• 지능정보연구
• /
• 제5권1호
• /
• 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.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2007년도 춘계학술대회
• /
• 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.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2003년도 춘계공동학술대회
• /
• 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.

• 재무관리논총
• /
• 제4권1호
• /
• 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.

• 한국시뮬레이션학회논문지
• /
• 제30권1호
• /
• pp.75-85
• /
• 2021

본 논문에서는 개인사업자 부도율을 보다 정확하게 예측하기 위한 새로운 방법으로 개인사업자의 기업 신용 및 개인 신용정보를 가공, 분석하여 입력 특성으로 활용하는 심층 신경망기반 예측 모델을 제시한다. 다양한 분야의 모델링 연구에서 특성 선택 기법은 특히 많은 특성을 포함하는 예측 모델에서 성능 개선을 위한 방법으로 활발히 연구되어 왔다. 본 논문에서는 부도율 예측 모델에 이용된 입력 변수인 거시경제지표(거시변수)와 신용정보(미시변수)에 대한 통계적 검증 이후 추가적으로 신용정보 특성 선택 방법을 통해 예측 성능을 개선하는 특성 집합을 확인할 수 있다. 제안하는 신용정보 특성 선택 방법은 통계적 검증을 수행하는 필터방법과 다수 래퍼를 결합 사용하는 반복적·하이브리드 방법으로, 서브 모델들을 구축하고 최대 성능 모델의 중요 변수를 추출하여 부분집합을 구성 한 후 부분집합과 그 결합셋에 대한 예측 성능 분석을 통해 최종 특성 집합을 결정한다.

• 재무관리연구
• /
• 제15권1호
• /
• 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.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.11-20
• /
• 2024

최근 IT 기술의 발전과 더불어 금융 시장에서의 불확실성이 증대되는 상황에서 기업 신용등급 평가의 중요성을 인식하고, 이를 개선하기 위한 새로운 접근 방식으로 딥러닝 모델인 TabNet을 제안한다. 이에 본 연구에서는 TabNet을 활용하여 기업 신용등급을 예측하고, 이의 예측 성능을 기존 머신러닝 방법론과 상세하게 비교한다. 한국의 주요 증권시장에 상장된 기업들의 재무 데이터를 기반으로 TabNet 알고리즘을 적용하여 신용등급 예측 모델을 구축하고, 다양한 머신러닝 모델과의 성능을 비교 분석하였다. 실험 결과, TabNet 모델은 Precision 0.884, F1이 0.895로 기존의 머신러닝 모델들보다 우수한 성능을 보였으며, 고위험 기업을 저위험 기업으로 잘못 분류하는 경우가 다른 머신러닝 모델보다 적어 TabNet의 우수성을 확인하였다. 이는 TabNet이 기업 신용등급 예측에 있어 효과적인 도구로 활용될 수 있으며, 금융기관의 신용 위험 관리 및 의사 결정 과정을 지원할 수 있을 것으로 기대한다.

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.9-15
• /
• 2024

본 논문에서는 신용 예측에서 발생하는 불균형 문제를 해결하기 위해 Diffusion Multi-step Classifier(DMC)를 제안한다. DMC는 Diffusion Model을 통해 신용 예측 데이터의 연속적인 수치형 데이터들을 생성하고 생성된 데이터들을 Multi-step Classifier로 구분하는 것으로 범주형 데이터를 생성한다. DMC를 통해 기존의 데이터를 생성하는 다른 알고리즘보다 실제 데이터와 유사한 분포를 가지는 데이터를 생성할 수 있었다. 이렇게 생성된 데이터를 사용하여 실험을 진행하였을 때 연체를 예측할 확률이 20%이상 상승하였으며, 전체적으로 예측 정확성은 약 4%정도 상승하였다. 이러한 연구 결과는 실제 금융기관에 적용 시 연체율 감소와 수익 증가에 큰 기여를 할 수 있을것으로 예상된다.

• 응용통계연구
• /
• 제31권3호
• /
• pp.367-382
• /
• 2018

회사채 신용 등급 예측 모형에 대한 연구는 신용 평가 기관이 회사채 신용 등급 평가에 사용될 것이라 예상 되는 여러 재무적 특성 변수들을 기반으로 진행되었으며 선형 회귀 모형(linear regression), 순위 로짓(ordered logit), 순위 프로빗(ordered probit), 서포트 벡터 기계(support vector machine), 랜덤 포레스트(random forest) 등 다양한 모형들을 적용하여 개발되었다. 하지만 기존 연구들에서 고려한 회사채 신용 등급은 연구에 따라 5등급에서 20등급까지 다른 등급 구간을 적용하였으며 분석에 이용된 표본 자료의 기간 및 대상도 상이하여 예측 성능의 공정한 비교에 어려움이 있다. 따라서 본 연구에서는 2013년부터 2017년까지의 회사채 신용 등급 자료와 기존 연구들에서 사용된 재무 지표들을 통합하여 기존에 발표된 예측 모형들을 동일한 자료에 적용하고 예측 성능을 비교하였다. 추가적으로 Elastic-net 벌점화 회귀 모형 및 순위 로짓, 순위 프로빗 모형을 적합하여 LASSO 벌점이 선택됨을 확인하였으며 LASSO 벌점을 고려한 예측 모형이 대응하는 기존의 예측 모형들보다 향상된 성능을 보임을 확인하였다. 본 연구의 수행 결과, 랜덤 포레스트를 이용한 예측 모형이 15등급 기준 검증 자료에서 정확한 등급 예측률이 69.6%로 다른 모형과 비교하여 높은 예측 성능을 나타내었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• 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.