J Navig Port Res > Volume 49(2); 2025 > Article
터미널운영사의 선사신용평가요인 식별 및 중요도 평가

요 약

본연구는 TOCs의 대(對)선사 신용관리를 위한 신용평가에 관한 연속 연구의 첫 단계로 TOCs의 대(對)선사 신용 평가요인의 식별 및 중요도 평가에 관한 연구이다. 문헌 고찰과 실무 전문가 인터뷰를 통해 신용평가 지표를 3개 차원과 9개의 하위 지표로 분류하고, AHP를 활용하여 각 지표의 중요도를 평가하였다. 분석 결과, 상위 3개 차원은 상대적으로 유사한 중요도를 보였으나, 비재무적 지표의 중요도가 재무적 지표보다 높게 평가되었다. 하위 지표 중에서는 ‘연체금액 대비 신용한도 비율(0.237)’, ‘TOC가 처리한 선사의 연간 물동량(0.204)’, ‘TOC와의 거래 년수(0.094)’, ‘제3자 신용등급’이 상대적으로 높은 중요도를 나타냈으며, 이는 TOCs가 선사의 신용도를 평가하고 관리할 때 우선으로 고려해야 함을 시사한다. 도출된 지표의 중요도 값은 향후 선사의 성과 수치와 결합 되어 TOCs의 신용평가 및 신용관리 모델 개발에 활용될 것으로 기대된다.

ABSTRACT

This study represents the first phase of a sequential research project aimed at developing a credit evaluation and management model for terminal operating companies (TOCs) in assessing the creditworthiness of container shipping lines. Through a review of existing literature and interviews with industry experts, this study identified and classified nine credit indicators across three key dimensions. The Analytic Hierarchy Process (AHP) was employed to determine the relative importance of each indicator. Results of analysis showed that three top-level dimensions had relatively similar levels of importance. However, non-financial indicators were found to be more influential than financial ones. Among the nine sub-indicators, the ratio of overdue credit to credit limit (0.237), annual throughput handled by TOC (0.204), length of business relationship with TOC (0.094), and third-party credit ratings were the most significant. These findings suggest that TOCs should prioritize these indicators when assessing and managing the credit risk of shipping lines. Derived weight values of credit evaluation indicators are expected to be integrated with shipping line performance data in future studies, contributing to the development of a comprehensive credit evaluation and management model tailored to the needs of TOCs.

1. 서 론

컨테이너 터미널 운영사(Terminal Operating Companies, TOCs)는 항만 서비스 제공에서 핵심적인 역할을 하고 있으며, 특히 선사와 기타 운송 서비스 제공자에게 컨테이너의 하역 및 보관 서비스를 제공한다. TOCs는 서비스에 대한 대가로 터미널 이용자(i.e. 선사)로부터 서비스 이용료를 징수한다. 일반적으로 TOCs는 서비스 이용료를 선사의 신용도 및 계약 물량에 따라 터미널 서비스 신용판매에 대한 매출채권에 대금 납부 기한 및 신용 비율을 차등 적용하고 있다. 다만, 매출채권은 1년 이내에 현금화할 것으로 기대되는 단기채권이지만, 매출채권의 회수 지연은 TOCs의 유동성 위험을 증가시킬 수 있다. 실제로 2008년 금융위기 이후부터 코로나 팬데믹 전까지 경험한 해운업 전반의 재무 건전성 악화, 과잉 공급과 제로섬 경쟁 속에서 선사의 파산 가능성에 대한 우려가 상당했었다. 2017년 한진해운의 파산 사례나 2016~2018년의 수많은 해운업계의 인수합병(M&A)은 이러한 불안을 방증하는 결과이다. KPMG(2016)는 선사들의 인수합병은 선사들이 채무불이행과 파산을 피하기 위한 구조조정의 일환으로 진행되었다고 평가하고 있다.
따라서, TOCs는 서비스 신용판매에 대한 선사의 채무 불이행 위험을 줄이고 안정적인 현금 흐름을 확보하기 위해 매출채권을 효율적으로 관리가 필요하며, 이는 지속 가능한 경영을 위한 필수적인 조치이다(Lee et al., 2006). 이 과정에서 TOCs는 신용판매 제공으로 얻을 수 있는 잠재적인 이익과 손실 위험 사이에서 균형을 유지해야 한다(Srinivasan and Kim, 1988). 즉, 컨테이너 선사는 컨테이너 터미널(항만)에 얽매이지 않고 자유롭게 다른 터미널(항만)을 선택하여 이동할 수 있기 때문이다. 실제, 머스크 라인(Maersk Line)과 하팍로이드(Hapag-Lloid)의 Gemini Cooperation 결성 후 부산항을 모선 기항항에서 제외하는 등 다양한 이유로 수많은 선사의 항만(터미널) 이전 사례는 해운 항만 분야에서 비일비재하게 발생해왔다. 이러한 이유로 TOCs는 신용 기한을 초과하여 연체가 발생한 선사, 특히 대형선사에 대해 적절히 대응을 하지 못하는 경우가 종종 발생한다(A터미널 인터뷰). 또한, TOCs의 대(對)선사 신용평가 방식이 단편적이며, 선사의 질적 성과 측면의 특성을 간과하는 경우가 많다. 각 정량적 지표는 개별적으로 또는 소수의 항목만을 함께 고려해 평가되기 때문에 선사의 정확한 신용도를 판단하기 위해 새로운 평가 요인의 식별 및 평가 방법의 개발이 필요하다.
따라서 본연구는 TOCs의 대(對)선사 신용관리를 위한 다차원 신용평가 지수 개발 및 평가에 관한 연속 연구의 첫 단계로 TOCs의 대(對)선사 신용 평가요인의 식별 및 중요도 평가에 관한 연구이다. 향후, 본 연구 결과를 활용하여 TOCs의 대(對)선사 신용평가(Credit Evaluation)에 관한 연구가 진행될 것이다. 이를 위해 본 연구는 선사 신용평가 요인 식별과 관련한 선행연구와 선정된 신용평가 요인의 중요도 평가 방법 및 실증분석, 마지막으로 결론으로 구성하였다.

