• 한국정보시스템학회지:정보시스템연구
• /
• 제30권4호
• /
• pp.203-226
• /
• 2021

Purpose The purpose of this study is to enhance the accuracy score of personal credit scoring using the convolutional neural networks and secure the transparency of the deep learning model using eXplainalbe Artifical Inteligence(XAI) technique. Design/methodology/approach This study built a classification model by using the convolutional neural networks(CNN) and applied a methodology that is transformation of numerical data to imaged data to apply CNN on personal credit data. Then layer-wise relevance propagation(LRP) was applied to model we constructed to find what variables are more influenced to the output value. Findings According to the empirical analysis result, this study confirmed that accuracy score by model using CNN is highest among other models using logistic regression, neural networks, and support vector machines. In addition, With the LRP that is one of the technique of XAI, variables that have a great influence on calculating the output value for each observation could be found.

• 기술혁신연구
• /
• 제25권4호
• /
• pp.1-15
• /
• 2017

2014년, 금융위원회는 기술신용평가기관(TCB, Tech Credit Bureaus)을 지정하여 기술신용평가서를 발급하게 하였고 현재까지 5개의 기술신용평가기관과 금융위원회 권고, 레벨 4에 진입한 KEB하나은행, 국민은행, 우리은행, 신한은행 등에서 기술신용평가서를 발급하고 있다. 한편, KEB하나은행의 기술평가모델은 25개의 세부평가항목으로 구성되어 있으며, 이러한 항목등급이 가중 결합되어 기술등급이 산출, 기술등급은 신용등급과 결합하여 최종적으로 기술신용등급이 산출된다. 본 연구에서는 KEB하나은행에서 2016년 하반기에 자체발급한 406건의 기술평가결과를 분석하였으며, 경영주 동업종 근무년수, 기술개발전담부서 보유여부, 기술인력, 연구개발투자금액, 인증수, 특허수를 기반으로 지표간의 상관분석 및 기술등급과의 영향력을 분석하였다. 분석결과에 의하면, 기술개발전담부서, 특허수, 연구개발투자금액 등의 정량적지표가 기업 기술등급에 상당한 영향을 끼치는 것으로 나타났으며, 특히, 기술개발전담부서 보유여부는 기술등급과 가장 높은 상관관계를 나타내고 있음을 나타냈다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• 응용통계연구
• /
• 제21권6호
• /
• pp.1065-1075
• /
• 2008

신용평가모형 개발과 적합성 검정 연구에서 부도율분포로부터 부도기업과 정상기업의 판별력을 검정하는 방법으로 비모수적인 방법인 Kolmogorov-Smirnov(K-S) 검정방법을 많이 사용한다. 모집단에 대한 누적분포함수를 알고있으며 이 분포함수가 두 개의 분포함수로 분할되었다는 가정하에서 두 분포함수 동일성을 검정하는 신용평가 연구에서 스코어 또는 부도율이 다양한 확률분포를 따른다고 가정하고 기존의 K-S 통계량과 수정된 K-S 통계량을 비교 토론한다.

• 디지털융복합연구
• /
• 제20권3호
• /
• pp.157-167
• /
• 2022

본 연구는 중소기업의 사전적 매출채권관리가 신용판매의사결정과 경영성과에 미치는 영향관계를 확인하고 효과적인 매출채권 관리방안과 체계적인 신용판매의사결정 방안을 도출하기 위해 실시하였다. 중소기업을 대상으로 설문조사를 통해 수집된 455부의 자료를 바탕으로, 요인분석 및 신뢰성분석, 확인적 요인분석, 모형 적합도 검증을 통해 확정하고, 구조방정식모형으로 연구가설을 검증하였다. 검증 결과 신용평가는 재무성과와 영업성과 및 신용판매의사결정에 정(+)의 영향을, 신용통제는 재무성과에 정(+)의 영향을 미친 반면 영업성과와 신용판매의사결정에는 부(-)의 영향을 미쳤다. 매개효과 가설검증에서 신용판매의사결정은 신용평가와 경영성과 간에 정(+)의 영향을, 신용통제와 경영성과 간에는 부(-)의 영향을 미쳤다. 연구는 중소기업이 효과적인 매출채권관리를 통해 경영성과를 제고하기 위해서 사전적 매출채권관리와 신용판매의사결정 능력의 향상을 병행한다면 기업의 경영성과 제고에 시너지 효과를 발생시킬 수 있음을 시사한다. 향후 연구대상의 세분화 및 신용거래동기 등 요인과 매출채권관리와의 영향 연구가 요구된다.

