기계학습을 통한 잉여현금흐름 예측：서포트벡터머신과 로지스틱 회귀 모형을 중심으로
Predicting Free Cash Flow via Machine Learning with Concentration on Support Vector Machine and Logistic Regression
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
잉여현금흐름은 기업가치의 중요한 지표로서, 경영자, 투자자, 노동자 등 다양한 정보이용자들에게 유용한 정보이다. 그러나 잉여현금흐름예측 모형의 개발이나 관련된 연구는 많이 이루어지지 않고 있다. 이에 본 연구에서는 우리나라 상장기업들의 재무 빅데이터를 활용하여 기업의 잉여현금흐름을 예측하는 머신러닝 모형들 간의 성능을 비교하였다. 예측력이 뛰어난 것으로 알려져 있는 서포트벡터머신 알고리즘을 중점적으로 논의하였는데, 서포트벡터머신(support vector machine)은 p차원 공간에 존재하는 개체들을 p－1차원의 초평면(hyperplane)을 사용해 분리시키는 최대마진분류기(maximal margin classifier)의 발상을 일반화시킨 것이다. 또한 서포트벡터머신과 연관성을 가지는 로지스틱 회귀 모형을 함께 고려하였다. 분석 결과, 로지스틱 회귀 모형의 전반적인 예측력이 가장 좋았다. 그럼에도 불구하고, 본 연구에서 고려된 모형들 간의 유의한 차별성은 없었는데, 이는 향후 변수의 속성을 반영한 다양한 머신러닝 알고리즘을 감안할 필요성을 제기하고 있다.
Abstract
Free cash flows is one of firm valuation methods and useful information contents to all parties. However, There is not enough to investigate for free cash flow forecasting. In this study, the performance of machine learning algorithms for predicting corporate free cash flow using financial big data of public companies in Korea was compared. The support vector machine algorithm, which is known for its excellent predictive power, was mainly discussed. It is a generalization of the idea of maximal margin classifier that separates the entities in the p－dimensional space using a p－1 dimensional hyperplane. In addition, the logistic regression model that is connected with the support vector machine was also considered. As a result of the analysis, the overall predictive power of the logistic regression model was the best. Nevertheless, there was no significant difference between the models considered in this study, which calls for future studies incorporating various machine learning algorithms well－suited for financial attributes.
참고문헌 (19)
- 김권중, "재무제표분석과 가치평가" (2007), 창민사
- 김동영, "ESG평가등급이 잉여현금흐름에 미치는 영향", 상업교육연구, 34(4), pp.153~177 (2020), 한국상업교육학회
- 김종현, "현금흐름지속성이 재무분석가의 현금흐름예측에 미치는 영향", 회계정보연구, 32(3), pp.251~280 (2014), 한국회계정보학회
- 나현종, "머신러닝을 활용한 회계부정 탐지에 관한 탐색적 연구", 한국회계학회학술발표논문집, pp.1~24 (2020)
- 송동섭, "잉여현금흐름과 배당성향이 기업가치에 미치는 영향", 상업교육연구, 30(6), pp.199~217 (2016), 한국상업교육학회
- 서지성, "이익의 현금흐름 구성요소의 지속성과 시장반응에 관한 연구", 경영연구, 22(4), pp.273~308 (2007), 한국산업경영학회
- 신현한, "DataGuide와 함께하는 9일 동안 배우는 기업가치평가" (2009), 에프앤가이드
- 신흥권, "노동조합의 특성이 투자효율성에 미치는 영향", 전산회계연구, 17(1), pp.45~72 (2019), 한국전산회계학회[DOI]
- 방신석, "R&D함수로서 단기적 손실과 장기적 손실에 대한 가치평가", 전산회계연구, 18(2), pp.135~155 (2020), 한국전산회계학회
- 이창우, "잉여현금흐름 정보의 추가적인 정보효과에 관한 연구", 회계ㆍ세무와 감사 연구, (40), pp.101~145 (2004), 한국공인회계사회
- 정현욱, "특수관계자거래와 회계정보의 가치관련성", 전산회계연구, 13(2), pp.1~22 (2015), 한국전산회계학회
- 조현권, "언론의 ‘사내유보금’ 용어 오용 및 보도 양태", 회계학연구, 45(6), pp.279~323 (2020), 한국회계학회[DOI]
- 조재혁, "딥러닝 기반 부실기업 예측모형에 관한 연구", 경영연구, 36(1), pp.99~113 (2021), 한국산업경영학회
- 정우준, "회계이익예측을 위한 기계학습 성과 비교", 세무와회계저널, 20(6), pp.9~34 (2019), 한국세무학회[DOI]
- Chapelle, O., "Semi－supervised classification by low density separation", International workshop on artificial intelligence and statistics, pp.57~64 (2005), PMLR
- Desai, H., "Value－glamour and Accruals Mispricin g : One Anomaly or Two?", The Accounting Review, 79(2), pp.355~385 (2004)
- James, G., "An Introduction to Statistical Learning" (2013), Springer
- Ou, J. A., "Financial Statement Analysis and the Prediction of Stock Returns", Journal of Accounting and Economics, 11(4), pp.295~330 (1989)
- Penman, S., "Financial Analysis and Equity Valuation" (2001), Mcgraw Hill