재무제표 주석의 텍스트 분석 통한 재무 비율 예측 연구 : 텍스트 마이닝을 활용한 예측력 향상 = A study on financial ratio prediction through text analysis of financial statement footnotes : improving prediction using text mining

국문 초록 (Abstract)

K-IFRS(Korean International Financial Reporting Standards)도입 이후 주석의 양적, 질적 가치가 증가했다. 그러나 상투적어구와 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. 모델1에는 재무 데이터만을 학습시키고, 모델 2에는 재무 데이터에 주석을 학습시켜 이를 비교했다. Forward Chaining 검정 후 계산된 오차의 평균 값을 난수 Seed를 바꿔가며 표본을 얻은 뒤, 단방향 독립 표본 T-test로 비교했으며 그 결과 측정 오차가 유의하게 감소했다. 이는 정량적인 데이터만으로는 예측이 어려운 재량적 발생액의 크기와 주석이 상관관계를 갖기 때문으로 추론된다. 이 결과는 주석 텍스트 분석의 자동화를 통해, 공시일 마다 대량의 주석을 분석하여 투자 결정에 활용할 수 있다. 뿐만 아니라 로보어드바이저(Robo-advisor)와 같은 인공지능 재무분석 서비스에서 텍스트 분석 모듈 추가와 이에 필요한 인프라 구축에 준거가 될 것으로 기대한다.

목차 (Table of Contents)

• 차 례
• 국문요지 v
• 제1장 서 론 1
• 제1절 연구의 배경 및 목적 1
• 제2절 연구의 구성 2
• 제2장 선행연구 3
• 제 1절 재무비율 예측 : EPS를 중심으로 3
• 제 2절 텍스트 마이닝을 이용한 재무비율 예측 7
• 제 3장 연구 설계 및 방법론 10
• 제 1절 연구 설계 10
• 제 2절 데이터 수집 및 전처리 11
• 1. 데이터 수집 11
• 2. 정량적 재무 데이터 전처리 13
• 3. 정성적 재무제표 주석 형태소 분석 13
• 제 3절 모델 구축 17
• 1. 신경망 모델 17
• 2. 모델 구축 절차 20
• 제 4절 모델 평가 및 비교 21
• 1. 척도(Metric) 21
• 2. 모델 성능 비교 22
• 제 4장 연구 결과 24
• 제 1절 모델 비교 결과 24
• 제 2절 분석 결과 해석 31
• 제 5장 결론 34
• 제 1절 연구 요약 34
• 제 2절 연구의 의의 34
• 제 3절 연구의 한계점 36
• 제 4절 향후 방향 38
• 참고문헌 40
• ABSTRACT 44