2. 선행연구

2.1 신용평가 및 신용관리

신용평가란 기업의 재무 건전성을 판단하고 기한 내 대금을 지불할 가능성이 있는지를 평가하는 것을 의미하며, 궁극적으로 기업의 자본조달 등을 위한 신용도를 평가하기 위해 행해진다(Lee et al., 2006). 신용평가 방식은 1980년대 이후 점점 더 종합적인 형태로 발전해왔으며, 단순한 재무지표 중심에서 벗어나 기업의 효율성과 효과성 측정을 위한 다양한 지표를 포괄하는 형태로 변화해 왔다(Srinivasan and Kim, 1988).
신용관리는 기업 내에서 신용정책을 관리하는 기능을 의미한다(Lee et al., 2006). 신용관리의 주요 활동은 신용평가를 통한 신용위험 분석, 외상매출채권(AR) 관리, 채권 추심 등을 포함한다(Bullivant, 2010). 컨테이너 터미널 운영에 있어 신용관리는 필수적인 요소이며, 효과적인 신용관리는 외상매출채권의 조기 회수를 가능하게 하며, 미수금 규모를 최소화한다. 신용관리가 우수한 컨테이너 터미널은 현금흐름과 유동성이 개선되고, 채권 추심에 드는 자원도 줄어들어 결과적으로 수익성과 지속가능성이 향상된다(Psillaki et al., 2010).
신용평가는 신용관리의 핵심 기능으로 간주되며, Thomas (2000)는 재무적·비재무적 요소를 모두 고려해야 신용평가의 유연성과 실용성을 높일 수 있다고 하였다. Srinivasan and Kim(1988)은 신용평가 대상을 다섯 가지 주요 요소(재무 건전성, 고객 배경, 지불 이력, 사업 잠재력 및 빈도, 지리적 위치)로 평가하는 신용평가 모델을 제시했으며, 각 속성에는 하위 요소들이 포함되어 있다. 이 모델은 다차원적 성과평가 프레임워크(Kaplan and Norton, 1992)와 유사하며, 현대의 성과평가 시스템의 기초로 널리 인정받고 있다(Ha et al., 2017).
타산업의 경우, 기업 성과평가 및 신용평가 모델 개발을 통한 기업의 파산위험 경감에 관한 기존 문헌은 많지만(Hernandez Tinoco & Wilson, 2013), 해운 및 항만 산업에서는 관련 연구가 거의 없는 실정이다. 이에 본 연구는 선사의 성과와 신용역량을 종합적으로 평가할 수 있는 TOCs의 대(對)선사 신용평가 및 신용관리 프레임워크를 제시하고자 한다.

