본문 바로가기
KERD
논문KCI 등재

재무제표 주석의 텍스트 분석 통한 재무 비율 예측 연구

Financial Footnote Analysis for Financial Ratio Predictions based on Text-Mining Techniques

이상용|최형규
한국지식경영학회 (The Knowledge Management Society of Korea)|2020.06|지식경영연구 (Knowledge Management Research)|제21권 제2호|pp. 177-196|DOI 10.15813/kmr.2020.21.2.010

0

조회

0

다운로드

4

인용

0

참고문헌

키워드

기계학습텍스트 마이닝Text miningMachine learningDocument embedding주당 순이익재무제표 주석문서 임베딩Earning per share (EPS)Financial footnotes
주제분류경영학

초록

K-IFRS(Korean International Financial Reporting Standards)도입 이후 주석의 양은 증가하였으나, 상투적 문구와 간결성의 부족으로 핵심정보 파악이 어려운 실정이다. 본 연구는 자동화를 통한 문제 해결 가능성을 보이기 위해, 유가증권시장과 코스닥에 상장된 기업의 2013년부터 2018년 공시를 대상으로 1분기 뒤 재무 비율을 예측하는 신경망 모델을 구축해, 재무제표 주석이 회사의 미래 재무비율 중에서도 주당순이익에 대한 예측을 하는데 도움이 되는 경향을 갖고 있는지 확인했다. Forward Chaining 검정 후 계산된 오차의 평균 값을 난수 Seed를 바꿔가며 표본을 얻은 뒤 비교한 결과, 주석데이터를 활용한 분석이 측정 오차가 유의하게 감소하였음을 확인하였다. 이는 정량적인 데이터만으로는 예측이 어려운 재량적 발생액이 주석데이터와 상관관계를 갖기 때문인 것으로 추론된다. 이 결과는 주석 텍스트 분석의 자동화를 통해, 공시일마다 대량의 주석을 분석하여 투자 결정에 활용할 수 있을 뿐만 아니라 로보어드바이저(Robo-advisor)와 같은 인공지능 재무분석 서비스에서 텍스트 분석 모듈 추가와 이에 필요한 인프라 구축에 준거가 될 것으로 기대된다.

Abstract

Since the adoption of K-IFRS(Korean International Financial Reporting Standards), the amount of financial footnotes has been increased. However, due to the stereotypical phrase and the lack of conciseness, deriving the core information from footnotes is not really easy yet. To propose a solution for this problem, this study tried financial footnote analysis for financial ratio predictions based on text-mining techniques. Using the financial statements data from 2013 to 2018, we tried to predict the earning per share (EPS) of the following quarter. We found that measured prediction errors were significantly reduced when text-mined footnotes data were jointly used. We believe this result came from the fact that discretionary financial figures, which were hardly predicted with quantitative financial data, were more correlated with footnotes texts.

참고문헌 (45)