• Communications for Statistical Applications and Methods
• /
• 제15권4호
• /
• pp.615-631
• /
• 2008

재무자료에 대한 신용평가모형은 각각의 재무변수를 평활한 예측부도율로 변환하여 사용한다. 본 연구에서는 연속형 재무자료를 변환하여 설정된 신용평가모형의 문제점을 살펴보고, 연속형 재무변수를 다양한 형태로 범주화한 신용평가모형들을 제안한다. 범주형 재무자료를 사용해서 개발한 여러 종류의 신용평가모형들의 성과를 다양한 적합성 검증 방법으로 비교하고, 범주형 재무자료를 이용한 신용평가모형의 유용성을 토론한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.11-20
• /
• 2024

최근 IT 기술의 발전과 더불어 금융 시장에서의 불확실성이 증대되는 상황에서 기업 신용등급 평가의 중요성을 인식하고, 이를 개선하기 위한 새로운 접근 방식으로 딥러닝 모델인 TabNet을 제안한다. 이에 본 연구에서는 TabNet을 활용하여 기업 신용등급을 예측하고, 이의 예측 성능을 기존 머신러닝 방법론과 상세하게 비교한다. 한국의 주요 증권시장에 상장된 기업들의 재무 데이터를 기반으로 TabNet 알고리즘을 적용하여 신용등급 예측 모델을 구축하고, 다양한 머신러닝 모델과의 성능을 비교 분석하였다. 실험 결과, TabNet 모델은 Precision 0.884, F1이 0.895로 기존의 머신러닝 모델들보다 우수한 성능을 보였으며, 고위험 기업을 저위험 기업으로 잘못 분류하는 경우가 다른 머신러닝 모델보다 적어 TabNet의 우수성을 확인하였다. 이는 TabNet이 기업 신용등급 예측에 있어 효과적인 도구로 활용될 수 있으며, 금융기관의 신용 위험 관리 및 의사 결정 과정을 지원할 수 있을 것으로 기대한다.

• 한국콘텐츠학회논문지
• /
• 제16권3호
• /
• pp.81-90
• /
• 2016

본 연구는 당기 주가수익률과 차기 신용등급 및 신용등급 변화와의 관련성을 검증하는 것을 목적으로 한다. 신용등급평가사들은 개별 기업의 채무불이행위험(default risk)을 측정하여 최종 신용등급을 결정하는데 기업의 높은 주가수익률은 낮은 위험(default risk)으로 인지될 가능성이 있다. 반면 시장참여자들은 효율적으로 높은 수익을 달성하기 위하여 규모가 크고 안정적인 기업보다 고수익을 달성할 수 있는 신용위험(risk)이 높은 기업들의 주식을 선호할 가능성 역시 배제할 수 없다. 이는 실증적으로 해결되어야 할 문제이며 현재까지 이러한 관련성을 고찰한 연구는 부재하다. 본 연구는 2002년부터 2013년까지 회사채를 발행한 유가증권 상장기업을 대상으로 당기 주가수익률과 차기 신용등급 및 신용등급의 관련성을 검증하였고, 그 결과를 요약하면 다음과 같다. 먼저 당기 주가수익률은 차기 신용등급과 유의한 음(-)의 관련성이 있는 것으로 나타났다. 이는 신용평가사들이 주가수익률을 채무불이행 위험의 대리변수로 고려하지 않음을 예측케 하는 결과이고, 오히려 투자자들은 신용등급이 낮은 기업의 주식을 선호한다고 해석할 수 있다. 본 연구는 직관과는 달리 주가수익률과 신용등급의 음(-)의 관련성을 찾은 최초의 연구로써 신용평가사 및 시장참여자들에게 의미 있는 통찰력을 제공할 것으로 기대한다.

• Journal of information and communication convergence engineering
• /
• 제19권4호
• /
• pp.228-233
• /
• 2021

In this study, we analyze the credit information (loan, delinquency information, etc.) of individual business owners to generate voluminous training data to establish a bankruptcy prediction model through a partial synthetic training technique. Furthermore, we evaluate the prediction performance of the newly generated data compared to the actual data. When using conditional tabular generative adversarial networks (CTGAN)-based training data generated by the experimental results (a logistic regression task), the recall is improved by 1.75 times compared to that obtained using the actual data. The probability that both the actual and generated data are sampled over an identical distribution is verified to be much higher than 80%. Providing artificial intelligence training data through data synthesis in the fields of credit rating and default risk prediction of individual businesses, which have not been relatively active in research, promotes further in-depth research efforts focused on utilizing such methods.

• 지식경영연구
• /
• 제11권2호
• /
• pp.95-109
• /
• 2010

The objectives of this study are to identify the survival function (hazard function) of small and medium enterprises by using technology rating data for the companies guaranteed by Korea Technology Finance Corporation (KOTEC), and to figure out the factors that affects their survival. To serve the purposes, this study uses Kaplan-Meier Analysis as a non-parametric method and Cox proportional hazards model as a semi-parametric one. The 17,396 guaranteed companies that assessed from July 1st in 2005 to December 31st in 2009 are selected as samples (16,504 censored data and 829 accident data). The survival time is computed with random censoring (Type III) from July in 2005 as a starting point. The results of the analysis show that Kaplan-Meier Analysis and Cox proportional hazards model are able to readily estimate survival and hazard function and to perform comparative study among group variables such as industry and technology rating level. In particular, Cox proportional hazards model is recognized that it is useful to understand which technology rating items are meaningful to company's survival and how much they affect it. It is considered that these results will provide valuable knowledge for practitioners to find and manage the significant items for survival of the guaranteed companies through future technology rating.