본문 바로가기
KERD
논문KCI 등재

기업 재무자료를 활용한 설비건설기업 부실위험예측에 관한 연구

A Study on the Prediction of the Insolvency Risk Mechanical Equipment Construction Companies Using Corporate Financial Data

상민경
신용보증기금 (Korea Credit Guarantee Fund)|2024.09|중소기업금융연구 (Journal of SME Finance)|제44권 제3호|pp. 89-119|DOI 10.33219/jsmef.2024.44.3.004

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

머신러닝Machine Learning부실기업중소건설기업설비건설업부실위험예측Insolvent EnterpriseSmall and Medium Construction CompanyMechanical Equipment ConstructionInsolvency Risk Prediction

초록

본 연구에서는 중소건설기업인 설비건설기업의 부실위험을 사전에 예측하고, 이를 등급화하여 산 업 이해관계자의 대응방안 마련의 기초 정보를 제공하고자 설비건설업 부실위험예측모형을 개발하 였다. 연구에는 외부감사 대상 설비건설기업의 2011~2021년 재무자료에서 산출한 재무비율을 활용하 였으며, 로짓(Logit), 서포트벡터머신(SVM), 랜덤포레스트(Random Forest) 등 3가지 머신러닝 기 법을 적용하여 모형 간 예측성능을 비교하였다. 기업 부실위험은 재무적 부실을 겪고 있는 경우 또 는 한계기업 여부를 대상으로 설정하였으며, 종속변수와 설명변수 간 0~3년의 시차를 반영한 모형 을 구축하여 모델 성능이 가장 좋은 모델을 최종 예측모형으로 설정하였다. 분석 결과 부실위험여부 를 종속변수로 한 0년 시차 로짓모형이 설비건설기업의 부실위험예측에 가장 적합한 것을 확인했으 며, 이를 바탕으로 부실위험기업 구분의 임계치 및 부실위험등급을 산출하여 제시하였다. 본 연구는 재무제표만을 이용한 예측모형을 설정하여 기업의 노하우나 거시경제 상황을 반영하지 못했다는 한계점이 있으나, 부실예측에 자주 이용되는 일반적인 모형과 외감기업의 신뢰성 있는 데 이터를 활용하여 건설업 하위 분야의 중소규모 기업인 설비건설업에 대한 부실위험예측모형을 구 축･검증하였다는데 그 의의가 있다.

Abstract

In this study, a mechanical equipment construction(MEC) industry insolvency risk prediction model was developed to predict the risk of insolvency of mechanical equipment construction companies which are small and medium-sized construction companies in advance and grade them to provide basic information on preparing countermeasures for industry stakeholders. For the analysis, the financial ratio calculated by the financial information of MEC companies subject to external audit from 2011 to 2021 was used. And the predictive performance between models was compared by applying three machine learning companies: Logit, Support Vector Machine(SVM), and Random Forest(RF). Corporate insolvency risk was set for those suffering from financial insolvency or marginal companies, and the model with the best model performance was set as the final predictive model by constructing a model reflecting a lag of 0 to 3 years between the dependent variable and the explanatory variable. As a result, it was confirmed that the zero-year lag logit model based on insolvency risk(financial insolvency) as a dependent variable was the most suitable for predicting insolvency risk of MEC companies. And based on this, the threshold and insolvency risk level of the classification of insolvent risk companies were calculated and presented. This study has a limitation in that it failed to reflect corporate know-how or macroeconomic conditions by setting up the prediction model using only financial information. But it is meaningful that a general model of predicting insolvency and reliable data from external audit companies were used to build and verify a insolvency risk prediction model for MEC companies, a small and medium-sized enterprise.

