Earticle

본 연구는 부도 예측 모형을 구축할 때 반드시 고려해야 하는 관측된 부도 데이터의 불균형 문제에 대한 개선 방안을 정리하고, 데이터 리샘플링 기법과 부도 임계치 조정에 따른 모형의 성능 개선 효과를 비교 분석한다. 실증분석 결과 데이터의 불균형 해소 수준이 높을수록, 그리고 모형의 부도 임계치가 낮을수록 모형의 민감도가 개선되는 것을 발견하였으며, 데이터의 불균형 해소 수준이 낮을수록, 그리고 모형의 부도 임계치가 높을수록 모형의 정밀도가 개선되는 것을 발견하였다. 또한 민감도 또는 정밀도 중 한 가지 지표만을 중심으로 불균형 문제를 개선할 경우, 상충 관계로 인해 나머지 성능 평가 지표가 지나치게 낮아지는 현상을 확인하였다. 본 연구는 기존 선행 연구와는 달리 부도 데이터의 불균형 문제 개선 방안과 부도 예측 모형의 성능 개선 효과의 관계에 초점을 두고 있다는 점에서 시사점을 찾을 수 있다. 또한 부도 예측 모형의 실무적 활용도 제고를 위해 모형의 활용 목적에 따라 불균형 문제 개선 방안을 달리 적용하는 것이 바람직하며, 모형의 주된 성능 평가 지표로는 Fβ Score를 활용해야 할 필요가 있음을 확인하였다.

This study summarizes improvement strategies for addressing the imbalance problem in observed default data that must be considered when constructing a default model and compares and analyzes the performance improvement effects using data resampling techniques and default threshold adjustments. Empirical analysis results indicate that as the level of imbalance resolution in the data increases, and as the default threshold of the model decreases, the recall of the model improves. Conversely, it was found that as the level of imbalance resolution in the data decreases, and as the default threshold of the model increases, the precision of the model improves. Additionally, focusing solely on either recall or precision when addressing the imbalance problem results in a phenomenon where the other performance evaluation metrics decrease significantly due to the trade-off relationship. This study differs from most previous research by focusing on the relationship between improvement strategies for the imbalance problem of default data and the enhancement of default model performance. Moreover, it is confirmed that to enhance the practical usability of the default model, different improvement strategies for the imbalance problem should be applied depending on the main purpose of the model, and there is a need to utilize the Fβ Score as a performance evaluation metric.

This study addresses default prediction through ensemble techniques and cost-sensitive learning. It introduces a novel stacking method, focusing on instances with varying misclassification costs. Previous research lacks this comprehensive approach, highlighting a research gap. The proposed technique proves advantageous in terms of economic payoff and performance, offering practical utility. It complies with regulatory monitoring standards without incurring statistical cost penalties. This study demonstrates potential revenue gains even without precise cost ratios. Empirical results using Taiwanese company bankruptcy data (1999-2009, 95 financial ratios) reveal significant outcomes. Firstly, the proposed algorithm markedly improves economic payoff. Secondly, its statistical performance remains unaffected, even considering the dependency on overall prediction errors related to misclassifying defaults. Lastly, the method is computationally efficient, robust across cost scenarios.

코로나19 이후 물가 상승과 이를 억제하기 위한 주요 국가들의 기준금리 인상이 글로벌 금융시장에 영향을 미치며, 한국에서도 개인 신용대 출 연체율이 상승하고 있다. 이러한 상황에서 개인 신용대출 부도 가능성을 정확하게 예측하는 능력이 중요해지고 있으며, 본 연구는 정형화된 신용정보 데이터를 활용해 부도 여부를 예측하고자 한다. 개인 신용대출 부도예측 연구에서는 통계적 방법론부터 기계학습까지 다양한 접근 이 시도되었으며, 최근에는 다층퍼셉트론과 같은 심화학습 방법론도 적용되고 있다. 그러나 다층퍼셉트론은 입력변수 간의 맥락 정보를 반영 하지 못해, 기존 기계학습 방법론보다 예측 성능에서 개선을 보이지 못하고 있다. 본 연구에서는 기존 다층퍼셉트론 방법론의 단점을 극복하기 위해, 자연어처리 영역에서 주로 활용되고 있는 Transformer 방법론을 개인 신용대출 부도예측 문제에 적용해 보았고, 그 결과 기존 심화학습 대비 예측 성능의 개선과 함께 이전의 방법론 중 예측성능이 가장 뛰어난 앙 상블 기반 의사결정나무인 XGBoost 방법론과 동등한 수준의 예측성능을 보이고 있음을 확인하였다. 본 연구의 시사점은 자연어처리에 주로 사용되던 Transformer 방법론이, 다양한 변수로 구성된 표형식 데이터를 활용한 개인 신용대출 부도예측 문제에서도 효과적일 수 있음을 확인 했다는 점이다. 이는 기존의 전통적인 모델링 기법들과 비교하여 Transformer가 고차원 데이터 간의 복잡한 상호작용을 더 잘 포착하고, 예측 성능을 향상시킬 수 있음을 시사한다. 이로써 Transformer 모델은 금융 분야의 다양한 예측 문제에서 그 활용 범위를 확장할 수 있는 가능성을 보여주고 있다.

