Earticle

초록

영어

Accurate prediction of corporate insolvency is critical for financial risk management and early-warning systems. Traditional statistical approaches often fail to capture nonlinear patterns in financial data, while many machine learning methods offer limited interpretability. This paper proposes a novel application of the Artificial Immune System (AIS) framework - specifically the Clonal Selection Algorithm (CLONALG) - to binary classification of corporate insolvency using ten standard financial ratios. Antibodies are encoded as linear discriminant weight vectors, and their affinity is measured by the F1 score on training data. Through clonal amplification, hypermutation proportional to inverse affinity, and diversity-preserving random replacement, the population evolves a diverse ensemble of memory cells that collectively vote on test instances. Experiments on a synthetic but statistically realistic dataset of 500 firms (300 solvent, 200 insolvent) using 10-fold stratified cross-validation show that the Immune Algorithm (IA) achieves an accuracy of 91.2%, an AUC-ROC(Area Under the Receiver Operating Characteristic Curve) of 93.5%, and a recall of 91.5%. Sensitivity analysis confirms robustness across a range of hyperparameter settings. Feature importance analysis reveals that the Debt-to-Equity ratio, Interest Coverage, and Return on Assets are the most predictive indicators of insolvency.

한국어

기업 부실의 정확한 예측은 금융 리스크 관리 및 조기경보 시스템 구축에 있어 매우 중요하다. 전통적인 통계 모형은 재무 데이터에 내재된 비선형 패턴을 포착하는 데 한계가 있으며, 많은 머신러닝 기법은 해석 가능성이 낮다는 문제를 지닌다. 본 논문은 인공면역 시스템(AIS) 프레임워크 - 특히 클로날 선택 알고리즘(CLONALG) - 을 10개 표준 재무비율을 활용한 기업 부실 이진 분류 문제에 새롭게 적용하는 방법론을 제안한다. 각 항체는 선형 판별 가중치 벡터로 인코딩되며, 친화도는 훈련 데이터에 대한 F1 점수로 측정된다. 클로날 증폭, 역친화도에 비례하는 초돌연변이, 다양성 보전을 위한 랜덤 교체를 통해 집단은 테스트 샘플에 대해 앙상블 다수결 투표를 수행하는 다양한 메모리 셀 집합으로 진화한다. 500개 기업(지급능력 보유 300개사, 부실 200개사)으로 구성된 통계적으로 현실적인 합성 데이터셋에서 10겹 층화 교차검증을 수행한 결과, 제안한 면역 알고리즘(IA)은 정확도 91.2%, AUC-ROC 93.5%, 재현율 91.5%를 달성하였다. 민감도 분석은 다양한 하이퍼파라미터 설정에서의 강건성을 확인시켜 주었으며, 특성 중요도 분석을 통해 부채비율, 이자보상배수, 총자산이익률이 가장 예측력이 높은 지표임을 밝혔다.

저자

• 박아름 [ Arum Park ]
• 이영대 [ Young Dae Lee ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700