• 벤처창업연구
• /
• 제16권6호
• /
• pp.145-155
• /
• 2021

본 연구는 '창조경제 추진을 위한 창업 활성화 및 저변 확대'를 목표로 창업정책을 추진한 박근혜정부(2013-2017)와 '혁신을 응원하는 창업국가 조성'을 추진한 문재인정부(2017-2022)의 창업 정책결과를 살펴보고자 한다. 이를 위해 정책 결과가 드러나는 각 정부의 후반기인 2016년과 2021년의 국내 창업환경에 대한 창업자들의 인식을 비교하고자 한다. 2016년 창업환경에 대한 인식을 조사한 데이터(GETR : Global Entrepreneurship Trend Report)를 기초로 하여 2021년 창업자들의 창업환경에 대한 인식을 비교하기 위해 종단연구방법(Longitudinal Analysis) 중 하나인 추세조사(Trend Study)를 진행했다. 연구 결과, 전반적으로 국내 창업환경에 대한 창업자의 인식은 긍정적으로 변화되었으나, 세금적절성, 투자회수용이성, 기술이전용이성 등에 대한 인식개선은 큰 변화가 없는 것으로 나타났다. 또한 창업환경에 대한 창업유형별 인식 차이에서 생계형 창업자들이 갖는 창업환경에 대한 인식은 기회형창업에 비해 부정적으로 나타나면서 창업유형별로 다른 결과가 나타났다. 본 연구는 창업자 및 창업경험자를 대상으로 2016년과 2021년도 국내 창업환경 및 창업 인식을 비교함으로써 창업자 입장에서 과거와 현재의 창업환경에 대한 인식 차이를 분석하였다. 특히 COVID-19로 인해 붕괴된 국내 생계형창업 및 소상공인창업에 대한 지원방안을 모색함으로써 국내 창업 활성화 및 창업환경의 질적 제고 방안을 제안하고자 한다.

• 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.