• 국제학술발표논문집
• /
• The 5th International Conference on Construction Engineering and Project Management
• /
• pp.497-501
• /
• 2013

An important decision-making element for the success of housing redevelopment projects is a prediction of the profitability of redevelopment. Risk factors influencing profitability were deduced through a review of the literature about profitability and a risk analysis developed by a survey of maintenance projects. In addition, a profitability prediction depending on the analysis of risk factors is necessary to judge the business feasibility of a project in the planning stages. A profitability prediction model of management and disposal method, which is calculated by proportional rate and which helps estimate contributions to profitability, is proposed to prevent difficulties in business development. The proposed model has the potential to prevent interruptions, reduce the length of projects, generate cost savings, and enable rational decision-making during the project period by allowing a judgment of profitability at the planning stage.

• 한국건설관리학회논문집
• /
• 제14권1호
• /
• pp.63-70
• /
• 2013

주택재개발사업에서 수익성 예측은 성공적인 사업의 수행을 위한 중요한 요소이기 때문에 수익성 예측을 소홀히 할 경우 많은 그에 따른 리스크가 커지게 된다. 그러나 현행 주택재개발사업은 사업이 많이 진행된 시점에서 수익성을 분석하기 때문에, 수익성이 없는 것으로 판단될 경우 그에 따른 큰 손실을 감수해야 한다. 이로 인해 현재 사업이 중단되거나 지연됨에 따라 경제적인 손실을 보는 사업장이 늘어나고 있으며, 그에 따른 이해관계자간 갈등이 심화되고 있다. 주택재개발사업 시 이러한 사회적 갈등과 경제적 손실을 줄이기 위해서는 사업추진여부를 결정하기 위한 적절한 수익성 예측 방법의 개발이 필요하며, 더불어 적절한 시기에 적용할 수 있는 프로세스의 제시가 요구된다. 본 연구는 사업 초기단계인 기획단계에서 수익성을 예측할 수 있는 방법을 제시하여, 합리적이고 타당한 의사결정의 지원을 위한 것으로 본 연구모델의 적용 시 사업 초기단계에 사업 수행 여부의 결정이 가능하도록 하여, 부적절한 사업의 무리한 진행으로 인한 경제적인 손실과 그에 따른 이해관계자간의 갈등을 줄일 수 있을 것으로 판단된다.

• 한국수산경영학회:학술대회논문집
• /
• 한국수산경영학회 2007년도 추계학술발표회 및 심포지엄
• /
• pp.167-184
• /
• 2007

The objectives of this paper are to identify the causes of the corporate distress and to develop a distress prediction model with the financial information in fishery industry. In this study, the corporate distress is defined as economic failure and technical insolvency. Economic failure occurs by reduction, shut-down, or change of the business and technical insolvency results from failure to pay the financial debt of companies. The 33 distressed firms from 1991 to 2003 were composed by 14 economic failure companies, 15 technical insolvency companies. 4 companies applied to the both cases. The analysis of distress prediction of fishery companies were accomplished according to the distress definition. The analysis was carried out as two steps. The first step was the univariate analysis, which was used for checking the prediction power of individual financial variable. The t-test is used to identify the differences in financial variables between the distressed group and the non-distressed group. The second step was to develop distress prediction model with logistic regression. The variables showed the significant difference in univariate analysis were selected as the prediction variables. The financial ratios, used in the logistic regression model, were selected by backward elimination method. To test stability of the distress prediction model, the whole sample was divided as three sub-samples, period 1(1990$\sim$1993), period 2(1994$\sim$1997), period 3(1998$\sim$2002). The final model built from whole sample appled each three sub-samples. The results of the logistic analysis were as follows. the growth, profitability, stability ratios showed the significant effect on the distress. the some different result was found in the sub-sample (economic failure and technical insolvency). The growth and the profitability were important to predict the economic failure. The profitability and the activity were important to predict technical insolvency. It means that profitability is the really important factor to the fishery companies.