2.2 신용평가지표 식별

경영학의 다수 연구(Srinivasan and Kim, 1988; Lee et al., 2006; Min and Lee, 2008; Psillaki et al., 2010; Zhang et al., 2018)에서는 기업의 신용평가 또는 신용평가 지수를 개발 및 소개하고 있다. 그러나 해운 산업의 고유한 산업적 특성(i.e. 매출채권 만기 대비 장기 계약 기간, 선사별 다양한 대금 지불 패턴, 계약에 따라 다른 화물 물동량, 항만(터미널) 간 잦은 기항지 이동, 선사의 강력한 협상력 등)으로 인해 이러한 기준을 해운·항만 분야에 직접 적용하는 것은 맞지 않다. 또한, 본 연구는 선사가 자본조달을 위한 신용도를 평가하기 위한 것이 아니라, 터미널운영사가 각 선사의 재무 및 운영의 신뢰성, 즉 외상매출채권 대금을 약정한 기일내(단기) 상환할 수 있는지 평가할 수 있도록 지원하는 데 목적이 있다.
이러한 목적을 달성하기 위해 본연구는 다양한 문헌에서 제안하는 평가 모형을 바탕으로 신용평가지표를 선정하였다1). 또한, TOCs가 선사 맟춤형 신용도를 평가할 수 있도록 금융 및 재무, 항만 및 해운, 물류, 전략경영 및 산업 사례와 관련된 문헌 연구와 인터뷰를 통해 신용평가지표를 식별하였다.
우선, 기업의 재무지표는 신용평가에서 가장 일반적으로 고려되는 것으로, 상기 검토된 대부분의 신용평가 문헌에서 다루고 있다. 즉, 기업의 재무 건전성은 신용평가에서 중요한 요소로, 계량화가 가능하고, 비교가 상대적으로 용이하며, 기업이 부채를 상환할 수 있는 능력을 직관적으로 분석 가능하다. 일반적으로 기업의 재무 건전성(재무성과)은 그 단순함으로 인해 기업의 성장성, 수익성, 안전성, 활동성 등 재무비율을 통해 측정되고 있다. 이를 통해 기업 성장, 생산성, 비용 구조와 같은 기업 특성을 평가하는 데 활용되고 있다(Min and Lee, 2008). 또한, 기업의 재무성과는 신용평가기관(i.e. Moody’s, S&P, Fitch, etc)이 제공하는 외부 신용등급에서도 반영된다. 이들 기관의 평가 방법은 약간 차이가 나지만, 기업을 '우량(prime)', '고급(high grade)', '상위 중간 등급(upper medium grade)' 등의 신용등급 범주에 해당하는 유사한 평가 척도를 사용하고 있다. 신용평가기관은 신뢰도가 높은 기관으로 인식되어 신용평가사의 기업 신용평가는 공신력 있게 널리 활용되고 있다. 터미널운영사도 선사의 신용부여 및 신용관리 결정에 신용평가사의 신용등급을 활용하고 있는 것으로 나타났다(터미널 운영자 인터뷰). 이는 터미널운영사가 다양한 선사의 재무성과를 종합적으로 평가하기 위해 각 선사의 개별 재무제표를 수집하는 것이 복잡하고 시간 소모적이기 때문이다. 따라서 실무적인 관점에서 본 선사의 재무 건전성 지표는 제3자(신용평가사) 신용등급을 선사의 재무성과에 대한 대체 지표로 활용하는 것이 더 쉽게 실행할 수 있을 것으로 판단된다.
기업의 신용평가에서 비재무적 지표는 기업 성과를 더욱 포괄적으로 제공하고 신용평가의 정확성을 향상시키는 것으로 인식되어 신용평가 모델에 점점 더 많이 활용되고 있다(Hernandez Tinoco and Wilson, 2013). 이는 기업의 재무 건전성 지표가 대부분 후행지표로 재무성과가 가지는 고유한 한계를 극복하기 위함이다(Grunert et al., 2005). 일반적으로 기업의 신용평가에서 활용되는 비재무지표는 고객 배경, 지급 이력, 사업 잠재력 및 빈도 등 기업 특성의 폭넓은 범주를 포함하고 있다. 이를 바탕으로 본 연구에서 사용하는 비재무 지표는 (1) 선사의 대금 지불 기록 및 경영 품질, (2) 선사의 배경 및 운영 측면을 포함한다.
기업의 경영 품질은 신용평가에서 가장 중요한 비재무 지표 중 하나로 이는 경영진이 기업의 운영 효과성 및 효율성, 그리고 사업 전략을 결정하는 데 핵심적인 역할을 하기 때문이다(Grunert et al., 2005). 따라서 경영 품질은 기업 성과, 장기적인 생존 가능성, 그리고 기업이 그 의무를 이행할 수 있는 능력에 큰 영향을 미친다(Zhang et al., 2018).
기업의 과거 지급 이력과 기업의 경영 품질 사이에는 강한 연관성이 있으며, 이는 기업이 재무적 의무를 이행할 수 있는 신뢰성을 나타내는 지표이다. TOCs의 관점에서 보면, 선사의 지불 패턴과 미지급 외상금액(있는 경우)은 선사의 신뢰도를 판단하는 중요한 지표이다. 또한, 선사의 신뢰도를 더욱 정확히 평가하기 위해, 다른 TOCs과의 지불 이력도 고려된다.
선사의 기업 배경에 대한 고려도 TOC에게는 중요하다. 기업의 배경과 관련한 지표는 다양하며, 첫째, 시장 점유율로 측정되는 선사의 산업 내 위치이다(Ha, 2022). 규모가 큰 기업은 규모가 작은 기업에 비해 상대적으로 신용위험이 더 낮은 것으로 간주된다(Hernandez Tinoco and Wilson, 2013). 즉, 규모가 큰 기업은 더 효율적인 운영, 변화에 대한 높은 적응력, 경쟁에 대한 낮은 민감도를 갖추고 있어, 재무 의무에 대한 채무불이행 위험이 낮은 것으로 증명되었다(Crouhy et al., 2001, Shin et al., 2022). 둘째, TOC와의 거래 년수도 중요한다. TOC는 일반적으로 오랜 거래 관계를 맺고 있는 선사에 더 높은 신용한도를 부여하는 경향이 있으며, 이는 고객 유지를 위한 것이다. 셋째, TOC가 처리하는 선사의 연간 물동량—즉, TOC 전체 물동량에서 해당 선사가 차지하는 비중이 클수록, 일반적으로 더 높은 신용한도가 부여된다. 마지막으로, 선사의 운영 또는 경영에 대한 정부 개입 정도도 본 연구에서는 고려한다. 이는 2008년 금융위기 이후 독일, 한국, 대만 정부 등 주요 국적 선사에 대한 구제금융을 제공한 전례에 비추어, 정부가 대형 국적 선사에 대해 신용보증이나 구제를 제공할 가능성이 더 높다고 가정하기 때문이다(Lee et al., 2012; Paris, 2017). 따라서 정부 개입 수준이 높을수록 채무불이행 위험이 낮은 요소로 간주된다.
이상 살펴본 선사의 신용평가지표는 다음 <Table 1>에 제시되어 있다. 선정된 기준은 선사 성과의 여러 차원을 나타내는 지표(해운항만 특성 반영)들과 일반적으로 사용되는 신용평가 지표로 구성되어 있다. 이 지표들은 검토된 문헌을 참고로 식별하였고 또한 TOCs와의 인터뷰를 통해 TOCs의 의견이 반영되어 TOCs가 선사의 성과 및 신용을 보다 실질적이고 종합적으로 평가할 수 있도록 설계되었다.

