• 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.

• Asia pacific journal of information systems
• /
• 제20권2호
• /
• pp.23-37
• /
• 2010

Conventional Support Vector Machines (SVMs) have been utilized as classifiers for binary classification problems. However, certain real world problems, including corporate bond rating, cannot be addressed by binary classifiers because these are multi-class problems. For this reason, numerous studies have attempted to transform the original SVM into a multiclass classifier. These studies, however, have only considered nominal classification problems. Thus, these approaches have been limited by the existence of multiclass classification problems where classes are not nominal but ordinal in real world, such as corporate bond rating and multiclass customer classification. In this study, we adopt a novel multiclass SVM which can address ordinal classification problems using ordinal pairwise partitioning (OPP). The proposed model in our study may use fewer classifiers, but it classifies more accurately because it considers the characteristics of the order of the classes. Although it can be applied to all kinds of ordinal multiclass classification problems, most prior studies have applied it to finance area like bond rating. Thus, this study applies it to a real world customer level classification case for implementing customer relationship management. The result shows that the ordinal multiclass SVM model may also be effective for customer level classification.

• 한국경영과학회지
• /
• 제32권1호
• /
• pp.61-75
• /
• 2007

The purpose of this paper is to develop a new group classification method based on genetic algorithm and to com-pare its prediction performance with those of existing methods in the area of bond rating. To serve this purpose, we conduct various experiments with pilot and general models. Specifically, we first conduct experiments employing two pilot models : the one searching for the cluster center of each group and the other one searching for both the cluster center and the attribute weights in order to maximize classification accuracy. The results from the pilot experiments show that the performance of the latter in terms of classification accuracy ratio is higher than that of the former which provides the rationale of searching for both the cluster center of each group and the attribute weights to improve classification accuracy. With this lesson in mind, we design two generalized models employing genetic algorithm : the one is to maximize the classification accuracy and the other one is to minimize the total misclassification cost. We compare the performance of these two models with those of existing statistical and artificial intelligent models such as MDA, ANN, and Decision Tree, and conclude that the genetic algorithm-based group classification method that we propose in this paper significantly outperforms the other methods in respect of classification accuracy ratio as well as misclassification cost.

• 한국산학기술학회논문지
• /
• 제12권5호
• /
• pp.2108-2114
• /
• 2011

한국기업에는 한국특유의 기업집단 형태인 재벌기업집단이 있고 그 영향도 매우 크다. 재벌의 경제에 미치는 영향도 매우 커서 이에 따른 경제정책도 많은 변화가 있어 왔다. Propping은 지배주주가 일방적 이익을 위해 계열사의 소수주주의 부를 착취하는 tunneling의 개념과는 달리 재벌기업집단의 전체이익을 위해 재벌기업내의 자원을 공유하며 상호 지원과 위험의 공유할 수 있다는 개념이다. 재벌계열기업 간 propping을 분석하는 것은 그룹내의 여러가지 중요문제를 풀고 재벌에 대한 규제정책에 대한 중요한 핵심을 주는 결정적 키가 될 수 있다. 본 논문의 사건연구결과를 보면 신용등급변경 전후의 누적초과수익률(CAR)은 신용등급이 상향 조정되었우 때에 유의한 주가반응이 없었으나 하향변경의 경우 재벌, 비재벌 모두 유의한 음의 반응을 보였고 특히, 하향변경의 경우 재벌그룹에 속한 기업군이 상대적으로 평균적 초과수익률의 하락 정도가 매우 낮음을 보여주고 있어서 재벌집단기업의 propping 현상이 존재한다는 것을 입증하고 있다. 2002년 실시한 상호출자제한제도를 전후한 다중회귀분석에서도 상호출자제한제도 이후 신용등급 하향조정시 propping 효과를 크게 감소시킨 것으로 나타나 재벌기업에 대한 규제정책과 propping효과와 매우 관계가 깊은 것으로 분석되었다.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권4호
• /
• pp.1-12
• /
• 2022

Our study adds to the body of knowledge about the relationship between credit ratings and the capital structure of bond issuers. Using Bloomberg and Datastream databases and employing panel regression models, we study the capital structure changes of Japanese enterprises after credit rating changes by global rating agencies (S&P and Moody's) as well as their local counterparts (R&I and JCR) from 1998 to 2016. We find that after rating downgrades, Japanese enterprises considerably reduce net debt or net debt relative to net equity, similar to the findings of Kisgen (2009), who focused on U.S. industrial firms. They do not, however, make adjustments to their financial structure as a result of rating improvements. In comparison to downgrades by S&P and Moody's, Japanese corporations issue 1.89 percent less net debt and 1.50 percent less net debt relative to net equity after R&I and JCR rating downgrades. To put it another way, Japanese companies consider rating adjustments made by local agencies to be more significant than those made by global rating organizations. Our findings contradict earlier research that suggests S&P and Moody's are more prominent in the investment community than R&I and JCR in Japan.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 공동추계학술대회
• /
• pp.571-578
• /
• 2005

