• Journal of Intelligence and Information Systems
• /
• v.5 no.1
• /
• pp.49-64
• /
• 1999

본 연구는 백화점 고객이 신용 카드 신청 요구 시에 작성되는 가입 정보 및 사용되고 있는 고객의 거래 정보는 카드 사용 패턴으로 신용도를 예측하는 여러 방법론을 제시하고 성능을 비교하였다. 가입 정보를 분석하기 위해 역전파 신경망(Back-Propagation Neural Network, BPNN), 사례기반추론(Case-Based reasoning)을, 거래 정보를 분석하기 위해 역전파 신경망과 더불어 시간지연 신경망(Time-Delayed Neural Network, TDNN)을 각각 사용하여 그 결과를 비교하였다. 또한 전체시스템의 적중률을 높이기 위햐여, ID3와 신경망을 이용한 Meta-Leaning 방법을 제시하였으며, Meta-Learning 방법과 다른 방법들을 비교, 분석을 하였다. 본 연구에서는 모형 수립과 검증을 위하여 T백화점의 실제 신용 카드 가입 고객 데이터를 이용하여 실험하였다. 데이터의 성격에 따라 각 모델의 예측력에는 차이가 나타났으나, 신경망 모형의 예측력이 우수하였으며, 시간적 특성을 고려하는 시간지연 신경회로망 모형의 예측력은 더욱 우수하게 나타났다. 또한 Meta-Learning 모형을 사용하면 예측력이 더 높아진다는 것을 확인할 수 있었다.

• Proceedings of the Korea Society of Information Technology Applications Conference
• /
• 2007.05a
• /
• pp.190-197
• /
• 2007

외환위기 이후 우리나라 금융기관은 상대적으로 위험성이 높은 기업대출보다, 높은 수익성을 가지는 가계 대출에 관심을 기울이게 되었다. 가계대출이 증가함에 따라 개인신용평가의 중요성이 부각되고, 이에 많은 신용평가시스템이 개발되어 왔다. 하지만 기존의 신용평가시스템은 대출 신청 당시의 데이터 및 과거의 데이터를 가지고 개인의 신용을 평가하기 때문에, 미래 상황에 대한 예측은 고려하지 못한다. 시스템 다이나믹스는 시간의 흐름에 따른 각 요인의 변화를 살펴봄으로써 미래 상황에 대한 예측이 가능한 분석 방법이다. 이에 본 연구에서는 시스템 다이나믹스 방법론을 활용하여 개인 신용 상태에 대한 미래의 동태적인 변화를 예측하여, 그 결과를 반영한 신용평가모델을 개발하고자 한다. 이를 위하여, 먼저 신용평점 영향을 주는 변수들을 선정하고, 이 변수들 간의 인과관계를 밝혀낸 후, 인과관계를 토대로 분석 모델을 구축한 뒤, 컴퓨터 시뮬레이션을 실행함으로써, 대출 희망자의 미래의 신용상태 변화 모양을 예측해 본다. 이러한 시뮬레이션 결과를 신용평가에 반영하게 되면, 금융기관의 신용 대출의 위험을 줄이는 데 기여할 것으로 기대된다.

• 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.4 no.1
• /
• pp.123-149
• /
• 1998

우리 나라 경제는 1993년 이후로 호황을 유지하다가 1996년 말부터는 경제불황이 닥쳐, 현재는 구제금융이라는 최악의 경제혼란기에 처해 있다. 하루에도 기업의 도산은 부지기수로 발생되고 있으며, 도산으로 인하여 국민들은 직장을 싫고 물가인상 등으로 가계마저 흔들리고 있는 실정이다. 이러한 이유로 본 연구에서는 재무비율에 의한 기업도산예측모델을 설정하려고 한다. 연구의 자료는 1996년 3월 은행연합회에서 개발한 '기업신용평가표'에 나타난 재무비율을 이용하였다. 연구의 결과를 보면 '기업신용평가표'의 변수는 기존연구에 비교하여 보면 도산예측력이 낮은 편인데, 그 이유는 기존연구는 대부분 통계적으로 검증된 5-6개의 변수를 대상으로 도산예측력을 나타내고 있는데 반하여, 본 연구에서는 기업신용평가표에서 선정된 모든 변수를 대상으로 분석했기 때문이다. 그러나 대체적으로 분석하여 볼 때 기업신용평가표의 재무비율 선정은 양호한 편으로 생각된다. 그러나 본 연구의 주목적은 신용평점에 의한 도산예측력분석이므로 본 연구의 선정모형에서 나타난 자기자본비율, 현금흐름/총부채(고정장기적합율), 매출액경상이익율, 총자본순이익율, 영업자산회전율 등은 기업신용평가내지 도산예측분석에 유용한 것으로 나타났다.