3. 분석방법 및 실증분석

3.1 AHP(Analytic Hierarchy Process) 분석

선사의 신용평가를 위해 세 가지 차원(Dimension)과 해당 하위 지표를 식별하였다<Table 1>. 이는 전형적인 다기준 의사결정(MCDM, Multi-Criteria Decision Making)의 형태로 다양한 정량적 및 정성적 지표를 포함하고 있다.
본 연구에서는 AHP(Analytic Hierarchy Process, 계층분석법)를 활용하여 각 계층 지표의 상대적 중요도를 도출한다. 이 기법은 복잡한 계층적 의사결정 문제에서 각 기준의 상대적 중요도를 측정하는 데 성공적으로 적용되어 왔다(Ha et al., 2017). AHP는 다른 MCDM 기법에 비해 다음과 같은 이점들로 인해 본 연구에서 활용하였다.
첫째, AHP는 정량적 기준과 정성적 기준을 모두 처리할 수 있어 신뢰성 있는 결과를 도출할 수 있다. 이는 선사의 성과를 정량적·정성적 지표로 평가해야 해서 필요한 특성이다. 둘째, AHP는 비교적 간단하고 계산이 용이하다. 쌍대비교(Pair-wise comparison)를 활용하는 방식은 여러 기준을 동시에 비교하기보다 두 개씩 비교하여, 의사결정 과정을 단순화시켜 복잡한 다단구조 문제를 쉽게 할 수 있다(Lee and Ha, 2021).
셋째, AHP의 계층적 구조는 확장성(scalability)을 갖고 있다. 평가에 포함되는 차원이나 지표가 추가되거나 제거되더라도, 모델의 규모를 쉽게 조정할 수 있다(Ha et al., 2017). 마지막으로, AHP는 유사한 MCDM 기법들에 비해 많은 데이터를 요구하지 않는 장점이 있다(Lee and Ha, 2021). 본연구에서 활용된 AHP기법은 Lee and Ha(2021)가 제시한 방법에 따라 계산하였으며, 활용한 수식은 다음과 같다.
AHP 행렬은 n×n으로 구성되며, 클러스터 내 지표 간 쌍대비교는 n(n-1)/2로 계산된다. <식 1>에서 eijl는 신용지표인 RiRj(i,j=1,2,…,n)에 대한 상대적 중요성 판단을 m명의 l번째 전문가에 의해 판단된 고유값 (eigenvalue)을 나타내며, 전문가 m명에 의해 평가된 각 신용지표의 상대적 중요도는 <식 2>를 통해 도출된다. 각 평가자의 신용지표에 대한 상대적 중요도의 신뢰성은 <식 3>을 통한 내적 일관성(Consistency Ratio : CR) 검정으로 확인할 수 있다. AHP 기법에서 CR 값이 0.1보다 크면 내적 일관성이 없는 것으로 판단되어, 이 경우 재설문을 진행해야 한다. 각 평가자의 내적일관성(CR) 0.1이하이면, <식 2>와 <식 3>을 통해 전체 평가자의 신용지표에 대한 상대적 중요도를 도출한다.
(1)
eij=1m(eij1++eijm)
(2)
wi=1nj=1n(eiji=1neij)i=1nwi=1
(3)
CI=λmax-nn-1         CR=CIRIλmax=j=1ni=1nwiejiwjn
(CI(Consistency Index): 일관성 지수, CR(Consistency Ratio): 일관성 비율, RI(Random Index): 확률 지수, : 최대 고유값: 행렬의 크기)

3.2 AHP 설문 표본의 특성

본 연구는 TOCs관점의 주요고객인 선사의 신용도를 평가하는 연구이다. 따라서 본 연구의 설문 조사 대상자는 컨테이너 터미널 운영과 선사 대(對)고객 서비스에 대한 깊은 지식을 갖춘 전문가로서, 선정한 지표에 대한 높은 인지능력과 평가능력을 갖추어야 한다(Lee and Ha, 2001). 이를 위해 본 조사의 대상은 앞서 지표선정 자문에 참여한 TOC 전문가 6명과 컨테이너 터미널 성과분야에 많은 연구를 진행해 온 학계 및 연구계 전문가 2명 등 총 8명의 전문가에게 신용지수간 중요도를 평가하였다. 최초 조사시 TOC전문가의 응답 일관도(CR)값이 모두 0.1을 상회해서 평가방법을 설명한 후 재평가 요청하였고 최종적으로 TOCs 전문가 4부 및 학계/연구계 전문가 2명 등 6부를 신용평가지표의 중요도 평가에 활용하였다. AHP 분석은 다수의 표본이 필요하지 않으며 연구 분야에 전문성을 가진 10명 이내의 평가자로도 분석이 가능하다고 보고 있다(Ha and Yang, 2017). 따라서 회수된 6명2) 의 평가를 기반으로 선사의 신용을 평가하기 위한 신용평가지표의 상대적 중요도를 분석하는데 문제가 없어 보인다(Lee and Ha, 2021).