참고문헌 (46)

  1. 권장한, "머신러닝기법을 통한 해운기업 부실예측 연구", 해운물류연구, 38(2), pp.399~418 (2022)
  2. 김남호, "중소기업 부실예측에 관한 분석모형 비교연구 – 로짓분석, 판별분석, K-최소근방분석을 중심으로", 중소기업금융연구(舊 보증월보), pp.3~42 (2004)
  3. 기계설비건설업 한계기업 특징 연구(2) - 기계설비건설업체 한계기업 동향 및 특징, "김미리", 대한기계설비산업연구원, 1~01, pp.연구보고서 2021-01 (2021)
  4. 김민규, "변수 및 표본 특성의 차이에 따른 건설기업 부도 머신러닝 예측모형 정확도 비교", 석사, pp.2019
  5. 김상문, "생존분석을 이용한 중소기업 부실예측과 생존시간 추정", 중소기업금융연구, 2011(여름), pp.78~107 (2011)
  6. 김상봉, "부도예측모형을 이용한 기업부실화의 원인분석", 시장경제연구, 40(1), pp.85~106 (2011)
  7. 김성규, "경기변동을 반영한 부도예측모형에 관한 실증연구 – 중소기업 회계정보 기반 동태적 모형을 중심으로-", 박사, pp.2010
  8. 김성진, "기업신용등급 예측을 위한 랜덤 포레스트의 응용", 산업혁신연구, 32(1), pp.187~211 (2016)
  9. 2022년 건설외감기업 경영실적 및 한계기업 분석, "김태준", 대한건설정책연구원, ~ (2023)
  10. 도영호, "재무적 특성이 부도확률에 미치는 영향 : 비상장 중소기업을 중심으로", 생산성연구(舊 생산성논집), 26(4), pp.127~153 (2012)
  11. 박동준, "기계학습 방법을 이용한 기업부도의 예측", 한국데이터정보과학회지, 23(3), pp.569~577 (2012)
  12. 박복래, "건설기업의 생존확률 예측모형", 석사, pp.2002
  13. 박용석, "신용평가모형에서 타당성검증 통계량들의 판단기준", 한국통계학회논문집, 16(2), pp.239~247 (2009)
  14. 박중현, "인공지능 기반 기업 부도예측 모델 실증 연구 – 시간적 특성을 반영한 개선을 중심으로", 한국IT정책경영학회 논문지, 15(2), pp.3179~3188 (2023)
  15. 배재권, "재무비율을 이용한 기업부도예측 모형의 예측력 비교 연구", 석사, pp.2006
  16. 안정환, "연립방정식모형을 이용한 기업부도위험과 부채구조의 실증분석", 시장경제연구, 16(2), pp.239~247 (2001)
  17. 엄하늘, "머신러닝 기반 기업부도위험 예측모델 검증 및 정책적 제언 : 스태킹 앙상블 모델을 통한 개선을 중심으로", 지능정보연구, 26(2), pp.105~129 (2020)
  18. 빅데이터를 이용한 딥러닝 기반의 기업 부도예측 연구, "오세정", 한국금융연구원, ~, pp.KIF Working paper 2017-8 (2017)
  19. 최근 기업부문 건전성 분석을 통한 금융 안정성 평가와 시사점, "이지언", 한국금융연구원, ~, pp.KIF 연구보고서 2015-3호 (2015)
  20. 건설업 한계기업 예측을 통한 재무위험 관리 방안, "이지혜", 한국건설산업연구원, ~ (2019)
  21. 이찬호, "기업구조조정 혁신을 위한 선제적 한계기업 예측모형에 관한연구", 기술혁신학회지, 23(4), pp.637~667 (2020)
  22. 장윤신, "기업 특성변수 및 거시경제 변수와 예상부도확률간의 상관관계", 석사, pp.2013
  23. 정민수, "MLP ANN 가뭄 예측 모형에 대한 ROC 평가", 한국수자원학회논문집, 49(10), pp.877~885 (2016)
  24. 조재혁, "딥러닝 기반 부실기업 예측모형에 관한 연구", 경영연구, 36(1), pp.99~113 (2021)
  25. 최재규, "거시경제변동 전후 건설기업의 부실화 비교분석-IMF 외환위기 및 서브프라임금융위기 전후를 중심으로-", 한국건설관리학회 논문집, 13(4), pp.60~68 (2012)
  26. 2020년 기업경영분석(2021.11), "한국은행", ~ (2021)
  27. 금융안정보고서(2022.12), "한국은행", ~ (2022)
  28. 경제전망보고서(2022.8), "한국은행", ~ (2022)
  29. 경제전망보고서(2023.2), "한국은행", ~ (2023)
  30. 2023년 한국 경제 전망 – 2023년 2.2%로 성장세 둔화, "현대경제연구원", ~ (2022)
  31. 2023년 한국 경제 수정 전망 – 경기 회복 모멘텀 발굴에 주력해야 한다, "현대경제연구원", ~ (2023)
  32. KDI 경제전망, 2022 상반기, "KDI", ~ (2022)
  33. KDI 경제전망 수정, 2023년 2월, "KDI", ~ (2023)
  34. Altman, E. I., "FINANCIAL RATIOS, DISCRIMINANT ANALYSIS AND THE PREDICTION OF CORPORATE BANKRUPTCY", The Journal of FINANCE, 23(4), pp.589~609 (1968)
  35. Barboza, F., "Machine learning models and bankruptcy prediction", Expert Systems with Applications, 83, pp.405~417 (2017)
  36. Caballero, R. J., "Zombie Lending and Depressed Restructuring in Japan", American Economic Review, 98(5), pp.1943~1977 (2008)
  37. Ohlson, J. A, "Financial Ratios and the Probabilistic Prediction of Bankruptcy", Journal of Accounting Research, 18(1), pp.109~131 (1980)
  38. Toudas, K., "Corporate Bankruptcy Prediction Models:A Comparative Study for the Construction Sector in Greece", Computation, 12(1), pp.9~ (2024)
  39. Voiko, A. V, "Bankruptcy Prediction Models for Construction Companies in the Russian Federation", Finance : Theory and Practice, 23(5), pp.62~74 (2019)
  40. "대한민국 법원 법원통계 월보"[URL]
  41. "국가통계포털(KOSIS)"[URL]
  42. "한국은행 경제통계시스템(ECOS)"[URL]
  43. "국가법령정보센터"[URL]
  44. "한국기업평가"[URL]
  45. "NICE평가정보"[URL]
  46. "NICE CREDIT"[URL]

