• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.05a
• /
• pp.1068-1071
• /
• 2005

최근 들어 기술을 담보로 하는 신용금융의 역할이 증대되면서 자금지원 대상기업의 기술평가 시스템 구축이 중요한 과제가 되고 있다. 국내에서는 기업 보유의 기술경영성과를 측정하여 한정된 자원의 효율적 배분을 위한 민간 투, 융자를 위한 기술신용평가모형'이 제시되었다 본 연구에서는 기술신용평가모델의 평가항목 타당성을 실증 분석한다. 모형의 항목 분류가 적절하게 되었는지를 검증하기 위하여 구조적 타당성을 평가하며 통계적 유의성을 검증하여 신뢰성을 평가한다. 구조적 타당성 검정을 위해 확인 요인분석을 수행하며 평가모형의 신뢰성을 검증하기 위해서는 다변량 통계방법 중의 하나인 판별분석을 수행한다. 본 연구는 기술개발 성공 및 부실발생의 예측력을 갖는 기술신용평가 시스템 구축을 위한 기초 자료로 활용될 수 있을 것이다.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.111-134
• /
• 2002

본 연구에서는 건설업종에 특화된 신용평가 모형을 개발하여 건설업종에 대한 부도 예측력를 제고하고자 하였다. 건설업은 여타 업종과는 다른 재무적 특성을 지니고 있다. 특히, 재무적 안정성이 취약하고 자산의 대부분이 매출채권, 재고자산으로 구성되어 유동성이 극히 낮은 실정이다. 본 연구는 이러한 건설업종의 특성을 충분히 감안한 신용평가 모형을 개발하고자 한것이다. 신용평가 모형 중 그 현실적 유용성이 높아 많이 이용되어 오던 신용평점 모형을 개발하였다. 총 2,475개 건설업체를 대상으로 모형구조 및 각종 계량지표 및 비계량지표에 대한 분석을 주로 평균차이 검증과 로짓분석에 의거 선정하였다. 그 결과 새로운 신용평점 모형은 매출액 경상이익률, 총 현금흐름 대 차입금 비율 등 9개의 재무지표와 5분류의 비재무지표로 구성되었다. 이 모형을 기존의 신용평점모형과 비교한 결과 신규모형의 변별력이 높은 것으로 나타났다. 본 연구가 제시한 신용평점모형과 그 개발 방법이 향후 금융기관들의 부실을 줄이고 결과적으로 수익성을 개선하는데 일조하리라 기대된다.

• Journal of Information Technology Services
• /
• v.15 no.1
• /
• pp.153-166
• /
• 2016

Ensemble classification is an approach that combines individually trained classifiers in order to improve prediction accuracy over individual classifiers. Ensemble techniques have been shown to be very effective in improving the generalization ability of the classifier. But base classifiers need to be as accurate and diverse as possible in order to enhance the generalization abilities of an ensemble model. Bagging is one of the most popular ensemble methods. In bagging, the different training data subsets are randomly drawn with replacement from the original training dataset. Base classifiers are trained on the different bootstrap samples. In this study we proposed a new bagging variant ensemble model, Randomized Bagging (RBagging) for improving the standard bagging ensemble model. The proposed model was applied to the bankruptcy prediction problem using a real data set and the results were compared with those of the other models. The experimental results showed that the proposed model outperformed the standard bagging model.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.05a
• /
• pp.872-875
• /
• 2009

In a bankruptcy prediction model, the accuracy is one of crucial performance measures due to its significant economic impacts. 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. In this paper, we analyze the performance of boosted neural networks for improving the performance of 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.375-378
• /
• 2022

한계기업은 성장가능성이 있는 기업들에게 돌아가야 할 자금 및 지원정책을 기업의 연명수단으로 전략하게 될 가능성이 있어 비효율적 자원배분을 초래하게 되며 이는 궁극적으로는 경제성장의 제약을 유발하게 된다. 따라서 본 연구에서는 뉴스 데이터를 활용하여 이러한 한계기업을 초기에 탐지할 수 있는 방법을 제안하고자 한다. 연구결과, 뉴스 데이터를 활용하였을 경우, 그렇지 않은 경우보다 모든 지표가 우수한 것으로 나타나 실제적인 문제에서의 적용 타당성과 가능성을 보였다. 이를 통해 기업은 부실화된 정도를 사전에 예측하여 경영 전략 재수립을 위한 지표로 활용할 수 있을 것이며, 투자자는 리스크를 관리할 수 있는 수단으로 활용될 수 있다.