• 수산경영론집
• /
• 제39권2호
• /
• pp.61-79
• /
• 2008

The objectives of this paper are to identify the causes of the corporate distress and to develop a distress prediction model with the financial information in fishery industry. In this study, the corporate distress is defined as economic failure and technical insolvency. Economic failure occurs by reduction, shut - down, or change of the business and technical insolvency results from failure to pay the financial debt of companies. The 33 distressed firms from 1991 to 2003 were composed by 14 economic failure companies, 15 technical insolvency companies. 4 companies applied to the both cases. The analysis of distress prediction of fishery companies were accomplished according to the distress definition. The analysis was carried out as two steps. The first step was the univariate analysis, which was used for checking the prediction power of individual financial variable. The t - test is used to identify the differences in financial variables between the distressed group and the non - distressed group. The second step was to develop distress prediction model with logistic regression. The variables showed the significant difference in univariate analysis were selected as the prediction variables. The financial ratios, used in the logistic regression model, were selected by backward elimination method. To test stability of the distress prediction model, the whole sample was divided as three sub-samples, period 1(1990 - 1993), period 2(1994 - 1997), period 3(1998 - 2002). The final model built from whole sample appled each three sub - samples. The results of the logistic analysis were as follows. the growth, profitability, stability ratios showed the significant effect on the distress. the some different result was found in the sub - sample (economic failure and technical insolvency). The growth and the profitability were important to predict the economic failure. The profitability and the activity were important to predict technical insolvency. It means that profitability is the really important factor to the fishery companies.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 대한토목학회논문집
• /
• 제35권2호
• /
• pp.471-480
• /
• 2015

민간투자사업에 대한 부정적인 시각으로 인해 민간투자사업 시장은 축소되었으나, 최근 국내 재정사업의 축소로 인해 민간투자사업에 대한 필요성이 다시금 제기되고 있다. 민간투자사업은 건설사, special purpose company (SPC), 재무투자자 등 다양한 참여자들 간의 이해관계가 복잡하여 사업의 성과를 판단하기 위해서는 참여자 간 관점 차이에 대한 고려가 필요하나, 기존의 연구는 재무적 관점의 수익성 예측, 또는 리스크 식별을 통한 수익성 예측을 중심으로 수행되었다. 이러한 점을 고려하여 본 연구에서는 민간투자사업 주요 참여자별 특성에 따른 민간투자사업 성과예측 모델을 개발하였다. 이를 위해 첫째, 다양한 분야의 문헌고찰을 통해 민간투자사업의 조직구조를 분석하였으며, 건설사, SPC, 재무투자자의 관점에서 민간투자사업 수익성 영향요인을 도출하였다. 둘째, 도출된 수익성 영향인자들을 바탕으로 민간투자사업 관련 전문가 설문조사 및 인터뷰를 실시하였다. 셋째, 구조방정식 모델(structural equation model)을 통해 민간투자사업의 구성개념들 간에 직접효과와 간접효과를 분석하여 민간투자사업의 수익성 및 수익안정성 측면에서의 성과를 거시적으로 이해할 수 있는 모델을 개발하였다. 넷째, 모델을 통해 도출된 결과를 바탕으로 민간투자사업의 재도약을 위한 발전방안을 제시하였다. 향후 본 모델을 통해 수익성과 수익안정성 측면에서 건설사, 재무투자자, SPC 운영사의 사업성과 예측이 가능하며, 이에 따른 대응전략을 모색하는데 활용 가능할 것으로 기대된다.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.417-422
• /
• 2020

Vast quantities of environmental pollutants from construction projects are causing significant damage to nearby local communities and thus generate environmental complaints. The construction company, responsible for compensating and resolving environmental complaints, suffers economic damages due to additional expenditures and schedule delays in construction projects. Meanwhile, the construction industry can stagnate from a broader perspective. Therefore, this study aimed to propose a framework for developing an automated management system which consists of two models for environmental complaints in construction projects: (i) the prediction model: a model for predicting environmental complaints based on factors related to environmental complaints; and (ii) the prevention model: a model for providing construction companies with the optimal prevention measure to effectively prevent environmental complaints according to the results of the prediction model. In addition, the algorithm for integrating the developed models into the management system in construction projects was proposed. Eventually, the application of the management system to construction projects can ensure the profitability of construction companies and mitigate damage from environmental pollutants to the nearby local community.