3.3 선사 신용평가지표의 상대적 중요도 분석

TOCs의 선사 신용평가를 위한 신용평가 지표에 대한 상대적 중요도 평가는 앞서 살펴본 AHP 계산식을 활용하여 다음과 같은 결과를 도출하였다. <Table 2>는 신용평가 지표 대분류의 3개 요인(1계층)을 6명의 전문가가 평가한 쌍대비교행렬의 기하평균값이며, 각 행렬값에 열의 합값으로 나눈 정규화 행렬값, 중요도 및 일관성지표 값이 <Table 3>이다. 제1계층 요인들의 상대적 중요도를 보면 ‘선사의 지불기록 및 경영 신뢰성’ 지표가 0.37로 가장 높았으며, 다음으로 ‘선사의 배경 및 운영’이 0.34, ‘재무성과’ 지표가 0.29로 나타났다. 이 결과는 CR이 0.00으로 평가의 내적 일관성이 확보되었다.
<Table 4>과 <Table 5>는 ‘선사의 대금 지불 기록 및 경영 신뢰성’의 하위지표 4개에 대한 쌍대비교행렬의 평균값과 상대적 중요도 및 일관성 지수를 나타낸다. ‘선사의 대금 지불 기록 및 경영 신뢰성’ 지표의 하위지표 간의 상대적 중요도를 살펴보면, ‘연체 금액 대비 신용한도 비율’지표가 0.5로 가장 높았으며, 다음으로 ‘타 TOC와의 지불 이력(0.18)’과 ‘대금 지불 패턴(0.17)’, ‘선사 업력(경험 및 역사)(0.16)’은 비슷한 중요도를 나타내고 있다. CR은 0.004로 내적 일관성이 확보되었다.
두 번째로 ‘선사의 배경 및 운영’의 하부요인 간의 상대적 중요도는 ‘TOC가 처리한 해운사의 연간 물동량’이 0.47로 가장 높게 나타났으며, 다음으로 ‘TOC와의 거래 년수’가 0.22, ‘선사의 업계 내 시장 점유율’이 0.19로 나타났다(<Table 6~7>). CR은 0.009로 내적 일관성이 확보되었다.
상기 도출된 1계층(차원, dimension) 신용지표 중요도(i.e. local weight)와 각 1계층의 하부계층 지표(2계층) 중요도(i.e. local weight)간의 곱으로 선사의 신용평가 지수 중요도(i.e. global weight) 순위를 도출하게 된다. Lee and Ha(2021)에 따르면, 일반적으로 Global Weight는 제2계층 클러스터내 요인수가 모두 같을 때 제1계층 요소의 Local Weight와 각 요소의 하부요인 Local Weight 간의 단순한 곱셈으로 도출이 가능하나, 2계층 각 클러스터의 요인의 수가 다르면 이로 인해 중요도의 결과치가 달라질 수 있다 하였다. 이를 해결하기 위해서는 각 하부요인의 중요도 값에 해당요인의수/전체요인의수를 곱하여 새로운 값을 구한 후 새롭게 도출된 각 요인의 Global Weight 값을 분자값으로, 전체 Global Weight합 값을 분모값으로 표준화하여 해당 문제를 해결할 수 있다고 하였다. 예를 들어, 두 번째 클러스터(선사의 대금 지불 기록 및 경영 신뢰성)에는 4개의 요소가 있으므로, ‘연체 금액 대비 신용한도 비율(0.500)’에 4/9를 곱하면 0.222가 되고, 여기에 해당 상위 기준인 ‘선사의 대금 지불 기록 및 경영 신뢰성’의 local weight(0.372)를 곱하면 0.222×0.372=0.083이 계산된다. 이와 같은 방식으로 각 지표에 적용하면 전체 지표의 합은 0.349가 되며, 이를 이용해 0.083/0.349=0.237을 계산하면, ‘연체 금액 대비 신용한도 비율’에 대한 정규화된(global normalized) 글로벌 가중치인 0.237이 도출된다.
중요도 평가 결과를 살펴보면, 9개 신용평가지표 중 ‘2. 연체금액 대비 신용한도 비율(0.237 )’이 가장 중요한 신용평가 지표로 나타났으며, 다음으로 ‘선사의 배경 및 운영’의 하부지표인 ‘8. TOC가 처리한 해운사의 연간 물동량(0.204)’, ‘7. TOC와의 거래 년수(0.094)’와 ‘재무지표’의 하부지표인 ‘1. 제3자(신용평가사) 신용등급’ 순으로 나타났다. 반면, ‘2. 업계 경험(업력)’, ‘9. 정부 개입 여부’, 1‘0. 납부 패턴(i.e. 주별, 월별 지불)’ 등은 상대적으로 중요하지 않은 지표로 조사되었다.
이들 최하위 중요도를 보인 지표에 대해 평가자의 의견을 수렴한 결과 “지난 한진해운의 파산에서 볼 수 있듯이 세계 7위 선사인 동시에 업력이 50년이 훨씬 넘는 선사도 파산위험에서부터 자유로울 수 없으며, 영국의 P&O, 네덜란드의 Nedlloyd 등 역사가 깊은 선사도 합병 후 Maersk사에 합병되는 등 그 어떤 선사도 파산위험에서 벗어날 수 없으므로 선사 간 비교 시 그렇게 중요하지 않다는 것이다”.
또한, 글로벌 선사 중 정부가 경영권을 가진 선사는 중국 선사를 제외하면 HMM, Yang-Ming 정도이나 “선사의 신용위기 발생 시 해운의 특수성으로 각 정부는 대형 국적 선사에 대해 지정학적인 위험을 고려해 신용보증이나 구제를 제공할 가능성이 높다고 보고 있었다”.
마지막으로 ‘대금 지불 패턴’은 학계/연구계 전문가와 TOCs 전문가 사이 의견의 차이가 나타났는데, 학계/연구계 전문가들은 “신용위험은 약정된 지불기간에 따라 지급 유무 자체가 중요한 것”으로 보았으나 TOCs 전문가들은 “선사에 따라 계약 시 약정패턴이 차등(일주일에 한번, 2주에 한번, 월별 등)적용하고 있다며” 학계/연구계에 비해 대금지불패턴에 중요성을 부여하였다. 이상 살펴본 TOCs가 선사의 신용평가를 위한 신용평가지표의 상대적 중요도와 순위 결과는 다음 <Table 8>과 같다.