Since COVID-19, the rise in prices and the increase in the base interest rate in major countries to suppress it have affected the global financial market, and the delinquency rate of personal credit loans is also increasing in Korea. In this situation, the ability to accurately predict the possibility of personal credit loan default is becoming important, and this study aims to predict default using standardized credit information data. Various approaches have been attempted in personal credit loan default prediction research, from statistical methods to machine learning, and recently, deep learning methods such as multilayer perceptron have been applied. However, multilayer perceptron does not reflect contextual information between input variables, so it does not show improvement in prediction performance compared to existing machine learning methods. In this study, in order to overcome the shortcomings of the existing multilayer perceptron methodology, the Transformer methodology, which is mainly used in the natural language processing field, was applied to the problem of personal credit loan default prediction, and as a result, it was confirmed that it showed an improvement in prediction performance compared to the existing deep learning and showed the same level of prediction performance as the XGBoost methodology, an ensemble-based decision tree with the best prediction performance among previous methods. The implication of this study is that the Transformer methodology, which is mainly used in natural language processing, can be effective in the problem of predicting personal credit loan defaults using tabular data consisting of various variables. This suggests that, compared to existing traditional modeling techniques, Transformer can better capture complex interactions between high-dimensional data and improve prediction performance. This shows that the Transformer model has the potential to expand its application range in various prediction problems in the financial field.

According to a recent study, consideration of a countercyclical default boundary helps explainobserved credit spreads. In light of this assertion, the purpose of this paper is to introduce asimple structural model with a countercyclical default boundary based on stock market performance. Through the simple formation of a default boundary, we are able to easily obtaina formula for credit spreads. This paper demonstrates that our simple structural model cangenerate credit spreads that are closer to observed credit spreads than those generated by theexisting structural model. We extend our basic model and show how credit spreads areaffected by stochastic interest rates or jumps in both firm value and the default boundary. We also consider an alternative default boundary linked to individual stock price performance.

In this paper, we offer a new set of credit analysis models combining two traditional approaches of corporate default prediction: the survival analysis approach and the structural model approach. We first derive a modified version of the Black and Cox (1976) first passage model (a structural model) and estimate its model parameters based on the Miyake and Inoue (2009) method originally applied to parameter estimation for the Merton (1974) model(another structural model). And then based on the previous literature and various statistical techniques, we select some significant factors affecting corporate default and construct various survival analysis regression models with those factors including or excluding our first passage model as an independent variable. And by comparing our new combined models (the survival analysis regression models including the first passage model as an independent variable) with their corresponding plain models (the survival analysis regression models excluding the first passage model as an independent variable), we conclude that our new combined models are superior to their counterparts. And finally, by comparing those superior models, we propose a single best-fitting combined model for corporate default: an accelerated failure time model by Kalbfleisch and Prentice (1980) under the Weibull distribution with our modified Black and Cox (1976) model as an independent variable.

부실예측시 과거의 재무제표를 이용한 로지스틱 회귀모형 또는 주가를 이용한 옵션모형이 많이 사용되나 자료의 제약으로 모형의 유용성이 제약된다. 특히 국내의 경우 부도시점이 IMF사태 직후로 편중되어 부실예측모형의 모수 추정시 어려움이 존재한다. 본 논문은 이에 대한 대안으로 기존의 두 모형이 모두 부도확률을 제공한다는 점에 착안하여, 먼저 상장된 상호저축은행의 주가자료를 이용하여 해당은행의 부도확률을 옵션모형을 이용하여 주기적으로 구한 후, 재무자료의 주기에 맞게 단순(가중)평균값을 구함으로써 관측오차를 줄여줌과 동시에 재무건전성을 신속히 반영하는 부도확률을 구할 수 있었다. 결합모형을 실제 자료에 적용한 결과, CAMEL 관련 변수 중에서 자본적정성(C)과 자산건전성(A)관련 변수가 부도를 예측하는 유용한 변수일뿐더러, 추정시기가 변함에 따라 선택되는 설명변수는 변함이 없어 부도를 예측하는 조기경보시스템을 구축함에 매우 유용함을 알 수 있고, 실제 도산한 저축은행에 적용한 실증분석에서도 효과적임을 알 수 있었다.

The logistic regression model based on the historical finance data and option model based on the stock prices are used as probability of default(PD) models for the mutual savings banks, but there are some problems on the usefulness of model and accessibility of data. As an alternative, we propose a new methodology combining both models: the option model provides PDs for the exchang-traded S&L banks, which is used as a dependent variable in the logistic model, and multivariate regression with the corresponding S&L bank's financial data are used. The empirical results show that 1) variables of Capital adequacy and Asset quality in CAMEL index are of significance, 2) selection of these variable are consistent, although the estimation period changes, hence, this method will be very effective for the implementation of early-warning model, 3) it is very effective for the forecast of default in case of real defaulted S&L banks.

