The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Korea-specified Maximum Expected Utility Model for the Probability of Default

기대효용최대화를 통한 한국형 기업 신용평가 모형

  • 박유성 (고려대학교 정경대학 통계학과) ;
  • 송지현 (한국기업데이터 리스크솔루션팀) ;
  • 최보승 (고려대학교 통계연구소)
  • Published : 2007.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

A well estimated probability of default is most important for constructing a good credit scoring process. The maximum expected utility (MEU) model has been suggested as an alternative of the traditional logistic regression model. Because the MEU model has been constructed using financial data arising from North America and European countries, the MEU model may not be suitable to Korean private firms. Thus, we propose a Korea-specific MEU model by estimating the parameters involved in kernel functions. This Korea-specific MEU model is illustrated using 34,057 private firms to show the performance of the MEU model relative to the usual logistic regression model.

기업의 신용을 평가하는데 있어 정확한 파산확률의 추정은 무엇보다도 중요한 요소이다. 선형로지스틱회귀모형보다 성능이 좋은 기대효용최대화 (Maximum Expected Utility) 모형이 제안되었다. 그러나 이 모형에 포함되어 있는 모수의 일부가 북미와 유럽지역의 자료를 토대로 경험적으로 추정되어진 것이므로 우리나라 기업에 바로 적용하기에는 무리가 있다. 따라서 우리나라 중소기업의 자료를 바탕으로 모수를 재추정하여 한국형 MEU모형을 제안하고자 한다. 34,057개의 중소기업을 이용하여 한국형 MEU모형을 설계한 결과, 기존의 북미 유럽형 모형과 차이가 많이 나는 것으로 나타났으며 성능면에서도 선형로지스틱회귀모형보다 전 산업분류에 걸쳐 한국형 MEU모형이 매우 우수한 것으로 나타났다.

Keywords

References

  1. 김민환 (2000). <재무관리>, 도서출판 홍, 서울
  2. Berger, J. O. (1985). Statistical Decision Theory and Bayesian Analysis, 2nd ed., Springer-Verlag, New York
  3. Bielecki, T. R. and Rutkowski. M. (2002). Credit Risk: Modeling, Valuation and Hedging, Springer-Verlag, Berlin
  4. Cangemi, B., Servigny, A. D. and Fiedman, C. (2003). Standard & poor's credit risk tracker for private firms, Standard & Poor's Working Paper
  5. Friedman, C. and Sandow, S. (2003a). Learning probabilistic models: an expected utility maximization approach, The Journal of Machine Learning Research, 4, 257-291 https://doi.org/10.1162/jmlr.2003.4.3.257
  6. Friedman, C. and Sandow, S. (2003b). Model performance measures for expected utility maximizing investors, International Journal of Theoretical and Applied Finance, 6, 355-401 https://doi.org/10.1142/S0219024903001918
  7. Friedman, C., Huang, J., Servigny, A. D. and Salinas, E. (2003). A utility-based private firm default probability model, Standard & Poor's Working paper
  8. Hastie, T., Tibshirani, R. and Friedman, J. H. (2001). The Elements of Statistical Learning, Springer-Verlag, New York
  9. Hosmer, D. W. and Lemeshow, S. (2000). Applied Logistic Regression, 2nd ed., John Wiley & Sons, New York
  10. Kane, G. and Meade, N. (1998). Ratio analysis using rank transformation, Review of Quantitative Finance and Accounting, 10, 59-74 https://doi.org/10.1023/A:1008248130384
  11. Park, Y. S. and Kim, K. W. (2005). Report on credit risk tracker, Working paper
  12. Skomp, S. E., Cronan, T. P. and Seaver, W. L. (1986). On application of the rank transformation discrimination method to financial problems, The Financial Review, 21, 473-483 https://doi.org/10.1111/j.1540-6288.1986.tb01138.x
  13. Vapnik, V. N. (1999). The Nature of Statistical Learning Theory, 2nd ed., Springer-Verlag, New York