• The Korean Journal of Financial Management
• /
• v.15 no.1
• /
• pp.299-327
• /
• 1998

기업부실예측모형은 관련당사자들에게 부실위험을 사전에 경고함으로써 기업이 실제 부실화되는 경우 발생할 막대한 사회적 비용을 절감시켜 줄 수 있지만 지금까지 개발된 모형의 예측력은 그다지 만족스럽지 못하였다. 본 연구에서는 먼저 기존 부실예측연구의 한계 및 문제점들을 살펴보고, 철저한 실증분석에 근거하여 모형의 예측력 극대화에 실제적으로 기여하는 변수만을 선정함으로써 보다 높은 예측력을 가진 부실예측모형 개발을 시도하였다. 비금융 상장회사에 적용할 목적으로 개발된 본 모형의 자체예측력은 부실기업표본의 경우 85.3%, 비부실표본의 경우 95.1%으로써 기존의 모형들에 비하여 크게 향상되었고, 검정용표본을 이용한 예측력의 경우에도 부실표본 76.5%, 비부실표본 94.2%로서 대폭 개선되었다. 본 모형은 대출심사시 뿐만 아니라 기관투자가들이 주식 및 채권투자를 위한 기업분석에도 매우 유용하게 활용될 수 있고 특히 적격업체의 1차적 판별에 매우 유용할 것으로 예상된다.

• The Korean Journal of Financial Management
• /
• v.15 no.1
• /
• pp.223-243
• /
• 1998

본 연구는 부실기업의 예측여부에 따른 금융기관의 주가 반응을 분석하였다. 1991년부터 1996년까지 관리종목에 편입된 종목중 40종목을 연구대상으로 선정하였다. 부실기업의 예측은 부실예측모형과 전문신용평가기관의 신용등급을 이용하여 판단하였다. 연구결과에 따르면 기업부실 공시시 금융기관 주식의 초과수익률은 전반적으로 부의 값을 갖는 것으로 분석되었다. 즉, 주가반응의 크기에는 정도의 차이는 있지만 부실예측 여부에 관계없이 기업부실은 금융기관 주가에 악영향을 미치는 것으로 나타났다. 구체적으로 살펴보면 신용등급에 의해 부실이 예측되는 경우에 비해 부실이 예측되지 못한 경우에 주가반응이 크고 유의적으로 나타났다. 그러나 부실예측모형을 이용한 경우에는 부실이 예측된 경우의 주가반응이 예측되지 못한 경우에 비해 크게 나타났다. 이러한 결과는 부실예측모형의 부정확성 또는 예측모형에서 사용된 회계자료의 부정확성에 기인한 것으로 판단된다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2003.05a
• /
• 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.

• The Korean Journal of Financial Studies
• /
• v.6 no.1
• /
• pp.141-170
• /
• 2000

기업의 부실화과정에서 경영자는 그 누구보다도 먼저 부실화의 재무적 징후를 포착할 수 있을 것이며, 부정적인 정보가 외부에 누출되는 경우 발생할 수 있는 은행의 대출중단 등의 치명적 비용을 피하기 위하여 긍정적인 정보를 조작 유포시킬 강한 유인이 존재한다. 이러한 인식에 근거하여 경영자의 이익조절 가능성이 높아지는 기업부실화의 일정시점에서 기업부실예측의 현실적인 모형을 추정하는 데 본 연구의 목적이 있다. 본 연구에서는 부실기업에서 재무정보의 이익조절행위 가능성을 검증하기 위하여 1995년에서 1998년까지 부실화된 115개 상장기업들의 부실전 재무정보를 분석하였고, 총 20개의 재무변수와 그 변화율을 고려하여 부실예측모형을 추정하였다. 이러한 본 연구의 결과는 다음과 같이 요약할 수 있다. 첫째, 부실표본기업의 경우에 재무정보 상호간의 논리성이 와해되거나 크게 약화되어 경영자의 심각한 이익조절행위가 있는 것으로 추정되며, 수익성 정보에 집중되어 부실 2년전부터 심해지고 있는 것으로 나타났다. 둘째, 경영자의 이익조절행위로 인해 논리적 상관관계가 와해되지 않은 재무정보들은 부실예측에 대한 설명력을 갖고 있으며, 본 연구에서 9개의 재무변수로 추정한 부실예측모형은 부실 1년전 80%의 우수한 예측력을 보여주고 있다.

