비재무정보가 소상공인 신용평가 개선에 미치는 영향 : 상권정보를 중심으로
Performance Improvement of Bankruptcy Prediction using Non-financial Information of Micro Business : Focusing on the Usability of Trade Area Information
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
기업부도예측은 꾸준히 연구되어온 분야로 최근 빅데이터와 AI를 활용한 모형 개선의 노력이 이루어지고 있다. 본 연구는 금융시장에서 정보 비대칭으로 금융소외 현상을 겪는 소상공인의 신용평가 개선에 대해 실증분석하였다. 소상공인의 신용도 결정에 활용가능한 새로운 요인을 빅데이터에서 발굴하고, 이러한 비재무 정보가 부도기업을 선별에 미치는 영향을 실증하였다. 제안모형의 유용성 검증을 위해 서울시 서비스업의 소상공인 기업정보와 상권 빅데이터를 통합하여 판별분석, 인공신경망, 의사결정나무 분석을 수행하였다. 실험결과 상권정보가 소상공인의 부실을 분류하고 예측하는데 유의미한 정보임을 확인하였다. 신용평가에서 주로 활용된 재무정보에 상권정보라는 비재무정보를 새로운 지표로 추가하여 통합하게 되면 더 우수한 성능의 신용평가모형을 개발할 수 있음을 확인했다. 본 연구는 우수한 예측성능을 가진 비재무정보를 제안하여 소상공인 신용평가 개선에 학술적, 실무적으로 기여할 수 있을 것으로 기대된다.
Abstract
The purpose of this study is to investigate improvements of the inefficient financial services and to study leading financial cases through empirical analysis. Particularly, in the bank-based system, micro business are excluded from efficient financial support by banks. This study is focused on the improvement of credit evaluation for micro business, which has little quantitative financial information. This study also discovers new index that is considered non-financial informations influencing credit. This study examines empirically how this non-financial information affects to discriminate between bankrupt and non-bankrupt companies. In this study, business and environmental factors related to trade area are presented based on theoretical studies, and the factors can be valid non-financial information for corporate credit evaluation. According to the analysis results, in this study, the accuracy of the model was 74.31% in discriminant analysis, the artificial neural network model was 89.77%, and the decision tree model was 89.78%. It was verified that the trade area information is significant to classify and predict bankruptcy. In addition, it was found that machine learning analysis was more effective than traditional discriminant analysis. In conclusion, it can be said that it is possible to utilize ‘trade area information’ as evaluation indicators in corporate credit evaluation.
참고문헌 (41)
- 권영준, "개인신용평가에서의 비금융정보의 경제적 효과", 한국경제연구, 29(2), pp.81~107 (2011), 한국경제연구학회
- 개인 신용평가체계 개선방안, "금융위원회", ~ (2018)
- 김수현, "소매업의 매출액을 결정하는 보행량 및 건조 환경 요인에 관한 연구 - 서울시 편의점, 화장품소매점, 커피전문점을 중심으로 -", 국토계획, 50(3), pp.299~318 (2015), 대한국토·도시계획학회
- 김용성, "비재무적요인 분석을 통한 중소벤처기업의 도산예측에 관한 실증연구", 박사, 벤처전문기술학과, pp.2012
- 김정숙, "서민금융 이용자 중 파산제도를 선택한 채무자의 특성연구", KOREG Research, 7(1), pp.9~116 (2012)
- 김지연, "빅 데이터 활용과 관련기술 고찰", 한국콘텐츠 학회지, 10(1), pp.1~26 (2019)
- 김천태, "침구점포 경영에 영향을 미치는 요인에 관한 연구", 한국전자통신학회 논문지, 8(1), pp.135~142 (2013), 한국전자통신학회
- 남기정, "비재무정보를 이용한 창업기업의 부실요인에 관한 실증연구", 벤처창업연구, 14(1), pp.139~149 (2019), 한국벤처창업학회[DOI]
- 남주하, "산업별 신용위험에 대한 연구 -재무 및 비재무요인을 중심으로-", 응용경제, 10(3), pp.157~182 (2008), 한국응용경제학회
- 노순식, "장부가치와 회계이익의 상대적 주가관련성 : 신용평가등급을 중심으로", 회계와 정책연구, 13(2), pp.259~281 (2008), 한국회계정책학회
- 박원근, "중소기업의 부실예측에서 산업 관련 변수의 유용성에 관한 연구 : 비상장 중소기업을 중심으로", 박사, pp.2017
