SVM-NN Hybrid모형을 활용한 호텔도산예측
Cost-conscious SVM-NN Hybrid Model for the Hotel Bankruptcy Prediction
김수영(세종사이버대학교)
35권 8호, 101~125쪽
초록
본 연구는 data mining기술을 통합하여 보다 효율적으로 호텔도산을 예측할 수 있는 통합모형을 제시하는데 그 목적을 두었다. 특히, support vector machine과 neural network을 통합함으로써 SVM에 근거한 NN hybrid 호텔도산예측모형을 소개하였다. 국내 관광호텔의 자료에 근거한 선험적 연구를 통해 SVM-NN hybrid모형이 특히 경제 불황기에는 도산의 위험이 있는 호텔들에 대해 보다 예민한 예측변수를 제공할 뿐 만 아니라, 전체 예측율을 96.34%까지 개선하고, type I 오류율을 제거하여 비용효율적인 예측 모형을 제공하고 있음을 증명하였다. 연구결과는 매출액순이익율과 총자본경상이익율, 총자산증가율이 낮은 동시에 부채에 대한 의존성이 높은 호텔들이 상대적으로 높은 도산가능성을 보이는 것을 확인하였다. 정확한 도산예측모형을 제시함으로써 투자에 대한 보장뿐 아니라 더 나은 모니터링 시스템을 제공하고 나아가 수익의 극대화를 꾀함으로써 손실을 최소화하는데 도움을 주고자 하였다.
Abstract
This study proposes an integration strategy regarding the efficient prediction of hotel bankruptcy by combining data mining techniques. In particular, by combining support vector machine(SVM) and neural network(NN), SVM based NN hybrid model for hotel bankruptcy prediction is newly introduced in this study. In the experiments on Korea deluxe hotel data, SVM-NN hybrid model achieves a performance accuracy of 96.34%, which is better than that of stand-alone classifiers. The hybrid model performs better in the grey area where some bankrupt hotels appear to be less financially distressed. The results suggest that debt-burdened hotels with low profit margin and ordinary income margin as well as lower growth in asset are more likely to be candidates of bankruptcy. Accurate bankruptcy prediction usually brings into many benefits such as risk reduction in investment return, better monitoring, and an increase in profit. Limitations of the study and avenue for future research directions are also discussed at the end.
- 발행기관:
- 한국관광학회
- 분류:
- 관광학