Earticle

초록

한국어

본 연구에서는 그래프 신경망 모형을 포함한 6개의 기계학습모형을 활용하 여 한국 기업의 신용변동을 예측하였다. 이를 예측하기 위해 수익성, 성장성, 안정성, 활동성 지표들을 활용하였고, 주성분 분석을 진행하여 지표별로 두 개씩 활용하였다. 또한, 신용등급변동이 없는 경우가 대다수인 불균형 데이 터를 처리하기 위해 SMOTE 방법론을 활용하여 데이터를 오버샘플링하였 다. 본 연구에서는 산업구조를 반영하기 위해 이를 나타내는 법인형태, 데이 터 시점, 현재 신용등급과 업종의 네 분류로 나누어 모형을 만들고 이를 최 종적으로 앙상블하여 예측 결과를 도출하였다. 결과를 살펴보면, 모든 모형 이 데이터 비중에 맞게 선택하는 벤치마크 모형보다 우수하고, 그래프 신경 망 모형이 특히 더 우수한 성능을 나타내는 것을 확인할 수 있다. 또한, 변 수 중요도를 분석한 결과, 성장성 지표와 활동성 지표가 중요한 것을 확인할 수 있었고, 그래프 신경망에서는 업종 그래프와 법인형태 그래프가 성능이 좋은 것을 확인할 수 있었다.

목차

초록
I. 서론
II. 데이터
1. 데이터 개요
2. 데이터 전처리 방법론
III. 모형
1. 기계학습모형
2. 제안 모형
IV. 실증분석
1. 실증분석 방법론
2. 실증분석 결과
V. 결론
VI. 참고문헌

키워드

저자

• 김명준 [ 포항공과대학교 산업경영공학과 통합과정 ]
• 김태겸 [ 포항공과대학교 산업경영공학과 석사과정 ]
• 안영주 [ 포항공과대학교 산업경영공학과 통합과정 ]
• 장봉규 [ 포항공과대학교 산업경영공학과 교수 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국재무학회 학술대회

• 간기

  부정기

• 수록기간

  2006~2024

• 십진분류

  KDC 325 DDC 330