  1. 김권중, "재무제표분석과 가치평가", pp.6~ (2015), 창민사
  2. 조성욱, "한국어 텍스트 분석과 적용: 머신러닝을 통한 증권발행신고서의 비정형화된 텍스트 분석", 한국증권학회지, 48(2), pp.215~235 (2019), 한국증권학회[DOI]
  3. 김창범, "공기업의 높은 부채비율과 회계처리방법이 투자의 효율성에 미치는 영향", 국제회계연구, (70), pp.27~50 (2016), 한국국제회계학회[DOI]
  4. 김태동, "특수관계자 거래와 기업의 공시수준 - 재무제표 주석을 중심으로 -", 경영학연구, 45(3), pp.761~793 (2016), 한국경영학회[DOI]
  5. 박재영, "기업의 정보보호 공시가 기업가치에 미치는 영향", 지식경영연구, 20(4), pp.39~55 (2019), 한국지식경영학회[DOI]
  6. 송동섭, "주당이익과 주식수익율의 관련성에관한 연구", 생산성논집, 12(3), pp.361~379 (1998)
  7. 송재성, "파생상품 사용이 한국기업의 정보비대칭에 미치는 영향", 재무관리연구, 28(1), pp.165~196 (2011), 한국재무관리학회
  8. 안드레아스 뮐러, "파이썬 라이브러리를 활용한 머신러닝", pp.322~ (2017), 한빛미디어
  9. 장경천, "가치주와 성장주의 투자성과분석", 대한경영학회 학술발표대회 발표논문집, pp.193~222 (2007)
  10. 이기세, "코스닥 신규상장 기업의 특성에 따른 재무분석가의 이익예측력에 관한 연구", 지식경영연구, 13(5), pp.1~14 (2012), 한국지식경영학회[DOI]
  11. 정건용, "재정정보 활용을 위한 텍스트 마이닝 기반 회계용어 형태소 분석기 구축", 정보시스템연구, 28(4), pp.155~174 (2019), 한국정보시스템학회[DOI]
  12. 조남옥, "Bankruptcy Prediction Modeling Using Qualitative Information Based on Big Data Analytics", 지능정보연구, 22(2), pp.33~56 (2016), 한국지능정보시스템학회
  13. 조영석, "스톡옵션 부여의 공시효과에 관한 연구", 국제회계연구, (12), pp.149~163 (2005), 한국국제회계학회
  14. 모예린, "주석 내용의 변동과 주식시장", pp.2018
  15. 최형규, "재무제표 주석의 텍스트 분석 통한 재무비율 예측연구 : 텍스트 마이닝을 활용한 예측력 향상", 한국지능정보시스템학회 학술대회논문집, pp.4~5 (2019)
  16. 황선필, "K-IFRS 도입 전후의 주석공시사례분석과 전문가 평가", 상업교육연구, 31(2), pp.179~205 (2017), 한국상업교육학회[DOI]
  17. 황선희, "현금흐름표를 이용한 EPS 예측", 석사, 회계학, pp.2006
  18. Maeda, A . C. A, "Evaluating the Use of Brazilian Companies’ Financial Footnotes Texts for Debt Variation Prediction", IEEE International Conference on Machine Learning and Applications, 16, pp.1030~1034 (2017)
  19. Bergmeir, C, "On the Use of Cross-Validation for Time Series Predictor Evaluation", Information Sciences, 191, pp.192~213 (2012)
  20. Bishop, C. M, "Training with Noise is Equivalent to Tikhonov Regularization", Neural Computation, 7(1), pp.108~116 (1995)
  21. Bushman, R. M, "Financial Accounting Information and Corporate Governan ce", Journal of Accounting and Economics, 32(1-3), pp.237~333 (2001)
  22. Cao, Q, "Neural Network Earnings Per Share Forecasting Mo del s: A C ompa r i s on of Back wa rd Propagation and the Genetic Algorithm", Decision Support Systems, 47(1), pp.32~41 (2009)
  23. Chen, C. L, "Opinion Mining for Relating Subjective Expressions and Annual Earnings in Us Financial Statements", Journal of Information Science and Engineering, 29(4), pp.743~764 (2013)
  24. Chen, Y. J, "Financial Forecasting with Multivariate Adaptive Regression Splines and Queen Genetic Algorithm-Support Vector Regression", IEEE Access, 7, pp.112931~112938 (2019)
  25. Hjorth, U, "Model Selection and Forward Validation", Scandinavian Journal of Statistics, 9(2), pp.95~105 (1982)
  26. Jones, J. J, "Earnings Management During Import Relief Investigations", Journal of Accounting Research, 29(2), pp.193~228 (1991)
  27. Karapandza, R, "Stock Returns and Future Tense Language in 10-K Reports", Journal of Banking and Finance, 71, pp.50~61 (2016)
  28. Krizhevsky, A, "Imagenet Classification with Deep Convolutional Neural Networks", Paper presented at the Proceedings of the 25th International Conference on Neural Information Processing Systems, 1, pp.1097~1105 (2012)
  29. . Lai, S, "The Predictive Power of Quarterly Earnings Per Share Based on Time Series and Artificial Intelligence Model", Applied Financial Economics, 16(18), pp.1375~1388 (2006)
  30. Lang, M. H, "Corporate Disclosure Policy and Analyst Behavior", Accounting Review, 71(4), pp.467~492 (1996)
  31. Lee, B, "About Relationship between Business Text Patterns and Financial Performance in Corporate Data", Journal of Open In novation: Technology, Market, and Complexity, 4(1) (2018)
  32. Lee, H, "On the Importance of Text Analysis for Stock Price Prediction", Proceedings of the 9thInter national Conference on Language Resources and Evaluation, pp.1170~1175 (2014)
  33. Lin, M, "Research Commentary—Too Big to Fail: Large Samples and the P-Value Problem", Information Systems Research, 24(4), pp.906~917 (2013)
  34. Meier, J. H, "The Predictive Power of the Sentiment of Financial Reports", CEUR Workshop Proceedings, 2104, pp.30~44 (2018)
  35. Qiu, X. Y, "Supervised Learning Models to Predict Firm Performance with Annual Reports: An Empirical Study", Journal of the American Society forInformation Science a nd Technology, 65(2), pp.400~413 (2014)
  36. Ramya, M. R. J, "“A Comparison of Intelligent Soft Computing Techniques for Forecast i ng Ea r n i ngs Per Sha re", International Journal of Pure and Applied Mathematics, 114(9), pp.167~177 (2017)
  37. Rawte, V, "Analysis of Year-over-Year Changes in Risk Factors Disclosure in 10-K Filings", Proceedings of t he 4thInter national Workshop on Data Science for Macro- Modeling, a8 (2018)
  38. Trusov, R, "Multi-Representation Approach to Text Regression of Financial Risks", Proceedings of A r t if icia l Intelligence and Natura l Language and Information Extraction, pp.110~117 (2016)
  39. Verrecchia, R. E, "Discretionary Disclosure", Journal of Accounting and Economics, 5(C), pp.179~194
  40. "박선후" (2016)[URL]
  41. "임근호" (2018)[URL]
  42. "FnGuide/." (2012)[URL]
  43. "Mikolov, Tomas, Kai C., Greg C., and Jeffrey D" (2013)[URL]
  44. "Dai, Andrew M., Christopher O., and Quoc V. L" (2015)[URL]
  45. "Lakshmipathi N" (2019)[URL]