• The Korean Journal of Financial Studies
• /
• v.6 no.1
• /
• pp.93-117
• /
• 2000

본 논문의 목적은 1991년부터 1996년까지 부실이 된 상장기업 41개사와 이에 대응하는 118개 건전기업의 표본을 가지고 주요 재무정책변수를 이용하여 로짓분석에 의한 기업부실예측모형을 구축하는데 있다. 본 연구에서는 기존연구와는 달리 이론적으로 타당하고 재무경영자의 관심대상인 투자정책변수, 자본조달정책변수 및 배당정책변수를 가장 잘 반영한다고 판단되는 12개의 재무비율을 사전적으로 선정하였다. 이들 12개의 재무비율에 대해 부실기업과 건전기업을 가장 잘 판별할 수 있는 재무비율을 선정하기 위하여 프로파일 분석과 두 표본 t검정을 하였다. 그 결과 투자정책, 자본조달정책, 그리고 배당정책을 대표하는 변수로 자기자본순이익률, 총자본부채비율 및 배당율이 각각 채택되었다. 그리고 현금흐름변수를 추가하였다. 이 네 변수를 이용하여 로짓분석을 실행하였다. 먼저 부실 1년전부터 부실 5년전까지 각 연도별로 부실예측모형을 추정하였다. 부실 1년전의 추정모형에 의하면 총자본부채비율을 제외한 모든 계수의 부호는 (-)로 모두 기대했던 대로 나타났다. 전체적으로 볼 때 부실 4-5년 전에는 자기자본순이익률과 총자본부채비율이 기업부실에 유의한 영향을 주나 부실전 3년간은 현금흐름과 배당률의 크기가 부실에 영향을 주는 것으로 나타났다. 본 연구는 부실예측모형을 기업의 재무정책적인 관점에서 추정하였다는 데 그 의의가 있다고 할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.713-714
• /
• 2021

소상공인은 우리나라 경제의 중요한 역할을 하는 경제적 근간이루고 있지만 상대적으로 영세하고 경영여건이 불안하다. 정부정책적인 자금지원이 필요하나 재원의 한계로 효율적인 자본분배가 필요하다. 따라서 본 논문은 랜덤포레스트 모형을 활용하여 소상공인 정책자금 대출에 관한 부실예측모형을 개발함으로써 부실징후를 사전에 파악하고 예방함으로써 사회적비용을 절감하고 자원의 효율적 분배에 기여하고자 한다.

• The Journal of the Korea Contents Association
• /
• v.9 no.3
• /
• pp.305-311
• /
• 2009

The bankruptcy in Korea affects to all stakeholder of firms. Companies listed in KOSDAQ have high technology but the possibilities for success of business are low. The purpose of this study is to develop and to applicate falling prediction model of KOSDAQ firms using logistic regression analysis. The results of this study are as follows. First, the accuracy of classification of the models by years was between 76.5% and 77.5%, and that of the mean model was between 70.6% and 83.4%. Among the models, the mean model of -three years, -two years, and -one year was highest in the accuracy of classification (83.4%). Second, when the mean model of -three year, -two years, and -one years, the highest model in accuracy of classification, was selected to be verified on validation samples, the accuracy of prediction increased from -three years to -one year (71.7% for -three years, 75.0% for -two years, 90.0% for -one year). In indicating the superiority of developed model.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.354-357
• /
• 2018

본 연구의 목적은 저축은행 부실에 영향을 미치는 주요 변수를 선정하고, 기존 전통적인 통계기법에 국한된 국내 부실 예측 연구를 벗어나 기계학습을 활용하여 부설 예측모형에 대한 성능을 향상시키는 것이다. 이를 위해 본 연구는 2010년부터 2014년까지의 부실저축은행 297개사와 건전 저축은행 88 개사의 재무정보 1,5067개 분기자료를 기반으로 로지스틱회귀분석 뿐만 아니라, ANN, SVM 및 Decision Tree와 같은 알고리즘을 이용하여 보다 정교한 부실 예측 모형을 개발하고 활용함으로써 금융기관에 대한 리스크 상시 감시를 통해 부실을 사전에 예방하고 시장의 안정화 및 금융질서를 유지함을 목적으로 하고 있다.

• Journal of Korea Port Economic Association
• /
• v.39 no.2
• /
• pp.97-110
• /
• 2023

This study examines the effect of macroeconomic shocks on the financial stability of the Korean shipping industry. Using Firth logistic regression model, this study estimates the default probability of a shipping company. The results from a default prediction model suggest that total assets are negatively correlated with default probability, while total debt is positively correlated with default probability. Based on the results from a default prediction model, this study investigates the effect of macroeconomic shocks, namely total assets, sales, and total debt shocks, on a shipping company's default probability. The stress test results indicate that a decrease in sales and total assets significantly deteriorates the financial stability of a shipping company.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.6
• /
• pp.1207-1216
• /
• 2015

This study aims to compare the model power in developing corporate credit rating models and to suggest a good way to build models based on the characteristic of data. Among many measurement methods, AR is used to measure the model power under various conditions. SAS/MACRO is in use for similar repetitions to reduce time to build models under several combination of conditions. A corporate credit rating model is composed of two sub-models; a credit scoring model and a default prediction model. We verify that the latter performs better than the former under various conditions. From the result of size comparisons, models of large size corporate are more powerful and more meaningful in financial viewpoint than those of small size corporate. As a corporate size gets smaller, the gap between sub-models becomes huge and the effect of outliers becomes serious.