관련 논문AI추천

머신러닝기법을 통한 해운기업 부실예측 연구권장한, 박성화한국해운물류학회 · 해운물류연구2022 · 제38권 제2호머신러닝을 이용한 창업기업의 대출부도 예측장영민신용보증기금 · 중소기업금융연구2024 · 제44권 제3호CFFA와 랜덤 포레스트를 이용한 비상장 건설화학기업의 부실예측강형구, 조서연, 최명수한국재무관리학회 · 재무관리연구2023 · 제40권 제6호SVM 전처리기를 활용한 코스닥기업 도산예측 성능 향상강부식, 조준희한국지식정보기술학회 · 한국지식정보기술학회 논문지2012 · 제7권 제4호부도예측모형을 이용한 전문건설공제의 리스크 측정에 관한 실증연구김용덕, 이근철한국리스크관리학회 · 리스크관리연구2014 · 제25권 제1호머신러닝과 오버샘플링(oversampling)을 이용한 상장기업 부도예측 연구노시현, 한희준한국계량경제학회 · 계량경제학보2025 · 제36권 제2호

이 간행물의 다른 논문 (3건)

중소기업금융연구 2024년 가을호 발간에 부쳐빈기범pp. 1-2머신러닝을 이용한 창업기업의 대출부도 예측장영민pp. 3-49상장 중소기업의 외국인 지분이 연구개발투자와 파산위험에 미치는 영향변희섭pp. 51-87
원문 보기