• 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.

• 한국항해항만학회지
• /
• 제48권2호
• /
• pp.109-115
• /
• 2024

To develop a shipping company insolvency prediction model, we sampled shipping companies that closed between 2005 and 2023. In addition, a closed company and a normal company with similar asset size were selected as a paired sample. For this study, data of a total of 82 companies, including 42 closed companies and 42 general companies, were obtained. These data were randomly divided into a training set (2/3 of data) and a testing set (1/3 of data). Training data were used to develop the model while test data were used to measure the accuracy of the model. In this study, a prediction model for Korean shipping insolvency was developed using financial ratio variables frequently used in previous studies. First, using the LASSO technique, main variables out of 24 independent variables were reduced to 9. Next, we set insolvent companies to 1 and normal companies to 0 and fitted logistic regression, LDA and QDA model. As a result, the accuracy of the prediction model was 82.14% for the QDA model, 78.57% for the logistic regression model, and 75.00% for the LDA model. In addition, variables 'Current ratio', 'Interest expenses to sales', 'Total assets turnover', and 'Operating income to sales' were analyzed as major variables affecting corporate insolvency.

• 가족자원경영과 정책
• /
• 제23권2호
• /
• pp.99-115
• /
• 2019

This study examined the insolvency likelihood of young debtors from the 2018 Household Financial and Welfare Survey. This study used the Household Default Risk Index (HDRI), which considers the ratio of total debt to total assets (DTA), and a total debt service ratio (DSR) to examine the insolvency level of debtors. The descriptive analyses showed no difference in frequency of households with a high probability of insolvency between those less than 35 years of age and those over 35 years of age. However, the median HDRI value for those less than 35 years of age was higher than those over 35 years of age. The multivariate analyses indicated that educational expenses for young Korean debtors was a factor that increased their probability of insolvency, while income was the only variable that decreased their insolvency likelihood.

• 가족자원경영과 정책
• /
• 제22권1호
• /
• pp.63-78
• /
• 2018

This study examined the insolvency of debtors using multiple-indicator approaches and compared the outcomes across income levels with the 2016 'Household Financial and Welfare Survey'. This study used (1) the total debt to total assets ratio (DTA), (2) the total debt service ratio (DSR), and (3) the Household Default Risk Index (HDRI) recently developed by the Bank of Korea. Households in the lowest income quintile were more likely to be insolvent than any other income group. Demographics, such as age and gender of the household head, and most of the financial variables significantly increased the likelihood of insolvency based on the DTA. The number of household members and job status increased the likelihood of insolvency based on the DSR. Also, age, gender of the household head, and most of the financial variables increased the likelihood of household insolvency based on the HDRI after controlling for other demographics and financial variables.

• 한국건설관리학회논문집
• /
• 제17권5호
• /
• pp.13-21
• /
• 2016

주수급자 역할을 하는 건설기업의 부실화는 발주자에게 공사계약 미이행에 따른 피해를 초래할 수 있고, 전문건설업체 및 자재공급업체의 재무건전성에 악영향을 줄 수 있다. 건설업은 프로젝트를 수주하고 진도에 따라 기성을 받는 현금흐름의 재무적 특성이 존재하고, 사업 진행 중의 부실화는 투입한 자금의 손실로 이어질 수 있으므로 건설업체의 부실화 예측은 중요하다. 국내 건설업체의 부실화 예측은 90년도 초 미국에서 개발된 KMV (Kealhofer McQuown and Vasicek)사의 KMV모형으로 수행되는 경우도 있지만, 이 모형은 일반적인 기업 및 은행의 신용위험 평가에 개발되어져 건설기업 예측력에는 부족함이 있다. 또한, KMV값의 부도확률 예측력에 대해서는 분석대상의 기업수 및 데이터의 부족으로 의문점이 지속적으로 제기되고 있다. 따라서 이러한 의문점을 해결하기 위해 기존 부도예측확률모형에 베이지안 확률적 접근법(Bayesian Probabilistic Approach)을 접목하고자 한다. 베이즈 통계학의 사전확률(Prior Probability)만 적절하게 예측가능하다면 적은 정보라도 증거에 대한 조건부 획득으로 신뢰성 있는 사후확률(Posterior Probability)을 예측할 수 있기 때문이다. 이에 본 연구에서는 기존 부도예측확률모형에 베이지안 확률적 접근법을 활용하여 예상부도확률(Expected Default Frequency, EDF)을 측정하고, 기존 모형의 예상부도확률과 비교하여 정확성을 예측하고자 한다.

• 한국산학기술학회논문지
• /
• 제15권5호
• /
• pp.3260-3269
• /
• 2014

타 산업들과의 연계성이 강한 건설업체가 도산할 경우 타 산업시장의 경기악화를 초래할 수 있어, 시장 환경 변화에 따른 건설업체의 부실화 예측모형 연구가 중요하게 다뤄지고 있다. 하지만 건설업체 부실화 예측에 앞서 부실화에 기인하는 요소에 관한 연구가 선행되어야 함에도 불구하고 이와 같은 영향 변수들에 대한 연구가 부족한 실정이다. 이에 본 논문에서는 건설업체 포트폴리오의 큰 비중을 차지하는 주택시장 변화가 규모별 건설업체의 부실화에 미치는 영향을 벡터오차수정모형을 통해 분석하고자 한다. 이에 건설업체를 규모별로 2011년 시공능력평가순위 50위권 기업 중 상위 10개와 하위 10개로 구분하였으며, 각 업체의 부실화를 나타내는 예상부도확률을 KMV 모형을 통해 측정하였다. 주택시장의 변화를 대리하는 변수로 2001년부터 2010년까지의 주택매매가격지수, 주택전세가격지수, 전세매매가격비율을 활용하였다. KMV모형을 활용하여 규모별 건설업체의 예상부도확률을 산출한 결과 선험적으로 인지하고 있듯이 상위 10개의 대규모 건설업체들이 상대적으로 규모가 작은 건설업체에 비해 경영상태가 양호한 것을 확인 할 수 있었다. 또한 벡타오차수정모형을 구성, 충격반응분석을 수행한 결과 주택시장 경기변동에 따라 대규모 업체의 부실화 정도가 중소 건설업체에 비해 더 심각함을 확인할 수 있었다.

• 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.

• 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.

• 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.