재무제표 주석의 텍스트 분석 통한 재무 비율 예측 연구
Financial Footnote Analysis for Financial Ratio Predictions based on Text-Mining Techniques
최형규(한양대학교); 이상용(한양대학교)
21권 2호, 177~196쪽
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.
- 발행기관:
- 한국지식경영학회
- 분류:
- 경영학