• 디지털융복합연구
• /
• 제20권4호
• /
• pp.185-192
• /
• 2022

본 연구는 P2P(Peer-to-Peer) 대출의 부도위험 예측을 위하여 준지도학습(SSL) 기반의 모델을 개발하고자 한다. 검증된 성능에도 불구하고 지도학습(SL) 방법은 완전 지불 또는 채무불이행과 같이 레이블이 결정된 다수의 데이터가 필요한데 충분한 수의 레이블 데이터를 수집하려면 많은 자원과 시간이 필요하다. P2P 플랫폼이 급성장하면서 대출 건수도 매해 급증하였고, 레이블이 없는 데이터도 지속적으로 증가하고 있다. 본 연구는 P2P 대출 플랫폼인 LendingClub에서 수집한 데이터를 사용하였다. P2P 대출 중 레이블이 결정된 대출에서 추출한 정보뿐만 아니라 레이블이 결정되지 않은 대출에서 추출한 정보도 사용하여 부도 위험을 예측하는 SSL 모델을 개발하여 연구를 수행한 결과, 적은 수의 레이블이 결정된 데이터를 사용함에도 불구하고 SSL 방법으로 구축된 모델이 많은 수의 레이블이 결정된 데이터를 사용하여 학습시킨 SL 방법으로 구축된 모델보다 부도 위험 예측성과가 향상되었다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 지능정보연구
• /
• 제4권1호
• /
• pp.41-58
• /
• 1998

본 연구는 여러 가지 Data Mining 기법들로부터 도출된 지식과 AHP를 이용하여 도출된 전문가의 지식을 사용된 정보의 특성에 따라 조사하고, 이러한 각각의 지식들을 중심으로 부도예측 모형을 설계한 후, 각 모형의 특성 및 부도예측력에 대한 실증적 비교연구에 그 목적을 두고 있다. 사용된 Data Mining 기법들은 통계적 다중판별분석 모형, ID3 모형, 인공신경망 모형이며, 전문가 지식의 추출은 AHP를 사용하여 45명의 전문가로부터 부도와 관련하여 인터뷰 및 설문조사를 실시하였다. 특히 부도예측에 사용된 변수의 특성을 정량적 재무정보와 정성적 비재무정보로 나누어서 각 모형의 특성을 비교연구하였다. 연구결과 부도예측시 정성적정보의 중요성을 확인하였으며, 전문가의 지식을 기반으로한 AHP 모형이 위험예측모형으로 사용될 수 있음을 실증적으로 보여주었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2006년도 춘계학술대회
• /
• pp.176-182
• /
• 2006

본 연구에서는 기존 Bagging Predictors에 수정을 가한 Modified Bagging Predictors를 이용하여 SOHO 에 대한 부도예측 모델을 제시한다. 대기업 및 중소기업에 대한 기압부도예측 모델에 대한 많은 선행 연구가 있어왔지만 SOHO 만의 기업부도예측 모델에 관한 연구는 미비한 상태이다. 금융기관들의 대출심사시 대기업 및 중소기업과는 달리 SOHO에 대한 대출심사는 이직은 체계화되지 못한 채 신용정보점수 등의 단편적인 요소를 사용하고 있는 것에 현실이고 이에 따라 잘못된 대출로 안한 금융기관의 부실화를 초래할 위험성이 크다. 본 연구에서는 실제 국내은행의 SOHO 데이터 집합이 사용되었다. 먼저 기업부도 예측 모델에서 우수하다고 연구되어진 인공신경망과 의사결정나무 추론 기법을 적용하여 보았지만 만족할 만한 성과를 이쓸어내지 못하여, 기존 기업부도예측 모델연구에서 적용이 미비하였던 Bagging Predictors와 이를 개선한 Modified Bagging Predictors를 제시하고 이를 적용하여 보았다. 연구결과,; SOHO 부도예측에 있어서 본 연구에서 제시한 Modified Bagging Predictors 가 인공신경망과 Bagging Predictors등의 기존 기법에 비해서 성과가 향상됨을 알 수 있었다. 제시된 Modified Bagging Predictors의 유용성을 확인하기 위해서 추가적으로 대수의 공개 데이터 집합을 활용하여 성능을 비교한 결과 Modified Bagging Predictors 가 기존의 Bagging Predictors 에 비해 일관적으로 성과가 향상됨을 알 수 있었다.

