• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.91-104
• /
• 2023

The records system is believed to have started in Italy in the 14th century in line with trade developments in Europe. In 1491, Luca Pacioli, a mathematician, and an Italian Franciscan monk wrote the first book that described double-entry accounting processes. In many countries, including Korea, the government accounting standards used single-entry bookkeeping rather than double-entry bookkeeping that can be aggregated by account subject. The cash-based and single-entry bookkeeping used by the government in the past had limitations in providing clear information on financial status and establishing a performance-oriented financial management system. Accordingly, the National Accounting Act (promulgated in October 2007) stipulated the introduction of double-entry bookkeeping and accrual accounting systems in the government sector from January 1, 2009. Furthermore, the Korean government has also introduced International Financial Reporting Standards (IFRS), and the System of National Accounts (SNA). Since 2014, Korea owned five national accounts. In Korea, valuation began with the 1968 National Wealth Statistics Survey. The academic origins of the valuation of national wealth statistics which had been investigated by due diligence every 10 years since 1968 are based on the 'Engineering Valuation' of professor Marston in the Department of Industrial Engineering at Iowa State University in the 1930s. This field has spread to economics, etc. In economics, it became the basis of capital stock estimation for positive economics such as econometrics. The valuation by the National Wealth Statistics Survey contributed greatly to converting the book value of accounting data into vintage data. And in 2000 National Statistical Office collected actual disposal data for the 1-digit asset class and obtained the ASL(average service life) by Iowa curve. Then, with the data on fixed capital formation centered on the National B/S Team of the Bank of Korea, the national wealth statistics were prepared by the Permanent Inventory Method(PIM). The asset classification was also classified into 59 types, including 2 types of residential buildings, 4 types of non-residential buildings, 14 types of structures, 9 types of transportation equipment, 28 types of machinery, and 2 types of intangible fixed assets. Tables of useful lives of tangible fixed assets published by the Korea Appraisal Board in 1999 and 2013 were made by the Iowa curve method. In Korea, the Iowa curve method has been adopted as a method of ASL estimation. There are three types of the Iowa curve method. The retirement rate method of the three types is the best because it is based on the collection and compilation of the data of all properties in service during a period of recent years, both properties retired and that are still in service. We hope the retirement rate method instead of the individual unit method is used in the estimation of ASL. Recently Korean government's accounting system has been developed. When revenue expenditure and capital expenditure were mixed in the past single-entry bookkeeping we would like to suggest that BOK and National Statistical Office have accumulated knowledge of a rational difference between revenue expenditure and capital expenditure. In particular, it is important when it is estimated capital stock by PIM. Korea also needs an empirical study on economic depreciation like Hulten & Wykoff Catalog A of the US BEA.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.