4. 결 론

현재 글로벌 해운시장은 미국의 관세정책 등으로 높은 불확실성에 직면해 있으며, 컨테이너 운임시장은 급격하게 하락추세를 맞아 현재는 수에즈 운하 사태 이전 수준으로 돌아간 상황이다. 전통적으로 거시경제 불안정, 운임의 변동성(i.e. 운임 및 용선료 하락), 선박 과잉 공급, 운영 비용 증가 등은 선사의 재무 건전성에 직접적으로 영향을 미치는 요소이다. 또한, TOCs의 매출 대부분은 대(對)선사 서비스를 통해 발생하므로 선사의 재무 건전성은 TOCs의 재무성과에 영향을 주게 된다.
따라서, 본 연구는 TOCs의 주 고객인 컨테이너 선사의 신용관리 및 평가에 관한 연속 연구의 첫 단계로 선사 신용평가에 맞춤형 신용평가 지표 식별 및 신용평가 지표의 중요도를 평가하는 데 초점을 두었다. 현재와 같이 불확실성이 큰 해운시장 상황에서 컨테이너 선사의 신용지표의 식별은 TOCs가 컨테이너 선사의 신용관리 및 평가, 최악의 경우 지급불능 위험 예방을 위한 기본 단계로 그 중요성이 매우 높다.
본 연구에서는 신용평가 및 신용관리, 해운항만성과 등 선행연구와 실무관계자와의 인터뷰를 통해 선사의 신용평가 지표를 3개 차원과 9개 하부지표로 선정하였다. 선정된 지표들간 AHP기법을 통해 상대적 중요도를 파악하였다. 상위 차원(제1계층)에서는 그 중요도가 비슷하게 조사되었으나, 비재무 지표의 상대적 중요도가 재무 지표의 중요도보다 높게 평가되었다. 9개의 하부지표의 중요도는 상위 차원별로 고르게 분포되어 평가되었는데, ‘연체 금액 대비 신용한도 비율(0.237 )’, ‘TOC가 처리한 해운사의 연간 물동량(0.204)’, ‘ TOC와의 거래 년수(0.094)’와 ‘제3자(신용평가사) 신용등급’ 순으로 나타나, TOCs는 선사의 신용평가 시 이들 지표를 우선으로 고려하여 관리해야 한다는 것을 의미한다.
본 연구에서 선정된 컨테이너 선사 신용평가 지표는 향후 선사의 신용평가에 적합한 계층적 구조로 다양한 신용평가 모델의 적용에 활용될 수 있을 것이다. 또한, 본연구에서 제시하는 다차원 및 다계층 신용평가 지표 분류 모형은 필요할 경우 상부 또는 하부지표를 추가로 선정하여 연구를 진행할 수가 있을 것이다. 지금까지 국내외적으로 기업의 신용평가 관련 연구는 경영학의 기업신용평가에 활용되는 일반적인 지표를 활용하여 금융기관 관점의 연구가 주를 이루고 있다. 반면, 본연구는 문헌연구 및 실무진 인터뷰를 통해 해운·항만 특성을 반영한 컨테이너 선사의 다차원적 지표를 식별하여 지표 간의 상대적 중요도를 평가하였다. 이를 통해 TOCs가 선사의 성과 및 신용을 보다 실질적이고 종합적으로 평가할 수 있을 것으로 기대된다. 본 연구를 통해 도출된 신용평가 지표의 중요도 값은 신용평가 지표에 대한 각 선사의 성과 값과 결합하여 향후 TOCs의 대(對) 선사 신용평가 및 신용관리 연구에 활용될 것이다.

