주처 입장에서 매우 주의 깊게 확인해야 한다는 결론에 도달할 수밖에 없다.

4. 결 론

본 연구는 건설기업의 매출액 변동이 의견거절에 선행하는 패턴을 보인다는 것을 확인하였다. 첫 번째 연구 질문에 대해, 매출액 변동은 의견거절을 받은 해 이전에 명확한 감소 패턴을 보였으며, 이는 의견거절에 선행하는 지표로서 활용될 수 있는 가능성을 시사한다. 특히, 50개 기업의 7년치 데이터를 분석한 결과, 의견거절 직전 해와 그 이전의 매출액 증감률 간에 통계적으로 유의한 차이가 있음이 확인되었다. 이러한 매출액의 감소 경향은 기업의 재무적 어려움이 표면화되기 전에 나타나는 경고 신호로 작용할 수 있음을 보여준다.

두 번째 연구 질문에 대해서는, 매출액 증감률이 감사 의견을 예측하는 데 유의미한 지표로 활용될 수 있음을 밝혔다. 83개 기업의 5년치 데이터를 추가 분석한 결과, 매출액의 감소뿐만 아니라 특정 시점에서의 증가 패턴도 중요한 정보로 활용될 수 있다는 것을 확인하였다. 이러한 매출액의 변동 패턴은 감사 의견을 예측하는 데 있어 유의미한 통계적 관계를 가지며, 이를 통해 발주자는 건설기업의 재무적 위험을 조기에 평가하고 대처할 수 있는 가능성을 갖게 된다.

본 연구의 결과는 건설기업의 재무 상태를 평가하고 관리하는 데 있어 매출액 변동이 중요한 역할을 할 수 있음을 명확히 한다. 발주자와 이해관계자들은 매출액 변동을 지속적으로 모니터링함으로써 기업의 재무적 위험을 사전에 파악하고 프로젝트 성공 가능성을 높이기 위한 예방적 조치를 취할 수 있을 것이다. 또한, 본 연구는 감사인들에게도 매출액 변동이 감사 의견을 결정하는 데 중요한 참고 자료가 될 수 있음을 시사한다. 이러한 결과는 건설기업의 재무적 안정성 평가뿐만 아니라 건설 프로젝트의 리스크 관리 전략 수립에도 실질적인 기여를 할 수 있을 것이다.

본 연구에는 몇 가지 한계가 존재한다. 우선적으로, 의견거절을 받은 기업의 재무제표를 확보하는 과정에서 기업 규모와 업종에 따라 차이가 발생할 수 있으며, 표본 수의 제약으로 인해 다양한 기업 특성을 충분히 반영하지 못했다. 마지막으로, 매출액 변화 외에 다른 재무적 요소들이 고려하지 않았기 때문에 향후 연구에서는 좀 더 재무지표를 다각적으로 분석해야 할 필요가 있다.

Acknowledgements

This work was supported by a Research Grant of Andong National University.

References

1 
"Dopuch, N., Holthausen, R. and Leftwich, R. (1987). “Predicting audit qualifications with financial and market variables.” The Accounting Review, Vol. 62, No. 3, pp. 431-454."URL
2 
"Doumpos, M., Gaganis, C. and Pasiouras, F. (2005). “Explaining qualifications in audit reports using a support vector machine methodology.” Intelligent Systems in Accounting, Finance and Management, Vol. 13, No. 4, pp. 197-215, https://doi.org/10.1002/isaf.268."DOI
3 
"Fernandez-Gamez, M. A., Garcia-Lagos, F. and Sanchez-Serrano, J. R. (2016). “Integrating corporate governance and financial variables for the identification of qualified audit opinions with neural networks.” Neural Computing and Applications, Vol. 27, No. 5, pp. 1427-1444, https://doi.org/10.1007/s00521-015-1944-6."DOI
4 
"Gaganis, C. and Pasiouras, F. (2006). “Auditing models for the detection of qualified audit opinions in the UK public services sector.” International Journal of Accounting, Auditing and Performance Evaluation, Vol. 3, No. 4, pp. 471-493, https://doi.org/10.1504/ijaape.2006.011207."DOI
5 
"Kim, B. (2023). “Financial status and business performance outlook of construction companies.” KSCE Journal of Civil and Environmental Engineering Research, KSCE, Vol. 43, No. 5, pp. 659-666, https://doi.org/10.12652/Ksce.2023.43.5.0659 (in Korean)."DOI
6 
"Kinney, W. R. and McDaniel, L. S. (1989). “Characteristics of firms correcting previously reported quarterly earnings.” Journal of Accounting and Economics, Vol. 11, No. 1, pp. 71-93, https://doi.org/10.1016/0165-4101(89)90014-1."DOI
7 
"Kirkos, E., Spathis, C., Nanopoulos, A. and Manolopoulos, Y. (2007). “Identifying qualified auditors’ opinions: a data mining approach.” Journal of Emerging Technologies in Accounting, Vol. 4, No. 1, pp. 183-197, https://doi.org/10.2308/jeta.2007.4.1.183."DOI
8 
"Krishnan, J., Krishnan, J. and Stephens, R. G. (1996). “The simultaneous relation between auditor switching and audit opinion: an empirical analysis.” Accounting & Business Research, Vol. 26, No. 3, pp. 224-236, https://doi.org/10.1080/00014788.1996.9729513."DOI
9 
"Laitinen, E. K. and Laitinen, T. (1998). “Qualified audit reports in Finland: evidence from large companies.” European Accounting Review, Vol. 7, No. 4, pp. 639-653, https://doi.org/10.1080/096381898336231."DOI
10 
"Pourheydari, O., Nezamabadi-Pour, H. and Aazami, Z. (2012). “Identifying qualified audit opinions by artificial neural networks.” African Journal of Business Management, Vol. 6, No. 44, pp. 11077-11087, https://doi.org/10.5897/ajbm12.855."DOI
11 
"Stanišić, N., Radojević, T. and Stanić, N. (2019). “Predicting the type of auditor opinion: statistics, machine learning, or a combination of the two?.” The European Journal of Applied Economics, Vol. 16, No. 2, pp. 1-58, https://doi.org/10.5937/ejae16-21832."DOI
12 
"Yasar, A., Yakut, E. and Gutnu, M. M. (2015). “Predicting qualified audit opinions using financial ratios: evidence from the Istanbul stock exchange.” International Journal of Business and Social Science, Vol. 6, No. 8, pp. 57-67."URL