• 한국시뮬레이션학회논문지
• /
• 제30권2호
• /
• pp.41-48
• /
• 2021

농촌 인구의 감소와 고령화가 지속되면서 농업 생상성 향상의 중요성이 높아지고 있는 가운데, 농작물 품질에 대한 조기 예측은 농업 생산성 및 수익성 향상에 중요한 역할을 할 수 있다. 최근 CNN 기반의 딥러닝 기술 및 전이 학습을 활용하여 농작물의 질병을 분류하거나 수확량을 예측하는 연구가 활발하게 진행되고 있지만, 수확 후 농작물의 품질을 식재단계에서 조기에 예측하는 연구는 찾아보기 힘들다. 본 연구에서는 건강 기능성 식품으로 주목받고 있는 새싹삼을 대상으로, 수확 후 새싹삼의 품질을 식재단계에서 조기에 예측하는 모델을 제안한다. 이를 위하여 묘삼의 이미지를 촬영한 후 수경재배를 통해 새싹삼을 재배하였고, 수확 후 새싹삼의 품질을 분류하여 실험 데이터를 수집하였다. 다수의 CNN 기반의 사전 학습된 모델을 활용하여 새싹삼 조기 품질 예측 모델을 구축하고, 수집된 데이터를 이용하여 각 모델의 학습 및 예측 성능을 비교 분석하였다. 분석 결과 모든 예측 모델에서 80% 이상의 예측 정확도를 보였으며, 특히 ResNet152V2 기반의 예측 모델에서 가장 높은 정확도를 보였다. 본 연구를 통해 인력에 의존하던 기존의 묘삼 선별 작업을 자동화하여 새싹삼의 품질을 높이고 생산량을 증대시켜 농가의 수익창출에 기여할 수 있을 것으로 기대된다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제32권1호
• /
• pp.179-199
• /
• 2023

Purpose This study builds a prediction model to find stocks that can reach intrinsic value among KOSPI and KOSDAQ-listed companies to improve the stability and profitability of the stock investment. And investment simulations are conducted to verify whether stock investment performance is improved by comparing the prediction model, random stock selection, and the market indexes. Design/methodology/approach Value investment theory and machine learning techniques are applied to build the model. Various experiments find conditions such as the algorithm with the best predictive performance, learning period, and intrinsic value-reaching period. This study selects stocks through the prediction model learned with inventive variables, does not limit the holding period after buying to reach the intrinsic value of the stocks, and targets all KOSPI and KOSDAQ companies. The stock and financial data are collected for 21 years (2001-2021). Findings As a result of the experiment, using the random forest technique, the prediction model's performance was the best with one year of learning period and within one year of the intrinsic value reaching period. As a result of the investment simulation, the cumulative return of the prediction model was up to 1.68 times higher than the random stock selection and 17 times higher than the KOSPI index. The usefulness of the prediction model was confirmed in that the number of intrinsic values reaching the predicted stock was up to 70% higher than the random selection.

• 유통과학연구
• /
• 제16권11호
• /
• pp.21-27
• /
• 2018

Purpose - This study investigates the financial ratio of savings banks and the effect of the ratio having influence upon bankruptcy by quantitative empirical analysis of forecast model to give material of better management and objective evidence of management strategy and way of advancement and risk control. Research design, data, and methodology - The author added two growth indexes, three fluidity indexes, five profitability indexes, and four activity indexes CAMEL rating to not only the balance sheets but also the income statement of thirty savings banks that suspended business from 2011 to 2015 and collected fourteen financial ratio indexes. IBMSPSS VER. 21.0 was used. Results - Variables having influence upon bankruptcy forecast models included total asset increase ratio and operating income increase ratio of growth index and sales to account receivable ratio, and tangible equity ratio and liquidity ratio of liquidity ratio. The study selected total asset operating ratio, and earning and expenditure ratio from profitability index, and receivable turnover ratio of activity index. Conclusions - Financial supervising system should be improved and financial consumers should be protected to develop saving bank and to control risk, and information on financial companies should be strengthened.