NOTES

1) 성과평가 모형은 내부 및 외부, 재무 및 비재무, 선행 및 후행 지표와 같은 지표 범주(차원, dimension)들을 포함해야 하며, 각 범주는 하위의 지표를 포함하여 기업의 종합적인 신용(성과)평가에 활용된다(i.e. Kaplan & Norton(1992)의 균형성과표(Balanced Scorecard), Keegan et al.(1989)의 성과 매트릭스)

2) TOCs 전문가들은 학사 또는 석사 학위 소유자로 터미널 운영(컨테이너) 직종에서 10년 이상(과장~상무)의 경력자이며, 학계 및 연구계 전문가는 박사학위 소유자로 15년 이상의 해운·항만 연구를 수행해 오고 있음.

사 사

본 논문은 인천대학교 2020년도 자체연구비 지원에 의하여 연구되었음.

Table 1
The customized indicators for evaluating creditworthiness of shipping lines
Dimension Indicators Sources
Financial performance (FP) Third-party credit ratings (TPCR) Interviews/industrial practices
Payment records and Management quality (PRMQ) Industry experience (IE) Grunert et al. (2005); Zhang et al. (2018)
Overdue credit to credit limit (OC/CL) Interview/industrial practices
Payment pattern (PP) Interview/industrial practices
Payment records with other TOCs (PROT) Crouhy et al. (2001); Zhang et al. (2018)
Shipping line’s background and operations (SBO) Position in industry-market share (IP-MS) Hernandez Tinoco and Wilson (2013); Crouhy et al. (2001)
Number of years relationship with TOC (NYR) Interviews/industrial practices
Shipping line’s annual throughput handled by TOC (AT) Interviews/industrial practices
Government involvement (GI) Lee et al. (2012); Paris (2017)

Source: Author's own compilation

Table 2
Pairwise comparison matrix(the first level)
Cij
FP PRMQ SBO
Financial Performance(FP) 1.00 0.77 0.84
Payment records and Management quality(PRMQ) 1.30 1.00 1.09
Shipping line’s background and operations(SBO) 1.19 0.92 1.00
Sum 3.49 2.69 2.93
Table 3
The summary of weights and CR(the first level)
FS PRMQ SBO Weight (wi) Cij × wi (Cij × wi)/wi λmax CI CR
FS 1.00 0.77 0.84 0.29 0.86 3.00 3.00 0.00 0.00
PRMQ 1.30 1.00 1.09 0.37 1.12 3.00 n n-1 RI
SBO 1.19 0.92 1.00 0.34 1.02 3.00 3 2 0.58
Sum 9
Table 4
Pairwise comparison matrix of ‘payment records and management quality’
Cij
IE OC/CL PP PROT
Industry experience(IE) 1.00 0.31 0.84 1.00
Overdue credit to credit limit(OC/CL) 3.25 1.00 2.90 2.90
Payment pattern(PP) 1.19 0.34 1.00 0.84
Payment records with other TOCs(PROT) 1.00 0.34 1.19 1.00
Sum 6.44 2.00 5.93 5.74
Table 5
The summary of weights and CR for ‘payment records and management quality’
IE OC/CL PP PROT Weight (wi) Cij × wi (Cij × wi)/wi λmax CI CR
IE 0.16 0.15 0.14 0.17 0.16 0.63 4.012 4.010 0.003 0.004
OC/CL 0.51 0.50 0.49 0.51 0.50 2.01 4.011 n n-1 RI
PP 0.18 0.17 0.17 0.15 0.17 0.67 4.010 4 3 0.9
PROT 0.16 0.17 0.20 0.17 0.18 0.70 4.009
Sum 16.042
Table 6
Pairwise comparison matrix of ‘shipping line’s background and operations’
Cij
IP-MS NYR AT GI
Industry in position - market share(IP-MS) 1.00 0.84 0.37 1.68
Number of years relationship with TOC(NYR) 1.19 1.00 0.39 1.93
Annual throughput with TOC(AT) 2.67 2.54 1.00 3.04
Government involvement(GI) 0.59 0.52 0.33 1.00
5.45 4.90 2.10 7.65
Table 7
The summary of weights and CR for ‘shipping line’s background and operations’
IP-MS NYR AT GI Weight (wi) Cij × wi (Cij × wi)/wi λmax CI CR
IP-MS 0.18 0.17 0.18 0.22 0.19 0.76 4.019 4.025 0.008 0.009
NYR 0.22 0.20 0.19 0.25 0.22 0.87 4.023 n n-1 RI
AT 0.49 0.52 0.48 0.40 0.47 1.90 4.044 4 3 0.9
GI 0.11 0.11 0.16 0.13 0.13 0.50 4.014
Sum 16.100
Table 8
The local weights and global weight of the credit indicators
Dimension (local weight) Elements (local weight) Global weight Normalized global weight Ranking
Financial performance (0.287) 1 Third-party credit ratings (1.000) 0.287 0.091 4
Payment records and Management quality (0.372) 2 Industry experience (0.156) 0.058 0.074 8
3 Overdue credit to credit limit (0.500) 0.186 0.237 1
4 Payment pattern (0.168) 0.063 0.080 7
5 Payment records with other TOCs (0.176) 0.065 0.083 5
Shipping line’s background and operations (0.341) 6 Industry position - market share (0.188) 0.064 0.082 6
7 Number of years relationship with TOC (0.216) 0.074 0.094 3
8 Annual throughput with TOC (TEU) (0.470) 0.160 0.204 2
9 Government involvement (0.126) 0.043 0.055 9
Sum 1.000 1.000

