본문 바로가기
KERD
논문KCI 등재

머신러닝을 이용한 외감기업 및 비외감기업의 부도예측에 관한 연구

An Empirical Comparison of Bankruptcy Prediction of External Auditing and Non-External Auditing Companies Using Machine Learning Methods

이준기|송현준|박도준
한국IT정책경영학회 (The Korea Society of Information Technology Policy & Management)|2021.06|한국IT정책경영학회 논문지 (Jounal of The Korea Society of Information Technology Policy & Management)|제13권 제3호|pp. 2521-2527

0

조회

0

다운로드

10

인용

0

참고문헌

키워드

Machine learning머신러닝SMOTELogistic regression로지스틱 회귀부도율 예측비외감기업Bankruptcy predictionNon-external auditing
주제분류기술정책

초록

본 연구는 머신러닝 기법을 사용하여, 우리나라 외감기업과 비외감기업의 부도예측 모델들을 실증분석하였다. 자료의 불균형성을 균형화하기 위해 다양한 표집방법을 사용하고, 기존의 방법론과 머신러닝 방법론으로 모델을 설계하였다. 분석결과에서 외감기업에 대한 예측력이 비외감기업 대비 높게 나타났으며, 기존의 방법론 대비 머신러닝 방법론의 예측력이 일관되게 향상되었다. 또한, 과대표집 방법으로 일부 머신러닝 방법론의 예측력을 향상시킬 수 있었다.

Abstract

The paper presents an empirical analysis of bankruptcy prediction models using financial data of external auditing and non-external auditing companies. To improve performance occurring from the imbalanced data, we apply four resampling techniques and compare the performance of conventional models and machine learning models. The result indicates that the machine learning models show consistently higher performance compared to conventional methods. In addition, the predictability of the model is higher for external auditing companies compared to non-external auditing companies.

참고문헌 (26)

  1. Altman, E. I., "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy", The journal of finance, 23(4), pp.589~609 (1968)
  2. Shaw, M. J., "Inductive learning for risk classification", IEEE Intelligent Systems, 5(1), pp.47~53 (1990)
  3. Tam, K. Y., "Managerial applications of neural networks : the case of bank failure predictions", Management science, 38(7), pp.926~947 (1992)
  4. Barboza, F., "Machine learning models and bankruptcy prediction", Expert Systems with Applications, 83, pp.405~417 (2017)
  5. Lu, H., "Brain intelligence : go beyond artificial intelligence", Mobile Networks and Applications, 23(2), pp.368~375 (2018)
  6. Cenciarelli, V. G., "External audit and bankruptcy prediction", Journal of Management and Governance, 22(4), pp.863~890 (2018)
  7. 김성규, "중소기업 회계투명성 제고 방안", 중소기업금융연구, 38(3), pp.3~45 (2018), 신용보증기금[DOI]
  8. Altman, E. I., "Corporate financial distress, restructuring, and bankruptcy: analyze leveraged finance, distressed debt, and bankruptcy" (2019), John Wiley & Sons
  9. Altman, E. I., "Failure prediction : evidence from Korea", Journal of International Financial Management & Accounting, 6(3), pp.230~249 (1995)
  10. Zhou, L., "Performance of corporate bankruptcy prediction models on imbalanced dataset : The effect of sampling methods", Knowledge-Based Systems, 41, pp.16~25 (2013)
  11. 이인로, "회계정보와 시장정보를 이용한 부도예측모형의 평가 연구", 재무연구, 28(4), pp.625~665 (2015), 한국재무학회
  12. Altman, E. I., "Assessing the credit worthiness of Italian SMEs and mini-bond issuer s", Global Finance Journal, 43, pp.100450~ (2020)
  13. Kim, H. J., "Optimization of cluster-based evolutionary undersampling for the artificial neural networks in corporate bankruptcy prediction", Expert systems with applications, 59, pp.226~234 (2016)
  14. Beaver, W. H., "Financial ratios as predictors of failure", Journal of accounting research, 4, pp.71~111 (1966)
  15. Ohlson, J. A., "Financial ratios and the probabilistic prediction of bankruptcy", Journal of accounting re search, 18(1), pp.109~131 (1980)
  16. Zmijewski, M. E., "Methodological issues related to th e estimation of financial distress prediction models", Journal of Accounting research, 22, pp.59~82 (1984)
  17. Kumar, P. R., "Bankruptcy prediction in banks and firms via statistical and intelligent techniques–A review", European journal of operational re search, 180(1), pp.1~28 (2007)
  18. Merton, R. C., "On the pricing of corporate debt : The risk structure of interest rates", The Journal of finance, 29(2), pp.449~470 (1974)
  19. Shumway, T., "Forecasting bankruptcy more accurately : A simple hazard model", The journal of business, 74(1), pp.101~124 (2001)
  20. Vuttipittayamongkol, P., "Neighbourho od-based undersampling approach for handling imbalanced and overlapped data", Information Sciences, 509, pp.47~70 (2020)
  21. Susan, S., "SSOMaj-SMOTE-SSOMin : Three-step intelligent pruning of majority and minority samples for learning from imbalanced datasets", Applied Soft Computing, 78, pp.141~149 (2019)
  22. Chawla, N. V., "SMOTE : synthetic minority over-sampling technique", Journal of artificial intelligence research, 16, pp.321~357 (2002)
  23. Nekooeimehr, I., "Adaptive semi-unsupervised weighted oversampling (A-SUWO) for imbalanced datasets", Expert Systems with Applications, 46, pp.405~416 (2016)
  24. Gong, J., "RHSBoost : Improving classification performance in imbalance data", Computational Statistics & Data Analysis, 111, pp.1~13 (2017)
  25. Veganzones, D., "An investigation of bankruptcy prediction in imbalanced datasets", Decision Support Systems, 112, pp.111~124 (2018)
  26. Zoričák, M., "Bankruptcy prediction for small-and medium-sized companies using severely imbalanced datasets", Economic Modelling, 84, pp.165~176 (2020)