Corporate credit rating analysis has drawn a lot of research interests in previous studies, and recent studies have shown that machine learning techniques achieved better performance than traditional statistical ones. This paper applies support vector machines (SVMs) to the corporate credit rating problem in an attempt to suggest a new model with better explanatory power and stability. To serve this purpose, the researcher uses a grid-search technique using 5-fold cross-validation to find out the optimal parameter values of kernel function of SVM. In addition, to evaluate the prediction accuracy of SVM, the researcher compares its performance with those of multiple discriminant analysis (MDA), case-based reasoning (CBR), and three-layer fully connected back-propagation neural networks (BPNs). The experiment results show that SVM outperforms the other methods.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제6권4호
• /
• pp.331-334
• /
• 2006

Original Support Vsctor Machines (SVMs) by Vapnik were used for binary classification problems. Some researchers have tried to extend original SVM to multiclass classification. However, their studies have only focused on classifying samples into nominal categories. This study proposes a novel multiclass SVM model in order to handle ordinal multiple classes. Our suggested model may use less classifiers but predict more accurately because it utilizes additional hidden information, the order of the classes. To validate our model, we apply it to the real-world bond rating case. In this study, we compare the results of the model to those of statistical and typical machine learning techniques, and another multi class SVM algorithm. The result shows that proposed model may improve classification performance in comparison to other typical multiclass classification algorithms.

• 지능정보연구
• /
• 제10권2호
• /
• pp.91-109
• /
• 2004

최근 채권의 상환 및 이자의 확실성 정도를 측정하고 연관된 상대적인 위험의 정도를 나타내는 채권등급 평가의 중요성이 대두되고 있다. 초기의 대다수 선행 연구들에서는 기업의 채권 등급예측을 위하여 통계적 기법이 많이 사용되었으나, 많은 연구들에 의해 그 우수성이 보고되고 있는 사례기반 추론 등 인공지능 기법들이 통계모형의 대안으로 제시되어지고 있다. 사례기반 추론에서는 과거의 사례들이 지식으로 표현되고 해결 방법으로 사용된다. 유용한 사례기반 시스템을 구축하기 위해서 시스템의 지식베이스를 구축할 사례들을 인간의 정보처리 과정과 유사한 방법으로 표현하는 것이 중요하다. 본 논문은 실제 세계의 애매모호한 사례들을 다루는데 적절한 퍼지집합개념을 사례기반 추론과 결합하는 통합 방법론을 제시하고자 한다. 퍼지집합이론은 인간이 의사결정시 사용하는 유사한 자연스러운 언어를 수학적으로 변환할 수 있게 해주는 인공지능 기법이다.

• KDI Journal of Economic Policy
• /
• 제28권1호
• /
• pp.1-47
• /
• 2006

우리나라의 회사채시장은 양적으로 꾸준한 성장세를 지속하였으나 여전히 질적 성숙이 그에 미치지 못하는 것으로 평가되고 있으며 외환위기 이후에도 대우채, 현대채, 카드채 사태 등의 금융시장 불안을 반복적으로 초래하였다. 회사채시장의 질적 발전이 이루어지지 못한 것은 무엇보다도 관련 인프라의 적절한 구축이 이루어지지 못한데 크게 영향 받은 것으로 판단된다. 특히 신용평가산업은 실제 발행기업의 채무상환능력을 평가하는 정보의 생성기능을 적절하게 담당하지 못한 채 제도의 이식 수준에 머물고 있다. 본 연구는 미국 SEC 및 미국학계에서 제기되고 있는 신용평가사제도 개선 논의를 고려하여 우리나라의 신용평가사제도 개선의 가능성을 모색한다. 특히, 우리나라 특유의 상황에 의해 발생하고 있는 우리나라 신용평가산업 특유의 문제들을 소유 지배구조 및 부수업무 수행에 따르는 이해상충, 역사적 발전과정, 신용등급에 대한 법리적 해석 및 경제 사회적 차이에 따르는 문제로 분류하여 지적하고 대응방향을 제시하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.