메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이상헌 (KIS채권평가)
저널정보
예금보험공사 금융안정연구 금융안정연구 제22권 제2호
발행연도
2021.12
수록면
87 - 135 (49page)
DOI
10.26588/kdic.2021.22.2.003

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
본 연구는 기존의 금융기관 부실예측 모형을 머신러닝 기법으로 전환할 때 필요한 적용 방법론을 체계적으로 정리하고 저축은행을 대상으로 한 실증분석을 통해 대표적인 머신러닝 기법의 예측력 개선 효과를 분석한다. 이 과정에서 과대적합 및 편중된 분류 문제를 완화하기 위해 전진 교차검증과 SMOTE 기법을 적용하였다. 또한 부실예측 변수의 경제학적 해석이 가능하도록 부호 제약 Lasso 기법을 이용하여 변수를 축약하였다. 2008년부터 2019년까지의 저축은행 자료를 이용하여 실증 분석한 결과 머신러닝 모형은 기존의 로지스틱 회귀분석 모형에 비해 부실예측력을 높일 수 있음을 확인하였다. 주요 조건의 변화에 따른 민감도 분석 결과 머신러닝 기법에 따른 부실예측력 개선의 주요 요인은 이항 자료 불균형의 조정으로 나타났다. 따라서 기존의 통계적인 부실예측 모형을 머신러닝 기법으로 전환할 때 부실개체 샘플링 기법의 고도화가 중요함을 시사한다.
#머신러닝 #저축은행 #부실예측 #이항 불균형 자료 #SMOTE #Machine learning #Savings bank #Financial Distress Prediction #Imbalanced classification data #SMOTE

목차

등록된 정보가 없습니다.

참고문헌 (23)

참고문헌 신청
강선민 / 2013 / BIS비율과 부채비율: 상호저축은행 부실예측모형 / 경영학연구 42(1):1~27 dbpia 김남현 / 2020 / 저축은행의 레버리지와 부실예측 / 기업경영연구 27(3):145~172 dbpia 김영기 / 2005 / SCOR모형을 활용한 상호저축은행 조기경보시스템 연구 / 금융연구 19(1):33~68 dbpia 김한용 / 2017 / 불균형적인 이항 자료 분석을 위한 샘플링 알고리즘들: 성능비교 및 주의점 / 응용통계연구 30(5):681~690 dbpia 김형준 / 2019 / 기업부도예측과 기계학습 / 金融工學硏究 18(3):131~152 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0