관련 논문AI추천

머신러닝과 오버샘플링(oversampling)을 이용한 상장기업 부도예측 연구노시현, 한희준한국계량경제학회 · 계량경제학보2025 · 제36권 제2호머신러닝 기반 기업부도 예측모델의 이상치 분류기준 재정의에 따른 성능 비교연구김광용, 성윤제, 장석호, 최원선한국금융정보학회 · 금융정보연구2023 · 제12권 제3호데이터 불균형을 고려한 설명 가능한 인공지능 기반 기업부도예측 방법론 연구백동현, 허선우한국산업경영시스템학회 · 한국산업경영시스템학회지2022 · 제45권 제2호인공지능 기반 기업 부도예측 모델 실증 연구-시간적 특성을 반영한 개선을 중심으로이현, 김경영, 박중현, 정경민, 최희정한국IT정책경영학회 · 한국IT정책경영학회 논문지2023 · 제15권 제2호머신러닝을 이용한 창업기업의 대출부도 예측장영민신용보증기금 · 중소기업금융연구2024 · 제44권 제3호데이터 클래스 불균형 상황에서 설명가능 인공지능을 이용한 기업부도예측모델의 적용과 해석에 관한 연구백동현, 윤종철한국산업경영시스템학회 · 한국산업경영시스템학회지2025 · 제48권 제1호

이 간행물의 다른 논문 (10건)

디지털 트랜스포메이션 기반의 Digital Bank 사업모델 연구신재우pp. 2449-2455마이페이먼트 서비스 사용의도에 영향을 미치는 요인 분석 연구신재우, 조성진pp. 2457-2465국회에서의 국민동의 전자청원제도의 도입, 기대효과 및 향후 과제김진규, 민수홍, 서은철, 전삼현pp. 2467-2473공공 데이터 분석을 통한 서울시 전동 공공자전거의 최적의 입지 선정에 대한 연구전준헌, 이우진pp. 2475-2481라이브커머스의 지속이용 결정요인에 관한 연구조동혁, 김성희pp. 2483-2490
원문 보기