본문 바로가기
KERD
논문KCI 등재

인공지능 기반 기업 부도예측 모델 실증 연구-시간적 특성을 반영한 개선을 중심으로

An Empirical Study on the Artificial Intelligence-Based Corporate Bankruptcy Prediction Model - Focusing on improvements reflecting the characteristics of time

이현|최희정|정경민|김경영|박중현
한국IT정책경영학회 (The Korea Society of Information Technology Policy & Management)|2023.06|한국IT정책경영학회 논문지 (Jounal of The Korea Society of Information Technology Policy & Management)|제15권 제2호|pp. 3179-3188|DOI 10.23233/kitpm.2023.15.2.003

0

조회

0

다운로드

3

인용

0

참고문헌

키워드

인공지능Deep LearningMachine Learning랜덤 포레스트Random ForestLong Short-Term Memory장단기 메모리bankruptcy Prediction기업부도예측
주제분류기술정책

초록

과거 금융위기 등의 주요 발생 원인으로 신용 위험이 지목되면서 기업부도를 선제적으로 예측하는 방법론은 그간 꾸준하게 발전되어 왔다. 최근에는 부도사건 자체와 재무정보 등의 관계를 머신러닝을 통해 파악하고 이를 토대로 부도를 예측하는 연구가 활발하게 이루어지고 있지만, 부도사건이 정상 기업에 비해 희소하다는 점에서 오버샘플링이나 언더샘플링이 요구되고 있고 이는 정보 왜곡을 발생시키는 요인으로 작용할 가능성이 높다. 본 연구에서는 이러한 문제점을 고려하여 머신러닝과 딥러닝 기법을 활용한 인공지능 기반 기업부도 예측 모델에 시간적 특성을 반영하고 인공지능 모델 평가지표 F1 Score를 통해 신뢰도 및 정확도가 높은 기업부도 예측 모델을 제안한다.

Abstract

As credit risk has been pointed out as a major cause of financial crises in the past, the methodology for preemptively predicting corporate insolvency has been steadily developed. Recently, research has been actively conducted to identify the relationship between bankruptcy itself and financial information through machine learning and predict bankruptcy based on this, but over-sampling or under-sampling is required in that bankruptcy is rare compared to normal companies, which is likely to cause information distortion. In this study, considering these problems, time characteristics are reflected in the artificial intelligence-based bankruptcy prediction model using machine learning and deep learning techniques, and a highly reliable and accurate bankruptcy prediction model is proposed through the artificial intelligence model evaluation index F1 Score.

참고문헌 (23)

