산업별 도산예측을 위한 인공신경망과 다변량 판별분석의 사용 : 건설, 제조, 도소매 산업의 분석

국문 초록 (Abstract)

기업의 도산은 국가적인 생산력 약화나 관련 기업의 연쇄도산, 국가신용도 하락 등을 초래하고 다수의 이해관계자에게 경제적 손실을 발생시키는 등 중요한 사회문제를 야기한다. 이러한 기업의 도산을 조기에 예측할 수 있다면 이해관계자들은 적기에 필요한 조치를 취할 수 있으며 또한 손실을 최소화할 수 있을 것이다. 기업의 도산에 대한 예측은 해당 기업의 위험도를 평가하여 미래의 도산 여부를 판단하는 방법으로, ‘변수 선정’ 측면과 ‘기법 활용’ 측면으로 집약할 수 있다. 변수 선정은 기업의 위험도 평가를 위해서 미래 부실의 징후를 잘 대변하는 변수를 선택하는 것이고, 기법활용은 예측 정확도를 높이기 위해 특별한 기법을 활용하는 것이다. 변수 선정 및 예측기법으로 전통적으로는 통계기법이 많이 이용되었고, 최근에는 인공지능 기법을 이용하여 기업의 부실을 예측하고자 하는 연구가 많이 진행되어 오고 있다. 여러 연구자들에 의해 다양한 기법이 연구되었으나 최근에는 각 방법론이 장단점을 가지고 있기에 이를 보완하고자 하는 결합 기법에 대한 연구도 꾸준하게 발표되고 있다. 이에 본 연구는 도산예측에 있어 전통적으로 이루어진 통계적 분석기법과 최근 활발히 진행되고 있는 인공지능 기법의 연구내용과 특징을 정리하였다. 이를 바탕으로 통계적기법과 인공지능기법 중에서 가장 많이 사용된 도산 예측 연구 방법인 판별분석모형과 인공신경망 모형의 예측력을 비교 평가하고 이를 산업별로 초점을 맞추어 분석하는 것을 주요 목적으로 하여 도산예측에 있어서의 정확성에 기여하고자 하였다. 본 연구의 결과로서 첫째, 도산을 예측 하는 데에 있어서 변수의 선정은 산업별 특성을 고려하여 선정해야 하는 것으로 나타났다. 둘째, 도산예측 기법 측면을 보면 전통적으로 사용되어진 통계적 기법인 판별분석 보다 최근 각광받고 있는 인공지능 기법중 인공신경망 분석이 도산을 예측하는데 있어서 더 유용한 도구로 판명되었으며 세부적으로 산업별로 분야를 나누어 분석한 경우에도 인공신경망분석이 예측력이 더 우수한 것으로 판명 되었다. 셋째, 도산을 예측 하는 데에 있어서 산업별 도산예측모형이 산업을 구분하지 않고 예측한 경우보다 예측력이 높은 것으로 나타났다. 본 연구에서 사용되어진 데이터를 산업별 구분 없이 예측한 경우 인공신경망이 81.43%, 판별분석의 경우 74.82%로 산업별로 분석했을 경우의 예측율과 약 6%~12%정도 차이가 남을 볼 수 있다. 이는 같은 데이터를 사용하더라도 산업별로 분석을 실시하는 것이 더 정확하고 의미 있는 결과가 나올 수 있음을 시사한다. 이와 같이 본 논문은 기업의 도산을 예측하는 데에 있어서 산업별로 변수 선정 및 예측기법을 적용하여 산업별 분석의 필요성을 논의 하였고 이를 바탕으로 현실적으로 적용 가능한 결과를 이끌어 냈다는 데에 의의를 둘 수 있다.

다국어 초록 (Multilingual Abstract)

Bankruptcy prediction techniques, which has been a hot issue for a long period among investing companies, is getting more sophisticated and approached in various ways. From late 1960s - when researchers started to test their bankruptcy prediction models - to 1970, the main stream of prediction technique was multiple discriminant analysis and from early 1980s to late 1980s, the major used tool was logistic regression. Currently, artificial neural network is introduced and widely used for default prediction in the industry. Therefore, many different methods have been introduced and their effectiveness has been tested by the researchers; however, optimal model selection is difficult, as the used data, processes and definitions of bankruptcy vary. The purpose of this paper investigates inter-industry in the prediction of bankruptcy. We analyzed listed firms which were included in the database developed by Korea Information Service(KIS). We estimated bankruptcy prediction model for the period 2000-2009 using the data of one-years before the year of bankruptcy. The major results of this paper can be summarized as follow. First, To predict bankruptcy, the selection of variables considered industry-specific characteristics is necessary. Second, two different techniques were used.(1) Multvariate discriminant analysis, (2) neural network to predict Korean bankrupt and non-bankrupt firms. As result, Neural network performs better than discriminant analysis. Third, each industry bankruptcy prediction models have a high predictive power than do not distinguish industries. Significance of this paper is that bankruptcy prediction should be discussed by applying variable selection and prediction techniques on each industry. thereby, the outcome led the applicable results based on reality.

목차 (Table of Contents)

• 제1장 서론 1
• 제1절 연구의 배경 및 문제의 제기 1
• 제2절 연구의 목적 3
• 제3절 논문의 구성 4
• 제2장 도산예측 기법 5
• 제1절 인공신경망 기법(Neural Network) 11
• 제2절 다변량 판별분석(Multivariate Discriminant Analysis, MDA) 16
• 제3절 입력변수 선정 기법 19
• 제3장 연구모형 및 방법 22
• 제1절 연구모형 22
• 제2절 연구방법 및 절차 24
• 제4장 실증분석 결과 33
• 제1절 산업별 도산예측 변수의 선정 33
• 제2절 인공신경망을 이용한 산업별 도산예측 결과 45
• 제3절 다변량 판별분석을 이용한 산업별 도산예측 결과 52
• 제5장 결과분석 및 토의 60
• 제6장 결론 64
• 제1절 연구의 요약 및 결론 64
• 제2절 연구의 한계 및 향후 연구과제 66
• 참고문헌 68
• 부록 71
• ABSTRACT 82