• Journal of Navigation and Port Research
• /
• v.36 no.3
• /
• pp.205-213
• /
• 2012

This study focused on the supply-demand and training system of the crew for domestic coastal shipping. First of all, it forecasted the prospect and effect in the future of the crew supply-demand through the analysis to the current situation of crew employment and the internal and external environment changes. Next, it suggested the specific role and alternatives of government, industry and educational institutions after the comparison and examination of the sailor policies among Korea and major shipping countries. In regard to the demand of crew manpower in coastal shipping, it figured out the bottoms and the current circumstances of sailors, and it could anticipate the future demand by the gradational approach. According to the findings, firstly the result of this simulation by the changes of the ship numbers demonstrated that the demand over the next 10 years will be 7,890~8,025 in the case of the growth 0.4%, and 7,894~8,063 in 0.5%. Secondly, assuming the growth 0.1~1%, the result illustrated that the demand will come to 7,879~8,258. This means the fact that the additional manpower has to be input to 20~430 annually from now on. To conclude, this study showed the more rational numbers about the supply-demand than the past researches and displayed the systematic approach to supply and train the crew in domestic coastal shipping.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2002.06a
• /
• pp.417-424
• /
• 2002

컴퓨터는 인간의 모든 꿈과 희망을 실현시켜 줄 수 있는 마법상자는 아니다. 정보화 시대라고 일컫는 현재, 정보의 가치를 더해주는 컴퓨터의 중요성은 날로 커지고 있는 반면 인간의 존엄성은 경시되고 있다. 많은 사람들은 요즘 사회가 커다란 도덕적 위기에 빠졌다고 걱정하지만 컴퓨터 사용과 관련된 윤리적 문제에 대해서는 심각하게 느끼지 못하고 있는 것 같다. 정보통신 기술의 발달에 따라 새로운 교육의 필요성이 대두되고 있다. 기존의 전통적인 교육방식에서 사이버 윤리 교육은 교과서 중심의 단편적인 교육이었기 때문에 학습자의 흥미를 유발하지 못하였으며, 교육자와 학습자의 상호작용이 부족하여 사이버 윤리 교육의 효과가 미흡하였다. 정보통신 기술의 발달에 따라 새로운 교육의 필요성이 대두되고 있다. 기존의 전통적인 교육방식에서 사이버 윤리 교육은 교과서 중심의 단편적인 교육이었기 때문에 학습자의 흥미를 유발하지 못하였으며, 교육자와 학습자의 상호작용이 부족하여 사이버 윤리 교육의 효과가 미흡하였다. 이런 관점에서 본 논문은 정보통신 시대가 수반하고 있는 사회적 영향력과 윤리적 이슈들에 대하여 좀더 교육적인 측면으로 접근해 윤리교육의 현황과 문제점, 그리고 체계적인 확산방안에 대해 살펴보았다. 본 논문에서는 사이버공간에서 윤리 교육을 받는 청소년들을 중심으로 그들에게 새로운 윤리교육의 한 형태인 사이버공간에서 관련된 문제들을 교육적인 측면으로 해결할 수 있는 방안을 제시하고자 한다. 그러나, 무엇보다 우리가 명심해야 할 것은 인간의 존엄성은 그 어떤 이유를 막론하고 존중되어야 한다는 사실이다. 검증되지 않은 스토리 보드에 의한 저작 단계로 바로 돌입하고 있는 것이 한국의 실정이라 하겠다. 따라서 본 프로젝트에 의해 개발 된 교수 설계 도구는 교육/학습 컨텐츠의 품질 보증을 위한 방법론인 교육 공학의 체제적 교수 설계 이론 Model (Instructional System Design Model), 특히 그 중에서도 이 분야의 사실상의 표준 이론(de facto standard)인 Dick & Carey 교수와 Gagne 교수의 인지주의 ISD Model을 기반으로 정교한 교수 설계와 코스 맵 설계를 가능하게 함으로써 학습 컨텐츠의 품질 보증 활동을 지원 할 수 있는 도구로 개발하였다. 특히 Linux 기반에서 PHP로 개발 함으로써 Platform에 구애받지 않은 사용 환경을 구현 하였으며 향후 많은 e-Learning Platform에 교수 설계 모듈로 장착 함으로써 기존의 e-Learning Platform들의 가치를 높일 수 있는 계기가 될 것으로 생각한다.실징후를 파악하는데 그치지 않고 부실의 원인을 파악하고 이에 대한 대응 전략을 수립하며 그 결과를 측정하는데 활용될 수도 있다. 따라서 본 연구에서는 기업의 부도예측 정보 중 현금흐름정보를 통하여 '인터넷기업의 미래 현금흐름측정, 부도예측신호효과, 부실원인파악, 비즈니스 모델의 성격규정 등을 할 수 있는가'를 검증하려고 한다. 협력체계 확립, ${\circled}3$ 전문인력 확보 및 인력구성 조정, 그리고 ${\circled}4$ 방문보건사업의 강화 등이다., 대사(代謝)와 관계(

• Journal of Intelligence and Information Systems
• /
• v.21 no.2
• /
• pp.173-190
• /
• 2015

