• 지능정보연구
• /
• 제29권2호
• /
• pp.241-265
• /
• 2023

기업의 부실 예측 모델은 기업의 재무 상태를 객관적으로 모니터링하는 데 필수적인 도구 역할을 한다. 적시에 경고하고 대응 조치를 용이하게 하며 파산 위험을 완화하고 성과를 개선하기 위한 효과적인 관리 전략을 수립할 수 있도록 지원한다. 투자자와 금융 기관은 금융 손실을 최소화하기 위해 부실 예측 모델을 이용한다. 기업 부실 예측을 위한 인공지능(AI) 기술 활용에 대한 관심이 높아지면서 이 분야에 대한 광범위한 연구가 진행되고 있다. 해석 가능성과 신뢰성이 강조되며 기업 부실 예측에서 설명 가능한 AI 모델에 대한 수요가 증가하고 있다. 널리 채택된 SHAP(SHapley Additive exPlanations) 기법은 유망한 성능을 보여주었으나 변수 수에 따른 계산 비용, 처리 시간, 확장성 문제 등의 한계가 있다. 이 연구는 전체 데이터 세트를 사용하는 대신 부트스트랩 된 데이터 하위 집합에서 SHAP 값을 평균화하여 변수 수를 줄이는 새로운 변수 선택 접근법을 소개한다. 이 기술은 뛰어난 예측 성능을 유지하면서 계산 효율을 향상시키는 것을 목표로 한다. 해석 가능성이 높은 선택된 변수를 사용하여 랜덤 포레스트, XGBoost 및 C5.0 모델을 훈련하여 분류 결과를 얻고자 한다. 분류 결과는 고성능 모델 설계를 목표로 soft voting을 통해 생성된 앙상블 모델의 분류 정확성과 비교한다. 이 연구는 1,698개 한국 경공업 기업의 데이터를 활용하고 부트스트래핑을 사용하여 고유한 데이터 그룹을 생성한다. 로지스틱 회귀 분석은 각 데이터 그룹의 SHAP 값을 계산하는 데 사용되며, SHAP 값 평균은 최종 SHAP 값을 도출하기 위해 계산된다. 제안된 모델은 해석 가능성을 향상시키고 우수한 예측 성능을 달성하는 것을 목표로 한다.

• 산업융합연구
• /
• 제21권11호
• /
• pp.13-27
• /
• 2023

본 연구는 우리 경제에서 사회적기업의 역할이 증가함에 따라, 사회적기업의 부실에 영향을 미치는 요인을 분석하여 부실률을 낮추고 기업부실로 인한 사회적 비용을 감소하는데 도움이 되고자 한다. 본 연구에 사용된 데이터는 신용보증기관의 신용보증을 지원받고, 2009년부터 2018년 사이에 설립된 사회적 기업(예비 사회적기업 포함) 중에서 2022년 6월말 기준으로 정상기업과 부실기업으로 분류하였다. 수집된 사회적기업의 수는 재무정보 활용이 가능한 439개를 대상으로 하였으며, 정상기업은 406개(92.5%), 부실기업은 33개(7.5%)이다. 선행연구를 통하여 부실예측에 주로 사용하는 비재무적요인 8개를 선정하였다. 교차분석 결과 4개가 부실에 대하여 유의한 변수로 나타났고. 채택된 4개의 변수를 대상으로 로지스틱 회귀분석을 한 결과로 기업신용등급, 대표자개인신용등급 등 2개 변수가 부실에 유의한 변수로 채택되었다. 또한 부채비율, 매출액영업이익율, 총자산회전율 등 재무요인을 통제변수로 사용하여 분석을 수행하였다. 실증분석 결과, 사회적 기업의 부실에 영향을 미치는 독립 변수들이 재무적 요인을 통제한 상태에서 2개 변수가 영향력을 유지하고 있음이 확인되었다. 지금까지와 같은 정부 주도의 육성·지원 정책으로는 한계가 있어 민간·지역의 자발적인 주도로 다양한 사회적 가치를 지향하는 기업들이 사회적기업으로 유입되고 사회적경제 주체와 지역·주민이 함께 연대하여 사회적가치를 실현할 수 있는 환경을 조성하고 정부는 이를 적극적으로 지원할 수 있도록 정책의 방향을 전환할 필요가 있다.

