• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.1
• /
• pp.63-69
• /
• 2010

Ensemble is one of widely used methods for improving the performance of classification and prediction models. Two popular ensemble methods, Bagging and Boosting, have been applied with great success to various machine learning problems using mostly decision trees as base classifiers. This paper performs an empirical comparison of Boosted neural networks and traditional neural networks on bankruptcy prediction tasks. Experimental results on Korean firms indicated that the boosted neural networks showed the improved performance over traditional neural networks.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.20 no.11
• /
• pp.151-156
• /
• 2019

This study aims to develop a distress prediction model and to evaluate distress prediction power for the food services industry by using 2017 food service industry financial ratios. Samples were collected from 46 food service industries, and we extracted 14 financial ratios from them. The results show that, first, there are eight ratios (financial ratio, current ratio, operating income to sales, net income to assets, ratio of cash flows, income to stockholders' equity, rate of operating income, and total asset turnover) that can discriminate failures in food service industries and the top-level food service industries. Second, by using these eight financial ratios, the logit function classifies the top-level food service industries, and failures in the food service industry can be estimated by using logit analysis. The verification results as to accuracy in the estimated logit analysis indicate that the model's distress-prediction power is 89.1%.

• Journal of Intelligence and Information Systems
• /
• v.29 no.2
• /
• pp.241-265
• /
• 2023

A corporate insolvency prediction model serves as a vital tool for objectively monitoring the financial condition of companies. It enables timely warnings, facilitates responsive actions, and supports the formulation of effective management strategies to mitigate bankruptcy risks and enhance performance. Investors and financial institutions utilize default prediction models to minimize financial losses. As the interest in utilizing artificial intelligence (AI) technology for corporate insolvency prediction grows, extensive research has been conducted in this domain. However, there is an increasing demand for explainable AI models in corporate insolvency prediction, emphasizing interpretability and reliability. The SHAP (SHapley Additive exPlanations) technique has gained significant popularity and has demonstrated strong performance in various applications. Nonetheless, it has limitations such as computational cost, processing time, and scalability concerns based on the number of variables. This study introduces a novel approach to variable selection that reduces the number of variables by averaging SHAP values from bootstrapped data subsets instead of using the entire dataset. This technique aims to improve computational efficiency while maintaining excellent predictive performance. To obtain classification results, we aim to train random forest, XGBoost, and C5.0 models using carefully selected variables with high interpretability. The classification accuracy of the ensemble model, generated through soft voting as the goal of high-performance model design, is compared with the individual models. The study leverages data from 1,698 Korean light industrial companies and employs bootstrapping to create distinct data groups. Logistic Regression is employed to calculate SHAP values for each data group, and their averages are computed to derive the final SHAP values. The proposed model enhances interpretability and aims to achieve superior predictive performance.

• Venture DIGEST
• /
• s.46
• /
• pp.12-13
• /
• 2004

국내의 M&A는 외환위기 이후 외국기업과 펀드의 국내기업 인수, 국내회사나 투자자들의 부실기업 인수, 국내 기업간 빅딜, 벤처기업 간 M&A 등의 형태로 급속도로 증가해왔다. 그러나 선진국과 비교하여 짧은 역사 때문인지 국내의 M&A 거래건에 대한 개별적인 사후 평가가 그다지 원활히 이루어자는 것 같지는 않다. 선진국과 비교하여 크게 다르지 않은 분석 기법과 전략으로 임하고 있는 국내 현실에 비추어 볼 때, 비즈니스위크지 (2002.10.14)가 말하고 있는 대규모 M&A의 61%가 인수자에게 손해를 입히고 있는 선진국의 상황과 별반 다르지 않을 것이라는 짐작 정도는 해볼 수 있다. M&A는 기본적으로 기업의 이윤을 추구하기 위해 사용되지만, 사실 과거 M&A를 수행했던 대부분의 기업들은 M&A 이후 그들이 예상했던 이익을 달성하지 못하고 있다.