• 재무관리연구
• /
• 제23권2호
• /
• pp.209-237
• /
• 2006

기존의 기업부도 예측모델들은 장부가치를 기준으로 한 회계적 자료에 의존하여 부도확률을 평가함으로써 시장의 상황변화를 민감하게 반영하지 못하며, 이론적 배경도 약하다는 약점을 가지고 있었다. 그러나 시장정보형 부도예측모형은 기업의 부도예측에 시장가치를 이용함은 물론 Black-Scholes(1973)의 옵션가격결정이론이라는 옵션이론을 배경으로 하고 있어 최근 들어 많은 기업들이 신용리스크를 평가하는 데 사용하고 있으며 그 대표적인 모형이 KMV이다. 우리나라 기업들도 최근 들어 KMV를 많이 사용하고 있으나, 미국기업들과 부채구조가 다른 데도 미국에서 사용하는 KMV모형을 그대로 사용함으로써 부도시점 예측 시 오차가 발생한다는 문제를 가지고 있다. 본 연구에서는 부채구조가 다를 경우 KMV모형을 그대로 사용하면 안 되고 부도확률 산출 시 부채구조를 감안하여야 함을 실증적으로 입증하였다. 즉, KMV모형을 국내에 적용할 경우, 부도확률계산 시 고정부채의 편입비율 50%로 일률적으로 적용하는 것보다는 부채구조를 감안하여 20% 이하로 고정부채편입비율을 조정해야 부도예측능력이 제고된다는 것을 확인함으로써 기업의 신용리스크관리에 중요한 시사점을 제공하고 있다. 또한 IMF 외환위기와 같은 외부충격이 기업부도에 미치는 영향을 확인하였으며, 한국기업들의 경우 유동비율보다는 유동부채비중이 부도점 산정에 보다 중요함도 확인하였다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2003년도 춘계공동학술대회
• /
• pp.835-842
• /
• 2003

현행 기업신용평가모형에 관한 연구는 크게 부실예측모형 및 채권등급 평가모형으로 구분된다. 이러한 신응평가모형에 관한 연구는 단순히 부실여부 또는 이미 전문가 집단에 의해 사전에 정의된 등급체계만을 예측하는 데 초점을 맞추고 있었다. 그러나. 대부분의 금융기관에서 사용하는 신응평가모형은 기업의 부실여부만을 예측하거나 기존의 채권등급을 예측하기 위만 목적보다는 기업의 고유 신응위험을 평가하여 이에 적합한 신용등급을 부여함으로써, 효율적인 대출업무를 수행하기 위해 활용되고 있다. 본 연구에서는 기존의 부실예측모형들을 대상으로 다중 부실확률모형 (Business Failure Probability Map; BFPM) 접근방법을 이용한 신응등급화 방법을 제안하고자 한다. 본 연구에서 제시된 다중 부실확률모형은 신경망모형과 로짓모형을 통합하여 부도율, 점유율을 고려한 다단계 신용등급을 예측할 수 있게 해준다. 다중 부도확률지도 접근방법을 이용하여 각 금융기관에서 정의하는 수준의 신용리스크를 효과적으로 추정하고, 이를 기준으로 보다 객관적인 다단계 신용등급을 산출하는 새로운 신응등급화 방법을 제시 하고자 한다.

• 한국건설관리학회논문집
• /
• 제17권5호
• /
• pp.13-21
• /
• 2016

주수급자 역할을 하는 건설기업의 부실화는 발주자에게 공사계약 미이행에 따른 피해를 초래할 수 있고, 전문건설업체 및 자재공급업체의 재무건전성에 악영향을 줄 수 있다. 건설업은 프로젝트를 수주하고 진도에 따라 기성을 받는 현금흐름의 재무적 특성이 존재하고, 사업 진행 중의 부실화는 투입한 자금의 손실로 이어질 수 있으므로 건설업체의 부실화 예측은 중요하다. 국내 건설업체의 부실화 예측은 90년도 초 미국에서 개발된 KMV (Kealhofer McQuown and Vasicek)사의 KMV모형으로 수행되는 경우도 있지만, 이 모형은 일반적인 기업 및 은행의 신용위험 평가에 개발되어져 건설기업 예측력에는 부족함이 있다. 또한, KMV값의 부도확률 예측력에 대해서는 분석대상의 기업수 및 데이터의 부족으로 의문점이 지속적으로 제기되고 있다. 따라서 이러한 의문점을 해결하기 위해 기존 부도예측확률모형에 베이지안 확률적 접근법(Bayesian Probabilistic Approach)을 접목하고자 한다. 베이즈 통계학의 사전확률(Prior Probability)만 적절하게 예측가능하다면 적은 정보라도 증거에 대한 조건부 획득으로 신뢰성 있는 사후확률(Posterior Probability)을 예측할 수 있기 때문이다. 이에 본 연구에서는 기존 부도예측확률모형에 베이지안 확률적 접근법을 활용하여 예상부도확률(Expected Default Frequency, EDF)을 측정하고, 기존 모형의 예상부도확률과 비교하여 정확성을 예측하고자 한다.

