Earticle

초록

한국어

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 위한 다양한 모형들을 연구해왔다. 구체적으로 다중판별분석(MDA, Multiple Discriminant Analysis)과 같은 통계기법을 비롯 해, 인공신경망(ANN, Artificial Neural Networks) 그리고 다분류 문제해결을 위해 확장된 Multiclass Support Vector Machines(MSVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 MSVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있 다. 본 연구에서는 이러한 MSVM의 성과를 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한 다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 MSVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 소규모의 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, 전통적인 MDA나 ANN은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 MSVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

목차

초록
 1. 서론
 2. 이론적 배경
  2.1. 다분류 SVM
  2.2. GA와 다분류 SVM의 결합
 3. GA를 활용한 다분류 SVM의 커널 파라미터와 입력변수 집합의 최적화 모형
 4. 실험 및 결과
  4.1. 적용 사례 및 실험 설계
  4.2. 실험 결과
 5. 결론
 감사의 글
 참고문헌

키워드

저자

• 안현철 [ 국민대학교 비즈니스IT전문대학원 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2025

• 십진분류

  KDC 325 DDC 658