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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이군희
- 발행연도
- 2022
- 저작권
- 서강대학교 논문은 저작권에 의해 보호받습니다.
이용수21
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
중소기업의 재무제표에 대한 신뢰성 문제는 오랫동안 제기되어 왔으며 이에 따라 결측치 및 이상치 비중이 상대적으로 높을 뿐만 아니라 오류에 의한 값인지 실제 값인지 명확하게 확인하기 어렵다. 이러한 이유로 일반적으로 신용평가모형 구축 시 결측치와 이상치 값을 모두 제거하기 때문에 정보의 활용성이 낮을 뿐만아니라 정확하고 고도화 된 모형 구축에 어려움이 있었다.
본 연구에서는 이러한 중소기업 신용평가의 정보의 비활용성에 주목하여 업종별(제조업, 도소매업, 기타서비스업)로 활용되지 못했던 이상치와 예외값을 활용하여 심층신경망을 활용한 고도화된 신용평가 모형을 구축하고 결과를 해석함으로 그 의미를 찾고자 한다. 이를 위한 분석자료는 중소기업통합시스템(SIMS)에 해당하는 기업을 선별하여 총 1,758,760개의 데이터이며, 이용한 알고리즘은 로지스틱 회귀모형과 심층신경망 알고리즘을 이용하고 설명 가능한 AI 기법(XAI)을 활용하여 유의한 변수를 도출하였다.
두 모델 중 업종 모두 심층신경망의 AUC 값이 높았으며, 부도 예측에 기여도가 높은 변수들은 이상치 변수를 포함하여 업종별 재무적 특징을 잘 반영한 결과를 보였다. 이에 따라 부도 예측에 영향을 미치는 변수를 해석하고, 모형이 갖는 사용변수의 제약성을 줄이고 모형의 안정성과 일반화가 가능하다는 결론을 내릴 수 있었다.
본 연구에서는 이러한 중소기업 신용평가의 정보의 비활용성에 주목하여 업종별(제조업, 도소매업, 기타서비스업)로 활용되지 못했던 이상치와 예외값을 활용하여 심층신경망을 활용한 고도화된 신용평가 모형을 구축하고 결과를 해석함으로 그 의미를 찾고자 한다. 이를 위한 분석자료는 중소기업통합시스템(SIMS)에 해당하는 기업을 선별하여 총 1,758,760개의 데이터이며, 이용한 알고리즘은 로지스틱 회귀모형과 심층신경망 알고리즘을 이용하고 설명 가능한 AI 기법(XAI)을 활용하여 유의한 변수를 도출하였다.
두 모델 중 업종 모두 심층신경망의 AUC 값이 높았으며, 부도 예측에 기여도가 높은 변수들은 이상치 변수를 포함하여 업종별 재무적 특징을 잘 반영한 결과를 보였다. 이에 따라 부도 예측에 영향을 미치는 변수를 해석하고, 모형이 갖는 사용변수의 제약성을 줄이고 모형의 안정성과 일반화가 가능하다는 결론을 내릴 수 있었다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0