관련 논문AI추천

딥러닝 방법론을 사용한 주가예측에 대한 탐색적 연구이준일, 조현권, 최가영한국공인회계사회 · 회계ㆍ세무와 감사 연구2021 · 제63권 제4호K-IFRS 도입 전후의 주석공시사례분석과 전문가 평가김경호, 윤재원, 황선필한국상업경영학회 · 상업경영연구2017 · 제31권 제2호텍스트 마이닝을 이용한 이익조정 연구동향 토픽모델링김지연, 나홍석, 박경환한국디지털정책학회 · 디지털융복합연구2021 · 제19권 제1호머신러닝 기반 KOSDAQ 시장의 관리종목 지정 예측 연구: 재무적 데이터를 중심으로김수영, 김태경, 윤양현한국벤처창업학회 · 벤처창업연구2022 · 제17권 제1호뉴스 기사의 감성을 사용한 기업 이익과 주식 수익률 예측양철원, 최보미, 야카마다아키히코한국재무관리학회 · 재무관리연구2024 · 제41권 제6호재무분야 감성사전 구축을 위한 자동화된 감성학습 알고리즘 개발양철원, 이기광, 조수지한국산업경영시스템학회 · 한국산업경영시스템학회지2023 · 제46권 제1호

이 간행물의 다른 논문 (9건)

기업의 사회적 성과 측정과 보고: 더블바텀라인의 실무 적용을 위한 탐색적 연구조일형pp. 1-19포용적 성장을 위한 신용보증기금의 사회적 가치 창출: 사회적 경제 기업 및 일자리 창출 지원 사업을 중심으로안경민, 권상집pp. 21-40공공기술 기반 창업기업 성장 결정요인: 기술주체의 후속지원을 중심으로봉강호pp. 41-58A comparison of new product success factors across advanced countries: A multi-level approach이영우, 조영삼pp. 59-75온라인 교육 수용 환경에서 시니어들의 디지털 행동 이해: 근거이론 적용박상철, 고준, 장현용pp. 77-100
원문 보기