• 지능정보연구
• /
• 제13권2호
• /
• pp.15-26
• /
• 2007

본 연구에서는 기존 Bagging Predictors에 수정을 가한 Modified Bagging Predictors를 이용하여 SOHO에 대한 부도예측 모델을 제시한다. 대기업 및 중소기업에 대한 기업부도예측 모델에 대한 많은 선행 연구가 있어왔지만 SOHO만의 기업부도 예측 모델에 관한 연구는 미비한 상태이다. 금융기관들의 대출 심사 시 대기업 및 중소기업과는 달리 SOHO에 대한 대출심사는 아직은 체계화되지 못한 채 신용정보점수 등의 단편적인 요소를 사용하고 있는 것이 현실이고 이에 따라 잘못된 대출로 인한 금융기관의 부실화를 초래할 위험성이 크다. 본 연구에서는 실제국내은행의 SOHO 대출 데이터 집합이 사용되었다. 먼저, 기업부도 예측 모델에서 우수하다고 연구되어진 인공신경망과 의사결정나무 추론 기법을 적용하여 보았지만 만족할 만한 성과를 이끌어내지 못하여, 기존 기업부도 예측 모델 연구에서 적용이 미비하였던 Bagging Predictors와 이를 개선한 Modified Bagging Predictors를 제시하고 이를 적용하여 보았다. 연구결과, SOHO 부도 예측에 있어서 본 연구에서 제시한 Modified Bagging Predictors가 인공신경망과 Bagging Predictors 등의 기존 기법에 비해서 성과가 향상됨을 알 수 있었다.

• 재무관리연구
• /
• 제25권3호
• /
• pp.131-153
• /
• 2008

본 연구에서는 최근 위험이 점증하고 있는 증권산업에 대한 위험지수를 산출함으로써 증권관련 유관기관에서 국가경제적인 차원에서 증권산업의 위험도를 모니터링하고 위기상황을 예방할 수 있는 대책을 마련할 수 있는 정교하고 포괄적인 재무계량방법론을 제시하고자 하였다. 방대한 자료와 정밀한 계량기법을 통하여 선정된 17개 지표들로부터 2002년 1사분기부터 2007년 2사분기까지 시산된 우리나라 증권산업의 위험지수에 의하면 우리나라의 증권시장에서 2002년 1사분기부터 2003년 1사분기까지, 그리고 2006년 1사분기부터 4사분기까지 위험도가 증가하였고 2003년 2사분기부터 2006년 1사분기까지 우리나라 증권산업의 위험도가 약 22% 감소하였다. 특히 2003년 4사분기와 2004년 1사분기 사이에 우리나라 증권산업의 위험도가 7.72% 감소하여 분기별로는 가장 큰 폭으로 위험도가 감소하였다. 한편 본 연구에서 시산한 한국증권산업의 위험지수는 경제이론에 근거하고 주가와 재무정보를 이용하여 향후 일정기간동안 상장기업의 부도확률을 예측하는 모형인 EDF 부도확률예측모형과도 유사한 결과를 제시하는 것으로 판명 되었다.

• 기술혁신연구
• /
• 제22권2호
• /
• pp.185-220
• /
• 2014

본 연구의 목적은 신기술을 바탕으로 급속히 성장한 신재생에너지 분야 기업의 재정적 어려움을 계량적으로 파악하고 부도위험과 지속가능성을 예측하는 것이다. 태양광 및 풍력기업으로 대표되는 신재생에너지산업은 신생기업이 많은 분야이며, 또한 한국의 현실상 중소기업이 많은 영역이라 start-up기업, 중소기업의 연구란 관점에서도 의의가 있다. 기업의 부도가능성 측정에 관한 연구는 재무비율을 이용한 초기모형 구축을 통한 분석, 기업의 지배구조 분석을 통한 모형분석, 위험과 생존요인을 이용한 분석 등이 주를 이룬다. 본 연구의 분석방법으로 많은 국가에서 이용되고 있는 'Altman Z-score'를 채택하였다. 분석 표본은 한국의 태양광과 풍력분야 상장기업 121개 이며, KIS-VALUE Data를 중심으로 수집, 분석하였다. 분석 대상기간은 2006년부터 2011년이다. 알트만 스코어로 분석한 결과, 태양광과 풍력기업 중에서 '경계 태세(on-alert)'로 분류되어 부도위험에 크게 노출된 기업은 38%,'예의주시(watch)'가 필요한 기업은 38%로, 합하여 76%가 지속가능성에 의문을 받는 기업으로 측정되었다. 신생기업의 경우 순수한 중소기업이 대기업군에 속한 기업보다 지속가능성이 낮았다. 기업규모가 대체적으로 큰 풍력분야 기업과 규모가 작은 태양광분야 기업의 부도위험을 비교한 결과, 풍력기업군의 부도위험이 다소 높게 나타났으나 유의적이지는 않았다. 결과적으로 Altman Z-score의 유용성이 한국의 신재생에너지 산업군 분석에도 검증되었다고 할 수 있다. 본 연구는 신성장산업인 태양광, 풍력기업의 상당수가 부도위험에 직면하였다는 것을 실증적으로 보여준 점에 의의가 있다. 또한 신생 start-up 기업의 연구, 중소기업과 대기업군기업과의 비교연구를 진전시켰다는 점에 의미가 있다.