통계적 학습을 이용한 다시점 기업부도 예측모형들의 비교
Comparison of bankruptcy prediction models using statistical learning at multiple times
조영인(경북대학교); 김영민(경북대학교)
32권 3호, 487~499쪽
초록
본 연구에서는 다양한 통계적 학습 방법을 활용해서 시간의 흐름에 따른 기업부도예측 모형의 변화와 성능의 변화를 조사한다. 본 연구는 2000년 1월 1일부터 2016년 1월 31일까지 한국거래소에 상장된 기업을 대상으로 하며, 상장폐지 또는 워크아웃 신청한 기업을 부도로 정의하였다. 본 분석을 위해서 성장성 비율과 관련 있는 회계변수와 거시경제변수로써 전산업생산지수를 활용으며, 시장변수인 시가총액을 활용하여 변동성, 왜도, 첨도를 생산해서 활용했다. 2000년 1월부터 2016년 1월까지 각 선행 3년을 훈련데이터, 후행 1년을 검정데이터로 설정해서, 다시점 기업부도예측의 모형과 성능을 비교하였다. 로지스틱 회귀분석, 부분최소제곱법, 랜덤포레스트 방법을 활용해서 재현율을 기준으로 최종모형을 선정하였으며, 이 때 불균형적인 기업부도 데이터의 특성을 고려해 로지스틱 회귀분석과 랜덤포레스트에서는 부도기업에 가중치를 고려하였고, 부분최소제곱법에서는 Synthetic Minority Oversampling Technique (SMOTE)를 적용해서 불균형적인 데이터의 특성을 보완하였다. 본 연구에서는 외부 경제상황이 변화가 커지면 주요 변수들이 시점별로 변화하는 것을 확인할 수 있으며, 특히 전산업생산지수, 성장성 비율 회계변수가 모든 시점에서 기업부도에 유의미한 결과가 제시되었다.
Abstract
This research examines the performance change of the bankruptcy prediction models over time. This study is conducted on companies listed on the Korea Exchange from January 1, 2000 to January 31, 2016. We consider accounting variables indicating Growth rate and the Index of All Industrial Productions(IAIP) as a macroeconomic variable. Additional market variables are chosen based on Market Capitalization of each company; volatility, skewness, and kurtosis. The first three years are designated as training data, and the consequent next one year is set as testing data. For each three-one pair trial, we predict the bankruptcy of the enterprise and conduct a series of tests on all trials using logistic regression, partial least squares (PLS), and Random Forest. Logistic regression and Random Forest assign weights on bankruptcy companies due to imbalance of the bankruptcy data and PLS takes the Synthetic Minority Oversampling Techniques to handle imbalance data.
- 발행기관:
- 한국데이터정보과학회
- 분류:
- 통계학