인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 해운기업의 파산을 사전에 예측하고 리스크 요인을 도출 하기 위해 전통적 판별분석(LDA)·로지스틱 분석과 CatBoost, XGBoost, LightGBM 등 최신 기계학습 모델을 비교하였다. 단·중·장기 예측 모두에서 비선형 모델이 우수한 성능을 보였으며, SHAP 분석 결과 기간별로 중요 변수가 상이하게 나타났다. 단기(1년)에는 자산·매출 증가와 부채 관리가 핵심이었고, 중기(3년)에는 운임지표와 거시경제 변수가, 장기(5년)에는 기업 규모와 환율, LIBOR 등이 파산 위험에 크게 작용하였다. 이러한 결과는 해운기업이 예측 기간별로 차별화된 재무·운영 전략을 마련해야 함을 시사한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092318234