• Journal of the Korea Society for Simulation
• /
• v.30 no.1
• /
• pp.75-85
• /
• 2021

In this paper, we present a deep neural network-based prediction model that processes and analyzes the corporate credit and personal credit information of individual business owners as a new method to predict the default rate of individual business more accurately. In modeling research in various fields, feature selection techniques have been actively studied as a method for improving performance, especially in predictive models including many features. In this paper, after statistical verification of macroeconomic indicators (macro variables) and credit information (micro variables), which are input variables used in the default rate prediction model, additionally, through the credit information feature selection method, the final feature set that improves prediction performance was identified. The proposed credit information feature selection method as an iterative & hybrid method that combines the filter-based and wrapper-based method builds submodels, constructs subsets by extracting important variables of the maximum performance submodels, and determines the final feature set through prediction performance analysis of the subset and the subset combined set.

• 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.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.5
• /
• pp.11-20
• /
• 2024

This study presents TabNet, a novel deep learning method, to enhance corporate credit rating accuracy amidst growing financial market uncertainties due to technological advancements. By analyzing data from major Korean stock markets, the research constructs a credit rating prediction model using TabNet. Comparing it with traditional machine learning, TabNet proves superior, achieving a Precision of 0.884 and an F1 score of 0.895. It notably reduces misclassification of high-risk companies as low-risk, emphasizing its potential as a vital tool for financial institutions in credit risk management and decision-making.

• Smart Media Journal
• /
• v.13 no.2
• /
• pp.9-15
• /
• 2024

In this paper, a Diffusion Multi-step Classifier (DMC) is proposed to address the imbalance issue in credit prediction. DMC utilizes a Diffusion Model to generate continuous numerical data from credit prediction data and creates categorical data through a Multi-step Classifier. Compared to other algorithms generating synthetic data, DMC produces data with a distribution more similar to real data. Using DMC, data that closely resemble actual data can be generated, outperforming other algorithms for data generation. When experiments were conducted using the generated data, the probability of predicting delinquencies increased by over 20%, and overall predictive accuracy improved by approximately 4%. These research findings are anticipated to significantly contribute to reducing delinquency rates and increasing profits when applied in actual financial institutions.

• The Korean Journal of Applied Statistics
• /
• v.31 no.3
• /
• pp.367-382
• /
• 2018

Prediction models for a corporate bond rating in existing studies have been developed using various models such as linear regression, ordered logit, and random forest. Financial characteristics help build prediction models that are expected to be contained in the assigning model of the bond rating agencies. However, the ranges of bond ratings in existing studies vary from 5 to 20 and the prediction models were developed with samples in which the target companies and the observation periods are different. Thus, a simple comparison of the prediction accuracies in each study cannot determine the best prediction model. In order to conduct a fair comparison, this study has collected corporate bond ratings and financial characteristics from 2013 to 2017 and applied prediction models to them. In addition, we applied the elastic-net penalty for the linear regression, the ordered logit, and the ordered probit. Our comparison shows that data-driven variable selection using the elastic-net improves prediction accuracy in each corresponding model, and that the random forest is the most appropriate model in terms of prediction accuracy, which obtains 69.6% accuracy of the exact rating prediction on average from the 5-fold cross validation.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.39-40
• /
• 2024

본 연구는 SHAP(SHapley Additive exPlanations)을 활용하여 신용카드 사용자의 연체 가능성을 예측하는 기계학습 모델의 해석 가능성을 강화하는 방법을 제안한다. 대규모 신용카드 데이터를 분석하여, 고객의 나이, 성별, 결혼 상태, 결제 이력 등이 연체 발생에 미치는 영향을 명확히 하는 것을 목표로 한다. 본 연구를 토대로 금융기관은 더 정확한 위험 관리를 수행하고, 고객에게 맞춤형 서비스를 제공할 수 있는 기반을 마련할 수 있다.