References

[1] Bullivant, G.(2010), Credit Management. Gower Publishing Ltd.
[2] Crouhy, M., Galai, D. and Mark, R.(2001), “Prototype risk rating system”, Journal of Banking and Finance, Vol. 25, No. 1, pp. 47-95.
crossref
[3] Grunert, J., Norden, L. and Weber, M.(2005), “The role of non-financial factors in internal credit ratings”, Journal of Banking and Finance, Vol. 29, pp. 509-531.
crossref
[4] Ha, M. H.(2022), “A Study on the Market Concentration Analysis of Korean Ocean-going Shipping Companies”, J. Navig. Port Res, Vol. 46, No. 4, pp. 351-358.
[5] Ha, M. H. and Yang, Z.(2017), “Comparative analysis of port performance indicators: Independency and interdependency”, Transportation Research Part A: Policy and Practice, Vol. 103, pp. 264-278.
crossref
[6] Ha, M. H., Yang, Z., Notteboom, T., Ng, A. K. Y. and Heo, M. W.(2017), “Revisiting port performance measurement: A hybrid multistakeholder framework for the modelling of port performance indicators”, Transportation Research Part E, Vol. 103, pp. 1-16.
crossref
[7] Hernandez Tinoco, M. and Wilson, N.(2013), “Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables”, International Review of Financial Analysis, Vol. 30, pp. 394-419.
crossref
[8] Kaplan, R. S. and Norton, D. P.(1992), “The Balanced Scorecard-Measures That Drive Performance”, Harvard Business Review, Jan/Feb1992, Vol. 70, No. 1, pp. 71-79.
[9] Keegan, D., Eiler, R. and Jones, C.(1989), “Are your performance measures obsolete?” Management Accounting, June;(1989), pp. 45-50.
[10] KPMG(2016). KPMG Transport Tracker Retrieved from https://assets.kpmg.com/content/dam/kpmg/pdf/2016/03/kpmg-transport-tracker.pdf.
[11] Lee, P. T. W., Lin, C. W. and Shin, S. H.(2012), “A comparative study on financial positions of shipping companies in Taiwan and Korea using entropy and grey relation analysis”, Expert Systems with Applications, Vol. 39, pp. 5649-5657.
crossref
[12] Lee, T. S., Chiu, C. C., Chou, Y. C. and Lu, C. J.(2006), “Mining the customer credit using classification and regression tree and multivariate adaptive regression splines”, Computational Statistics & Data Analysis, Vol. 50, No. 4, pp. 1113-1130.
crossref
[13] Lee, H. J. and Ha, M. H.(2021), “Identification of Risk Factors and Evaluation of the Importance of Risk Factors in Container Ports”, Korea Logistics Review, Vol. 31, No. 6, pp. 23-33.
crossref
[14] Min, J. H. and Lee, Y. C.(2008), “A practical approach to credit scoring”, Expert Systems With Applications, Vol. 35, No. 4, pp. 1762-1770.
crossref
[15] Paris, C.(2017). Korea Extends Aid Package to Hyundai Merchant Marine, Wall Street Journal Retrieved from https://www.wsj.com/articles/korea-extends-aid-package-to-shipper-hyundai-merchant-marine-1485360288.
[16] Psillaki, M., Tsolas, I. and Margaritis, D.(2010), “Innovative Applications of O.R.: Evaluation of credit risk based on firm performance”, European Journal Of Operational Research, Vol. 201, pp. 873-881.
crossref
[17] Shin, S. S., Kim, C. Y. and Ha, M. H.(2022), “A Study on the Productivity Changes of the Korean Container shipping lines using MPI”, J. Navig. Port Res, Vol. 46, No. 6, pp. 548-554.
[18] Srinivasan, V. and Kim, Y. H.(1988), “Designing Expert Financial Systems: A Case Study of Corporate Credit Management. FM”, The Journal of the Financial Management Association, Vol. 17, No. 3, pp. 32-44.
[19] Thomas, L. C.(2000), “A survey of credit and behavioural scoring: forecasting financial risk of lending to consumers”, International Journal of Forecasting, Vol. 16, No. 2, pp. 149-172.
crossref
[20] Zhang, Q., Wang, J., Lu, A., Wang, S. and Ma, J.(2018), “An improved SMO algorithm for financial credit risk assessment-Evidence from China’s banking”, Neurocomputing, Vol. 272, pp. 314-325.
crossref
TOOLS
METRICS Graph View
  • 0 Crossref
  •  0 Scopus
  • 147 View
  • 3 Download
Related articles


ABOUT
BROWSE ARTICLES
FOR CONTRIBUTORS
Editorial Office
C1-327 Korea Maritime and Ocean University
727 Taejong-ro, Youngdo-gu, Busan 49112, Korea
Tel: +82-51-410-4127    Fax: +82-51-404-5993    E-mail: jkinpr@kmou.ac.kr                

Copyright © 2025 by Korean Institute of Navigation and Port Research.

Developed in M2PI

Close layer
prev next