• 대한산업공학회지
• /
• 제33권4호
• /
• pp.410-418
• /
• 2007

This article suggests the methods to investigate adverse movement across global stock markets arising from insolvency of subprime mortgage in U.S. Our application deals with asymptotic tail dependence of daily stock index returns (KOSPI, DJIA, Shanghai Composite) of three countries; Korea, U.S., and China, over specific period via extreme value theory and copula functions. Daily stock index returns among three countries show higher extremal dependence during the period exposed to systematic shock. We confirm that extreme value theory and copula functions have potential to well describe the extreme dependence between three countries' daily stock index returns.

• 산업경영시스템학회지
• /
• 제34권4호
• /
• pp.17-24
• /
• 2011

The government supports politic funds to Small Business having difficulties of insufficient capital and weak assets. Also the effect of governmental politic funds are evaluated better than the effect of substitute loans of the commercial bank. Especially governmental politic funds contribute to the external growth of the enterprise sales and the increment of total assets size. It is necessary however related supporting programs with funding provision to reduce the risk of insolvency politic funds of small business and reinforce the competitive power of company. This paper introduces the model of the corporate diagnosis system of the Small Business Corporation as part of these intention and analysis supported companies' management performance last four years and proposes direction of development.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.695-698
• /
• 2014

본 논문은 AHP의사결정 기법의 계층적 분석과 자산 및 부실채권에 대한 예측 평가르 수행하는 프레임워크를 설계하고 위험탐지 분석 시나리오 등을 통해 상황변화에 따른 모니터링에서 수집된 자료를 수집, 분석할 수 있는 포렌식 준비도 모형을 제안한다. 제안하는 시스템은 기업에서 운영하고 있는 기존의 레거시 시스템과 연계하여 자산 및 부실예측평가 항목을 다양한 속성에 따라 그룹화하고 분석을 수행함으로써 기업의 자산과 리스크를 보다 효율적이고 안정적으로 관리할 수 있으며, 부실 자산에 대한 관리와 회수를 통해 기업 경쟁력 및 수익률을 향상시킬 수 있다. 또한 포렌식 준비도와 분석 모니터링을 활용하여 민사 및 형사 소송 등의 기업 간 분쟁에 대하여 수집된 증거자료를 제공할 수 있으며, 민원발생과 기타 사고를 예방하고 처리비용을 줄일 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.699-702
• /
• 2014

본 논문은 스프링 프레임 워크를 이용한 클라우드 환경에서의 자산 및 부실예측 지원시스템을 제안한다. 제안된 시스템은 자동화된 통합인증 및 접근제어 시스템으로서 각기 독립된 모듈에서 처리된 데이터를 기초로 거래관리 모듈로 통합하여 자산 및 부실예측을 평가하고 지원시스템의 데이터의 기법을 다른 모듈과 공유함으로써 자산의 부실채권을 이용한 회수를 관리하여 효율성을 높인다. 또한 제안 시스템은 클라우드 환경에서 운영되므로 정보화를 통한 경영혁신 및 경영정보를 활용한 리스크 관리 시스템을 처리하는데 목적을 둔다. 따라서 제안하는 시스템은 고객과 기업의 전략경영 등의 기능을 강화하여 업무투명성, 비용절감, 고객 접근성이 기존시스템보다 효율적으로 사용될 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.618-621
• /
• 2015

본 논문은 스프링 프레임워크를 이용한 클라우드 환경에서의 부실예측 지원시스템을 제안한다. 제안된 시스템은 자동화된 통합인증 및 접근제어 시스템으로서 각기 독립된 모듈에서 처리된 데이터를 기초로 거래관리 모듈로 통합하여 부실예측을 평가하고 지원시스템의 데이터의 기법을 다른 모듈과 공유함으로써 자산의 부실채권을 이용한 회수를 관리하여 효율성을 높인다. 제안하는 시스템은 고객과 기업의 전략경영 등의 기능을 강화하여 업무투명성, 비용절감, 고객 접근성이 기존시스템보다 효율적으로 사용될 것으로 기대된다. 또한 프레임워크를 적용함에 따라 소프트웨어의 재사용성을 최대화할 수 있으며, 개발된 표준 API를 적용함으로써 개발비용 및 기간의 단축시킬 수 있으며, 각 컨테이너(공통모듈 플러그인) 형태로 프레임워크를 설계함으로써 기능의 추가가 쉽고, 재사용이 가능하며, 사용자가 요구하는 웹 환경을 구축함으로써 정부에서 제시하는 표준 프레임워크와 호환성을 제공한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.354-357
• /
• 2018

