• Journal of Intelligence and Information Systems
• /
• v.7 no.2
• /
• pp.83-93
• /
• 2001

Prediction of corporate failure using past financial data is well-documented topic. Early studies of bankruptcy prediction used statistical techniques such as multiple discriminant analysis, logit and probit. Recently, however, numerous studies have demonstrated that artificial intelligence such as neural networks (NNs) can be an alternative methodology for classification problems to which traditional statistical methods have long been applied. Although numerous theoretical and experimental studies reported the usefulness or neural networks in classification studies, there exists a major drawback in building and using the model. That is, the user can not readily comprehend the final rules that the neural network models acquire. We propose a genetic algorithms (GAs) approach in this study and illustrate how GAs can be applied to corporate failure prediction modeling. An advantage of GAs approach offers is that it is capable of extracting rules that are easy to understand for users like expert systems. The preliminary results show that rule extraction approach using GAs for bankruptcy prediction modeling is promising.

• Asia-Pacific Journal of Business Venturing and Entrepreneurship
• /
• v.11 no.3
• /
• pp.1-15
• /
• 2016

This study has analyzed predication capabilities leveraging multi-variate model, logistic regression model, and artificial neural network model based on financial information of medium-small sized companies list in KOSDAQ. 83 delisted companies from 2009 to 2012 and 83 normal companies, i.e. 166 firms in total were sampled for the analysis. Modelling with training data was mobilized for 100 companies inlcuding 50 delisted ones and 50 normal ones at random out of the 166 companies. The rest of samples, 66 companies, were used to verify accuracies of the models. Each model was designed by carrying out T-test with 79 financial ratios for the last 5 years and identifying 9 significant variables. T-test has shown that financial profitability variables were major variables to predict a financial risk at an early stage, and financial stability variables and financial cashflow variables were identified as additional significant variables at a later stage of insolvency. When predication capabilities of the models were compared, for training data, a logistic regression model exhibited the highest accuracy while for test data, the artificial neural networks model provided the most accurate results. There are differences between the previous researches and this study as follows. Firstly, this study considered a time-series aspect in light of the fact that failure proceeds gradually. Secondly, while previous studies constructed a multivariate discriminant model ignoring normality, this study has reviewed the regularity of the independent variables, and performed comparisons with the other models. Policy implications of this study is that the reliability for the disclosure documents is important because the simptoms of firm's fail woule be shown on financial statements according to this paper. Therefore institutional arragements for restraing moral laxity from accounting firms or its workers should be strengthened.

• 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.

• 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.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1999.04a
• /
• pp.368-370
• /
• 1999

• Proceedings of the Fisheries Business Administration Society of Korea Conference
• /
• 2008.06a
• /
• pp.15-24
• /
• 2008

• Journal of Industrial Convergence
• /
• v.21 no.11
• /
• pp.13-27
• /
• 2023

This study aims to contribute to the reduction of the failure rate and social costs resulting from business failures by analyzing factors that affect the insolvency of social enterprises, as the role of social enterprises is increasing in our economy. The data used in this study were classified as normal and insolvent companies among social enterprises (including prospective social enterprises) that were established between 2009 and 2018 and received credit guarantees from credit guarantee institutions as of the end of June 2022. Among the collected data, 439 social enterprises with available financial information were targeted; 406 (92.5%) were normal enterprises, and 33 (7.5%) were insolvent enterprises. Through a literature review, eight non-financial factors commonly used for insolvency prediction were selected. The cross-analysis results showed that four of these factors were significant. Logistic regression analysis revealed that two variables, including corporate credit rating and the personal credit rating of the representative, were significant. Financial factors such as debt ratio, sales operating profit rate, and total asset turnover were used as control variables. The empirical analysis confirmed that the two independent variables maintained their influence even after controlling for financial factors. Given that government-led support and development policies have limitations, there is a need to shift policy direction so that various companies aspiring to create social value can enter the social enterprise sector through private and regional initiatives. This would enable the social economy to create an environment where local residents can collaborate to realize social value, and the government should actively support this.

• Asia-Pacific Journal of Business Venturing and Entrepreneurship
• /
• v.9 no.1
• /
• pp.119-132
• /
• 2014

This study analyzed the failure prediction model of the firms listed on the KOSDAQ by considering whether there are embezzlement, malpractice and the largest shareholder changes or not. This study composed a total of 166 firms by using two-paired sampling method. For sample of failed firm, 83 manufacturing firms which delisted on KOSDAQ market for 4 years from 2009 to 2012 are selected. For sample of normal firm, 83 firms (with same item or same business as failed firm) that are listed on KOSDAQ market and perform normal business activities during the same period (from 2009 to 2012) are selected. This study selected 80 financial ratios for 5 years immediately preceding from delisting of sample firm above and conducted T-test to derive 19 of them which emerged for five consecutive years among significant variables and used forward selection to estimate logistic regression model. While the precedent studies only analyzed the data of three years immediately preceding the delisting, this study analyzes data of five years immediately preceding the delisting. This study is distinct from existing previous studies that it researches which significant financial characteristic influences the insolvency from the initial phase of insolvent firm with time lag and it also empirically analyzes the usefulness of data by building a firm's fail prediction model which considered embezzlement/malpractice and the largest shareholder changes as dummy variable(non-financial characteristics). The accuracy of classification of the prediction model with dummy variable appeared 95.2% in year T-1, 88.0% in year T-2, 81.3% in year T-3, 79.5% in year T-4, and 74.7% in year T-5. It increased as year of delisting approaches and showed generally higher the accuracy of classification than the results of existing previous studies. This study expects to reduce the damage of not only the firm but also investors, financial institutions and other stakeholders by finding the firm with high potential to fail in advance.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2012.05a
• /
• pp.54-57
• /
• 2012

본 논문은 클라우드 기반 종합채권관리 지원 시스템을 제안한다. 제안된 시스템은 자동화된 통합인증 및 접근제어 시스템으로서, 각기 독립된 모듈을 통합하여, 부실예측을 예상하고 자산을 평가하여 채권회수에 관한 데이터 및 기법을 다른 모듈과 공유함으로써 채권회수 및 관리의 효율성을 높인다. 또한 제안하는 시스템은 클라우드 환경에서 운영됨으로 인하여 금융 사고를 줄이고, 업무 투명성을 높이는데 목적을 둔다. 따라서 제안하는 시스템은 고객의 접근성 및 보안성을 강화하여 기존 시스템보다 효율적으로 사용될 것으로 기대된다.