  1. McQuown, J. A., "A comment on market vs. accounti ng based measures of default risk", mimeo, KMV Corporation, ~ (1993)
  2. 오세경, "다변량 판별분석모형과 주식옵션모형을 이용한 기업도산 예측", 산은조사월보, (549), pp.1~29 (2001)
  3. 이인로, "회계정보와 시장정보를 이용한 부도예측모형의 평가 연구", 재무연구, 28(4), pp.625~665 (2015), 한국재무학회
  4. 최정원, "생존분석과 KMV 모형을 이용한 기업 부도 예측", 상경연구, 41, pp.69~104 (2016)
  5. Nam, C. W., "Bankrup tcy prediction using a discrete-time duration model incorporating temporal and macroeconomic depen dencies", Journal of Forecasting, 27(6), pp.493~506 (2008)
  6. Tinoco, Mario Hernandez, "Financial distress and bankruptcy prediction among listed co mpanies using accounting, market and macroecon omic variables", International review of financial ana lysis, 30, pp.394~419 (2013)
  7. Kim S., "The Effects of Business Cycle on the Default Model for Unlisted SMEs in Korea", Doctoral, pp.2010
  8. Lee, K. C., "Comparative Study on the Bankruptcy Prediction Power of Statistical Model and Al Model s: MDA, Inductive Learning, Neural Network", Journ al of the Korean Operations Research and Manage ment Science Society, 18(2), pp.57~81 (1993)
  9. Lee, J. S., "Usability Test of Non-Financial Information in Bankruptcy Prediction using Artificial Neural Network-The Case of Small and Medium-Siz ed Firms", Journal of Intelligence and Information Systems, 1(1), pp.123~134 (1995)
  10. 김명종, "기업부실 예측 데이터의 불균형 문제 해결을 위한 앙상블 학습", 지능정보연구, 15(3), pp.1~15 (2009), 한국지능정보시스템학회
  11. 김명종, "Optimizing SVM Ensembles Using Genetic Algorithms in Bankruptcy Prediction", Journal of Information and Communication Convergence Engineering, 8(4), pp.370~376 (2010), 한국정보통신학회
  12. 김명종, "회사채 신용등급 예측을 위한 SVM 앙상블학습", 지능정보연구, 18(2), pp.29~45 (2012), 한국지능정보시스템학회[DOI]
  13. Bae, J. K., "An integrated approach to predict corp orate bankruptcy with voting algorithms and neural networks", Korean business review, 3(2), pp.79~101 (2010)
  14. Kim, S. J., "Corporate Bond Rating Mode l using Random Forest", Journal of Intelligence and Information Systems, Spring Conference, pp.371~376 (2014)
  15. Wang, H., "Large unbalanced credi t scoring using lasso-logistic regression ensemble", PloS one, 10(2) (2015)
  16. 민성환, "개선된 배깅 앙상블을 활용한 기업부도예측", 지능정보연구, 20(4), pp.121~139 (2014), 한국지능정보시스템학회
  17. 조남옥, "Bankruptcy Type Prediction Using A Hybrid Artificial Neural Networks Model", 지능정보연구, 21(3), pp.79~99 (2015), 한국지능정보시스템학회
  18. 조남옥, "Bankruptcy Prediction Modeling Using Qualitative Information Based on Big Data Analytics", 지능정보연구, 22(2), pp.33~56 (2016), 한국지능정보시스템학회
  19. 차성재, "딥러닝 시계열 알고리즘 적용한 기업부도예측모형 유용성 검증", 지능정보연구, 24(4), pp.1~32 (2018), 한국지능정보시스템학회
  20. 최정원, "빅데이터와 인공지능 기법을 이용한 기업 부도예측 연구", 한국재무학회 학술대회, pp.396~435 (2017)
  21. 엄하늘, "머신러닝 기반 기업부도위험 예측모델 검증 및 정책적 제언: 스태킹 앙상블 모델을 통한 개선을 중심으로", 지능정보연구, 26(2), pp.105~129 (2020), 한국지능정보시스템학회
  22. Veganzones, D., "An investigation of ba nkruptcy prediction in imbalanced datasets", Decisi on Support Systems, 112, pp.111~124 (2018)
  23. Goutte, C., "A probabilistic interpretati on of precision, recall and F-score, with implication for evaluation", Advances in Information Retrieva l: 27th European Conference on IR Research, ECIR 2005, Proceedings, 27, pp.345~359 (2005)

관련 논문AI추천

데이터 불균형을 고려한 설명 가능한 인공지능 기반 기업부도예측 방법론 연구백동현, 허선우한국산업경영시스템학회 · 한국산업경영시스템학회지2022 · 제45권 제2호머신러닝과 오버샘플링(oversampling)을 이용한 상장기업 부도예측 연구노시현, 한희준한국계량경제학회 · 계량경제학보2025 · 제36권 제2호딥러닝 기반 부실기업 예측모형에 관한 연구김성수, 안은주, 조재혁한국산업경영학회 · 경영연구2021 · 제36권 제1호데이터 클래스 불균형 상황에서 설명가능 인공지능을 이용한 기업부도예측모델의 적용과 해석에 관한 연구백동현, 윤종철한국산업경영시스템학회 · 한국산업경영시스템학회지2025 · 제48권 제1호ALBERT 기반 감성분석을 통한 딥러닝 기업부도 예측이현, 김경영, 박중현, 주부식, 최희정한국IT정책경영학회 · 한국IT정책경영학회 논문지2023 · 제15권 제3호금융 합성 데이터를 사용한 기업 부도 예측 모델 연구권혁진, 이한준대한경영정보학회 · 경영과 정보연구2025 · 제44권 제4호

이 간행물의 다른 논문 (8건)

효율적인 군수품 교역을 위한 나토목록체계 개선 동향박민우pp. 3165-3170암호화폐 시장의 데이터 분석을 위한 주식 시장과의 비교 연구이우진, 전준헌pp. 3171-3177기업의 지속가능경영과 ESG활동이 기업신뢰에 미치는 요인에 관한 연구옹지환, 이재령, 이남용, 이우용pp. 3189-3195PPS 절삭성에 따른 재료의 안정성 연구박기원, 이상준pp. 3197-3205암호화폐 가격동향 예측을 위한 온체인 데이터의 분석에 대한 연구이우진, 전준헌pp. 3207-3212
원문 보기