본 연구의 목적은 저축은행 부실에 영향을 미치는 주요 변수를 선정하고, 기존 전통적인 통계기법에 국한된 국내 부실 예측 연구를 벗어나 기계학습을 활용하여 부설 예측모형에 대한 성능을 향상시키는 것이다. 이를 위해 본 연구는 2010년부터 2014년까지의 부실저축은행 297개사와 건전 저축은행 88 개사의 재무정보 1,5067개 분기자료를 기반으로 로지스틱회귀분석 뿐만 아니라, ANN, SVM 및 Decision Tree와 같은 알고리즘을 이용하여 보다 정교한 부실 예측 모형을 개발하고 활용함으로써 금융기관에 대한 리스크 상시 감시를 통해 부실을 사전에 예방하고 시장의 안정화 및 금융질서를 유지함을 목적으로 하고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.846-849
• /
• 2013

본 논문은 클라우드 기반 자산 및 부실예측관리 통합 지원 시스템을 제안한다. 제안된 시스템은 자동화된 통합인증 및 접근제어 시스템으로서, 각기 독립된 모듈에서 처리된 데이터를 기초로 거래관리 모듈로 통합하여, 자산 및 부실예측을 평가하고 통합지원 시스템의 데이터 및 기법을 다른 모듈과 공유함으로써 자산 및 부실채권 회수 및 관리의 효율성을 높인다. 또한 제안 시스템은 클라우드 환경에서 운영되므로 정보화를 통한 경영혁신 및 경영정보를 활용한 리스크관리 시스템을 처리하는데 목적을 둔다. 따라서 제안하는 시스템은 고객 및 기업의 전략경영 등의 기능을 강화하여 업무투명성, 비용절감, 고객 접근성이 기존시스템보다 효율적으로 사용될 것으로 기대된다.

• 국제학술발표논문집
• /
• The 4th International Conference on Construction Engineering and Project Management Organized by the University of New South Wales
• /
• pp.432-438
• /
• 2011

The purpose of the present thesis is to develop bankruptcy prediction models capable of being applied to the Korean construction industry and to deduce an optimal model through comparative evaluation of final developed models. A study population was selected as general contractors in the Korean construction industry. In order to ease the sample securing and reliability of data, it was limited to general contractors receiving external audit from the government. The study samples are divided into a bankrupt company group and a non-bankrupt company group. The bankruptcy, insolvency, declaration of insolvency, workout and corporate reorganization were used as selection criteria of a bankrupt company. A company that is not included in the selection criteria of the bankrupt company group was selected as a non-bankrupt company. Accordingly, the study sample is composed of a total of 112 samples and is composed of 48 bankrupt companies and 64 non-bankrupt companies. A financial ratio was used as early predictors for development of an estimation model. A total of 90 financial ratios were used and were divided into growth, profitability, productivity and added value. The MDA (Multivariate Discriminant Analysis) model and BLRA (Binary Logistic Regression Analysis) model were used for development of bankruptcy prediction models. The MDA model is an analysis method often used in the past bankruptcy prediction literature, and the BLRA is an analysis method capable of avoiding equal variance assumption. The stepwise (MDA) and forward stepwise method (BLRA) were used for selection of predictor variables in case of model construction. Twenty two variables were finally used in MDA and BLRA models according to timing of bankruptcy. The ROC-Curve Analysis and Classification Analysis were used for analysis of prediction performance of estimation models. The correct classification rate of an individual bankruptcy prediction model is as follows: 1) one year ago before the event of bankruptcy (MDA: 83.04%, BLRA: 93.75%); 2) two years ago before the event of bankruptcy (MDA: 77.68%, BLRA: 78.57%); 3) 3 years ago before the event of bankruptcy (MDA: 84.82%, BLRA: 91.96%). The AUC (Area Under Curve) of an individual bankruptcy prediction model is as follows. : 1) one year ago before the event of bankruptcy (MDA: 0.933, BLRA: 0.978); 2) two years ago before the event of bankruptcy (MDA: 0.852, BLRA: 0.875); 3) 3 years ago before the event of bankruptcy (MDA: 0.938, BLRA: 0.975). As a result of the present research, accuracy of the BLRA model is higher than the MDA model and its prediction performance is improved.