The purpose of this study is to improve bankruptcy prediction models by using a novel hybrid under-sampling approach. Most prior studies have tried to enhance the accuracy of bankruptcy prediction models by improving the classification methods involved. In contrast, we focus on appropriate data preprocessing as a means of enhancing accuracy. In particular, we aim to develop an effective sampling approach for bankruptcy prediction, since most prediction models suffer from class imbalance problems. The approach proposed in this study is a hybrid under-sampling method that combines the k-Reverse Nearest Neighbor (k-RNN) and one-class support vector machine (OCSVM) approaches. k-RNN can effectively eliminate outliers, while OCSVM contributes to the selection of informative training samples from majority class data. To validate our proposed approach, we have applied it to data from H Bank's non-external auditing companies in Korea, and compared the performances of the classifiers with the proposed under-sampling and random sampling data. The empirical results show that the proposed under-sampling approach generally improves the accuracy of classifiers, such as logistic regression, discriminant analysis, decision tree, and support vector machines. They also show that the proposed under-sampling approach reduces the risk of false negative errors, which lead to higher misclassification costs.

• Journal of Intelligence and Information Systems
• /
• v.24 no.3
• /
• pp.157-176
• /
• 2018

The purpose of this research is to develop a detection model for companies designated as administrative issue in KOSDAQ market using financial data. Administration issue designates the companies with high potential for delisting, which gives them time to overcome the reasons for the delisting under certain restrictions of the Korean stock market. It acts as an alarm to inform investors and market participants of which companies are likely to be delisted and warns them to make safe investments. Despite this importance, there are relatively few studies on administration issues prediction model in comparison with the lots of studies on bankruptcy prediction model. Therefore, this study develops and verifies the detection model of the companies designated as administrative issue using financial data of KOSDAQ companies. In this study, logistic regression and decision tree are proposed as the data mining models for detecting administrative issues. According to the results of the analysis, the logistic regression model predicted the companies designated as administrative issue using three variables - ROE(Earnings before tax), Cash flows/Shareholder's equity, and Asset turnover ratio, and its overall accuracy was 86% for the validation dataset. The decision tree (Classification and Regression Trees, CART) model applied the classification rules using Cash flows/Total assets and ROA(Net income), and the overall accuracy reached 87%. Implications of the financial indictors selected in our logistic regression and decision tree models are as follows. First, ROE(Earnings before tax) in the logistic detection model shows the profit and loss of the business segment that will continue without including the revenue and expenses of the discontinued business. Therefore, the weakening of the variable means that the competitiveness of the core business is weakened. If a large part of the profits is generated from one-off profit, it is very likely that the deterioration of business management is further intensified. As the ROE of a KOSDAQ company decreases significantly, it is highly likely that the company can be delisted. Second, cash flows to shareholder's equity represents that the firm's ability to generate cash flow under the condition that the financial condition of the subsidiary company is excluded. In other words, the weakening of the management capacity of the parent company, excluding the subsidiary's competence, can be a main reason for the increase of the possibility of administrative issue designation. Third, low asset turnover ratio means that current assets and non-current assets are ineffectively used by corporation, or that asset investment by corporation is excessive. If the asset turnover ratio of a KOSDAQ-listed company decreases, it is necessary to examine in detail corporate activities from various perspectives such as weakening sales or increasing or decreasing inventories of company. Cash flow / total assets, a variable selected by the decision tree detection model, is a key indicator of the company's cash condition and its ability to generate cash from operating activities. Cash flow indicates whether a firm can perform its main activities(maintaining its operating ability, repaying debts, paying dividends and making new investments) without relying on external financial resources. Therefore, if the index of the variable is negative(-), it indicates the possibility that a company has serious problems in business activities. If the cash flow from operating activities of a specific company is smaller than the net profit, it means that the net profit has not been cashed, indicating that there is a serious problem in managing the trade receivables and inventory assets of the company. Therefore, it can be understood that as the cash flows / total assets decrease, the probability of administrative issue designation and the probability of delisting are increased. In summary, the logistic regression-based detection model in this study was found to be affected by the company's financial activities including ROE(Earnings before tax). However, decision tree-based detection model predicts the designation based on the cash flows of the company.

• The Journal of Society for e-Business Studies
• /
• v.23 no.3
• /
• pp.207-224
• /
• 2018

In this article, an empirical study was conducted by using public dataset from Lending Club Corporation, the largest online peer-to-peer (P2P) lending in the world. We explore significant predictor variables related to P2P lending default that housing situation, length of employment, average current balance, debt-to-income ratio, loan amount, loan purpose, interest rate, public records, number of finance trades, total credit/credit limit, number of delinquent accounts, number of mortgage accounts, and number of bank card accounts are significant factors to loan funded successful on Lending Club platform. We developed online P2P lending default prediction models using discriminant analysis, logistic regression, neural networks, and decision trees (i.e., CART and C5.0) in order to predict P2P loan default. To verify the feasibility and effectiveness of P2P lending default prediction models, borrower loan data and credit data used in this study. Empirical results indicated that neural networks outperforms other classifiers such as discriminant analysis, logistic regression, CART, and C5.0. Neural networks always outperforms other classifiers in P2P loan default prediction.