- 신영애, "SSM(Super-Supermarket)의 매출에 영향을 미치는 입지요인분석", 부동산학보, (50), pp.270~282 (2012), 한국부동산학회[DOI]
- 머신러닝을 활용한 신용평가모형의 개발-신용정보부족군(Thin-File)을 대상으로, "신윤제", NICE평가정보 CB연구소, ~ (2016)
- 양동우, "IT중소벤처 유의적 기술평가항목추출에 관한 실증연구", 기술혁신학회지, 8(1), pp.277~296 (2005), 한국기술혁신학회
- 오환종, "우리나라 중소기업의 현황과 도산예측모형에 관한 이론적 연구", 지역발전연구, 7(1), pp.185~201 (2007)
- 윤상용, "소상공인 신용평가에서 비재무적 정보는 중요한가?", 경영컨설팅연구, 16(2), pp.37~46 (2016), 한국경영컨설팅학회
- 이민규, "기업형 슈퍼마켓의 입지특성과 소비자 이용행태 분석 : 서울특별시 소재 L 슈퍼를 중심으로", 한국지역개발학회지, 25(1), pp.251~274 (2013), 한국지역개발학회
- 이임동, "편의점 매출에 영향을 미치는 입지요인에 대한 실증연구", 부동산학연구, 16(4), pp.53~77 (2010), 한국부동산분석학회
- 이재규, "경영정보시스템원론" (2005), 법영사
- 정대석, "상권 업종별 분포 및 매출 영향요인 분석: 경기도 31개 시군을 대상으로", GRI연구논총, 16(2), pp.101~122 (2014), 재단법인 경기연구원
- 정대영, "공간자기상관기법을 이용한 근린상권의 공간특성분석", 대한공간정보학회지, 17(1), pp.141~148 (2009), 대한공간정보학회
- 정유석, "기업도산 예측력 분석방법에 대한 연구: IMF후 국내 상장회사를 중심으로", 인터넷정보학회논문지, 7(1), pp.75~89 (2006), 한국인터넷정보학회
- 정현순, "기업신용평가시스템을 위한 AHP 모형의 개발", 산업경제연구, 16(6), pp.33~52 (2003)
- 조준희, "코스닥기업의 도산예측모형에 관한 연구", 산업경제연구, 20(1), pp.141~161 (2007), 한국산업경제학회
- 개인 신용평가모형의 변화와 시사점, "최성민", 한국신용정보원, ~, pp.2018-4 (2018)
- 최정원, "텍스트마이닝 방법론을 활용한 기업 부도 예측 연구", 생산성연구: 국제융합학술지, 29(1), pp.201~228 (2015), 한국생산성학회[DOI]
- 홍태호, "부도확률맵과 AHP를 이용한 기업 신용등급 산출모형의 개발", 정보시스템연구, 16(3), pp.1~20 (2007), 한국정보시스템학회
- "신용평가일반론" (2019)[URL]
- Altman, E. I., "The value of non-financial information in small and medium-sized enterprise risk management", Journal of Credit Risk, 6(2), pp.1~33 (2010)
- Altman, E. I., "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy", Journal of Finance, 23(4), pp.589~609 (1968)
- Bhimani, A., "The role of financial macroeconomic, and non-financial information in bank loan default timing prediction", European Accounting Review, 22(4), pp.739~763 (2013)
- Burkett, I., "From the margins to the mainstream:The challenges for microfinance in Australia" (2009), Brotherhood of St Lawrence, Foresters Community Finance.
- Huang, S. C., "Kernel local Fisher discriminant analysis based manifold-regularized SVM model for financial distress predictions", Expert System with Applications, 39, pp.3855~3861 (2012)
- Jones, K., "Location, location, location: analyzing the retail environment" (1993), Nelson
- Laras, M., "Predicting bankruptcy under alternative conditions : the effect of a change in industry and time period on the accuracy of the model", Social and Behavioral Sciences, 213, pp.397~403 (2015)
- "Big data and the next wave of infra stress problems, solutions, opportunities" (1998)[URL]
- Peterson, R. A., "Trade area analysis using trend surface mapping", Journal of Marketing Research, 11(3), pp.338~342 (1974)
- Samuel, A. L., "Some studies in machine learning using the game of checkers", IBM Journal of Research and Development, 3, pp.210~229 (1959)
- Fintech and financial innovation: drivers and depth, "Schindler, J. W.", FEDS, ~, pp.No. 2017-081 (2017)
- Shumway, T, "Forecasting bankruptcy more accurately : A simple hazard model", The Journal of Business, 74(1), pp.101~124 (2001)