• 한국벤처창업학회:학술대회논문집
• /
• 2019.04a
• /
• pp.51-55
• /
• 2019

기업신용평가(ICR : Issuer Credit Rating)는 기업의 금융상 채무에 대한 전반적인 적기 상환능력, 즉 채무불이행의 가능성을 평가한 것으로 오로지 금융상 채무에 대한 전반적인 채무상환능력을 평가한다. 최근에는 신용평가 등급이 금융시장과의 효과적인 의사소통수단으로 인식되고 기업 IR 및 홍보차원과 기업 간 물품공급과 납품을 위한 업체 선정시 신용등급이 적극적이고 다양하게 활용되고 있다. 이러한 기업신용평가는 최근 경제환경의 급속한 변화에 대응하여 기관별로 평가시스템을 자주 개선하고 있다. 본 연구에서는 정책금융기관 별로 변화된 평가시스템에 대한 평가지표나 구조, 평가시스템을 비교 분석해 그 차이점과 공통점 그리고 경제환경 변화에 따라 변화된 주요지표를 파악해 보고 미래의 신용평가시스템의 변화와 개선방안에 대해 생각하였다. 기관별 비교에서 평가시스템의 차이점은 신보는 신용평가(부실률 기반)와 미래성장성평가(성장성 기반)를 실시하여 보증심사등급(보증의사결정 등급)을 산출하고, 기술자산평가등급은 신용평가등급을 조정(최대 ${\pm}2$등급)하는 보조적 수단으로 활용하고 있으며, 기보는 기술평가(성장성 및 부실률 기반)와 리스크관리용 리스크평가(신보의 신용평가에 해당)로 평가체계를 이원화하여 운영하고, 평가모형은 신보는 객관성을 확보한 정량평가 위주, 기보는 공신력을 확보한 정성평가 위주의 주관적인 평가를 실시하고 있어 어떤 형태의 평가시스템이 더 좋은 평가방법 인지는 알 수 없지만, 기관별 부실율을 보면 다소 참고가 될 수도 있으나, 이것이 전적인 평가의 문제라 보기도 어렵다. 특히 신보는 창업기업 기준이 창업후 7년까지로 확대됨에 따른 창업 3단계 평가제도와 기업의 성장단계에 맞춘 성장단계별 평가기준 세분화는 기업환경을 잘 반영한 변화라 볼 수 있다. 그리고 향후 평가시스템은 경제환경의 변화속도를 어떻게 잘 반영 할 수 있는지에 대한 연구로 방향이 전개될 것으로 보인다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.9
• /
• pp.112-119
• /
• 2016

This study aims to examine propping by the controlling shareholders and the corporate value of Korean firms with agency problems and propping perspectives. Propping refers to a transfer of resources from a higher ownership firm to a lower ownership firm, in order to prevent the latter from going bankrupt. This study used a sample of 4,077 companies listed on the KRX data exchange from 2004 to 2014. We used proxy variables such as long-term supply contracts, asset and business sales, credit facilities, loans, and equity investments to affiliates as wealth transfer instruments of the controlling shareholders. We found that propping occurred by the equity investment of affiliates in Korean firms. Also, we found that the Korean firm's value was decreased by the affiliate equity investment.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.415-421
• /
• 1999

Altman의 연구(1965, 1977)나 Beaver의 연구(1986)와 같은 전통적 예측모형은 분석자의 판단에 따른 예측도가 높은 재무비율을 선정하여 다변량판별분석(MDA： multiple discriminant analysis), 로지스틱회귀분석 등과 같은 통계기법을 주로 이용해 왔으나 1980년 후반부터 인공지능 기법인 귀납적 학습방법, 인공신경망모형, 유전모형 둥이 부실기업예측에 응용되기 시작했다. 최근 연구에서는 인공신경망을 활용한 변수 및 모형개발에 관한 보고가 있다. 그러나 지금까지의 연구가 주로 기업의 재무적 비율지표를 고려한 모형에 치중되었으며 정성적 자료인 비재무지표에 대한 검증과 선정이 자의적으로 이루어져온 경향이었다. 또한 너무 많은 입력변수를 사용할 경우 다중공선성 문제를 유발시킬 위험을 내포하고 있다. 본 연구에서는 부실기업예측모형을 수립하기 위하여 정량적 요인인 재무적 지표변수와 정성적요인인 비재무적 지표변수를 모두 고려하였다. 재무적 지표변수는 상관분석 및 요인분석들을 통하여 유의한 변수들을 도출하였으며 비재무적 지표변수는 조직생태학내에서의 조직군내 조직사멸과 관련된 생태적 과정에 대한 요인들 중 조직군 내적요인으로 조직의 연령, 조직의 규모, 조직의 산업밀도를 도출하여 4개의 실험집단으로 분류하여 비재무적 지표변수를 보완하였다. 인공신경망은 다층퍼셉트론(multi-layer perceptrons)과 역방향 학습(back-propagation )알고리듬으로 입력변수와 출력변수, 그리고 하나의 은닉층을 가지는 3층 퍼셉트론(three layer perceptron)을 사용하였으며 은닉충의 노드(node)수는 3개를 사용하였다. 입력변수로 안정성, 활동성, 수익성, 성장성을 나타내는 재무적 지표변수와 조직규모, 조직연령, 그 조직이 속한 산업의 밀도를 비재무적 지표변수로 산정하여 로지스틱회귀 분석과 인공신경망 기법으로 검증하였다. 로지스틱회귀분석 결과에서는 재무적 지표변수 모형의 전체적 예측적중률이 87.50%인 반면에 재무/비재무적 지표모형은 90.18%로서 비재무적 지표변수 사용에 대한 개선의 효과가 나타났다. 표본기업들을 훈련과 시험용으로 구분하여 분석한 결과는 전체적으로 재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적 중률을 나타내었다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.415-421
• /
• 1999

Altman의 연구(1965, 1977)나 Beaver의 연구(1986)와 같은 전통적 예측모형은 분석자의 판단에 따른 예측도가 높은 재무비율을 선정하여 다변량판별분석(MDA:multiple discriminant analysis), 로지스틱회귀분석 등과 같은 통계기법을 주로 이용해 왔으나 1980년 후반부터 인공지능 기법인 귀납적 학습방법, 인공신경망모형, 유전모형 등이 부실기업예측에 응용되기 시작했다. 최근 연구에서는 인공신경망을 활용한 변수 및 모형개발에 관한 보고가 있다. 그러나 지금까지의 연구가 주로 기업의 재무적 비율지표를 고려한 모형에 치중되었으며 정성적 자료인 비재무지표에 대한 검증과 선정이 자의적으로 이루어져온 경향이었다. 또한 너무 많은 입력변수를 사용할 경우 다중공선성 문제를 유발시킬 위험을 내포하고 있다. 본 연구에서는 부실기업예측모형을 수립하기 위하여 정량적 요인인 재무적 지표변수와 정성적 요인인 비재무적 지표변수를 모두 고려하였다. 재무적 지표변수는 상관분석 및 요인분석들을 통하여 유의한 변수들을 도출하였으며 비재무적 지표변수는 조직생태학내에서의 조직군내 조직사멸과 관련된 생태적 과정에 대한 요인들 중 조직군 내적요인으로 조직의 연령, 조직의 규모, 조직의 산업밀도를 도출하여 4개의 실험집단으로 분류하여 비재무적 지표변수를 보완하였다. 인공신경망은 다층퍼셉트론(multi-layer perceptrons)과 역방향 학습(back-propagation)알고리듬으로 입력변수와 출력변수, 그리고 하나의 은닉층을 가지는 3층 퍼셉트론(three layer perceptron)을 사용하였으며 은닉층의 노드(node)수는 3개를 사용하였다. 입력변수로 안정성, 활동성, 수익성, 성장성을 나타내는 재무적 지표변수와 조직규모, 조직연령, 그 조직이 속한 산업의 밀도를 비재무적 지표변수로 산정하여 로지스틱회귀 분석과 인공신경망 기법으로 검증하였다. 로지스틱회귀분석 결과에서는 재무적 지표변수 모형의 전체적 예측적중률이 87.50%인 반면에 재무/비재무적 지표모형은 90.18%로서 비재무적 지표변수 사용에 대한 개선의 효과가 나타났다. 표본기업들을 훈련과 시험용으로 구분하여 분석한 결과는 전체적으로 재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀 분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적중률을 나타내었다.

• Journal of Intelligence and Information Systems
• /
• v.15 no.4
• /
• pp.99-121
• /
• 2009

Recently, there have been many studies that predict corporate bankruptcy using data mining techniques. Although various data mining techniques have been investigated, some researchers have tried to combine the results of each data mining technique in order to improve classification performance. In this study, we classify 4 types of data mining techniques via their characteristics and select representative techniques of each type then combine them using a genetic algorithm. The genetic algorithm may find optimal or near-optimal solution because it is a global optimization technique. This study compares the results of single models, typical combination models, and the proposed integration model using the genetic algorithm.

• Journal of Navigation and Port Research
• /
• v.44 no.3
• /
• pp.244-252
• /
• 2020

The 2008 global financial crisis was triggered by the Lehman Brothers crisis caused by the sub-prime mortgage crisis in the United States This crisis has had an impact on the globe's dry bulk shipping market by reducing dry bulk cargo volume. An oversupply of dry bulk carriers caused a serious recession in the globe's dry-bulk shipping industry and shipbuilding industry. In this situation, the Korean dry-bulk shipping companies were victims of the quagmire of a long recession since the global financial crisis and could not overcome this crisis. This condition forced them into severe financial risk Thus, it caused many shipping companies to file for bankruptcy. In this study, we classified Korean ocean-going dry-bulk shipping companies into two groups, that is, the solvent group and the insolvent group. We also separated the research period before and after the 2008 global financial crisis. Then we investigated the differences in the major financial ratios of the two groups by t-test and found that some financial ratios such as profitability ratios and growth ratios showed the difference between the two groups with statistical significance. The significance of this study is as follow. First, the shipping company management is also crucial for the systematic management of financial strength and business strategy, it is crucial to manage cargo which a high profitable freight. Second, the shipping company should be managed as a company with continued growth through efficient operation and management of ships.