최근 국내 소상공인의 폐업률이 증가함에 따라, 폐업 위험을 사전에 예측할 수 있는 분석 체계의 필요성이 확대되고 있다. 그러나 기존 연구는 재무제표 중심의 접근에 의존하여, 재무정보 확보가 어려운 소상공인 맥락을 충분히 반영하지 못한다. 본 연구는 온라인 소비자 행동 데이터를 소상공인의 무형 자산가치로 재정의하고, 이를 Distance-to-Default(DTD) 기반 구조적 모형에 통합한 폐업 위험 평가 프레임워크를 제안한다. 또한 지역 환경에 따른 폐업 위험의 이질성을 함께 분석한다. 분석 결과, 제안 모형은 기존 방법 대비 AUC 0.20, 재현율 21.8% 향상을 보였으며, 장기 위험 수준, 단기 위험 추세, 지역 비용 요인이 핵심 예측 변수로 나타났다. 특히 4주 사전 예측에서 80.3%의 재현율이 확인되었다. 본 연구는 소비자 행동 데이터를 활용한 소상공인 폐업 위험 조기경보 시스템을 제시함으로써, 정책 입안자와 금융기관의 사전적 위험 식별에 실증적 시사점을 제공한다.

As the closure rate of small and medium-sized enterprises (SMEs) in Korea rises, there is a growing need for models that can predict closure risk in advance. Prior studies rely heavily on financial statements that are often unavailable for SMEs, limiting their practical relevance. This study addresses this gap by using online consumer behavior data as a proxy for SMEs’ business value and integrating them into a Distance-to- Default (DTD)?based structural model to assess closure risk, while accounting for regional heterogeneity. Using SME-level data, the proposed approach significantly outperforms existing methods, increasing the area under the curve (AUC) by 0.20 and recall by 21.8%. Long-term risk level, short-term risk trend, and regional cost conditions emerge as the most important predictors, and the model achieves a recall of 80.3% for four-week-ahead predictions. Overall, this study presents an online consumer data based early warning system that offers practical implications for policymakers and financial institutions.

기업 부도모형에 사용되는 데이터는 정상기업이 부도기업에 비해 압도적으로 많이 관측되는 대표적인 불균형 데이터이며, 과거 및 현재의 재무변수를 사용하여 부도 사건을 예측하는 시계열 데이터의 특성을 지니고 있다. 따라서 예측모형을 구축하는데 있어 이러한 데이터의 불균형 문제와 시계열적 특성의 반영에 각별한 주의가 필요하다. 본 연구는 부도 예측모형 구축과정에서 고려해야 하는 불균형 자료 해소와 시계열 자료의 특성이 반영된 모형 검증방안에 대한 비교연구를 진행하였다. 실증분석을 위해 한국거래소에 상장된 기업을 대상으로 부도모형을 구축하였고, 모형의 예측 성능을 비교분석 하였다. 이를 통하여 첫째, 학습데이터의 불균형 문제는 oversampling기법을 고려할 때 예측모형의 일반화 성능을 확보할 수 있음을 확인하였다. 하지만, oversampling기법 간의 성능 차이는 뚜렷하게 나타나지 않았다. 둘째, 일반적으로 많이 사용하는 k-fold 교차검증과 전진교차검증을 비교한 결과 시간의 흐름에 대한 고려 없이 추정된 모형을 사용하였을 때 그 예측 성과가 과대 추정될 수 있음을 확인하였고, 이를 통해 시계열 데이터에 대한 전진교차검증의 필요성을 보였다.

The data used in the corporate default model is imbalanced; observation of non-default is overwhelmingly more prominent than the default case. Additionally, the data also have the characteristics of time series, i.e., the default events in the future are predicted by lagged financial statements. Therefore, We must consider the characteristics of imbalanced and time-series in the modeling process for default events. In the paper, we studied the model process with imbalance problems and model validation for time-series. We conducted empirical analysis on corporates listed on the Korea Exchange to construct a default model and compared the prediction performance by applying various machine learning classification algorithms. First, we confirmed that the problem of imbalance in train data could secure the generalization performance of the prediction model only when the oversampling method is considered. However, there is no significant difference in predicting performance between the oversampling methods. Second, we compared the k-fold cross-validation and time-series cross-validation. Moreover, we confirmed that the model could overestimate prediction performance without considering a timely manner. Thus, We confirmed the necessity of time-series cross-validation for the classification model using the time series data.

본 연구는 비상장 중소기업 332,969개 관측치를 이용해 기존의 자본구조이론적인 관점에서벗어나, 중소기업 금융실무적인 관점에서 업종별 부채비율 상한선을 추정하였다. 먼저 선행연구에서 사용된 주요 기업특성을 반영하여 개별기업에 대한 목표부채비율을 추정하고 추정된 개별기업의 목표부채비율과 업종별 평균목표부채비율 간의 거리(Distance)를 산출하였다. 그리고 Distance를 기준으로 순위에 따라 업종별로 25개 포트폴리오로 분류하고 기업부도확률모형에 의해 추정된 개별기업의 부도확률(PD)을 사용하여 각 포트폴리오의 평균PD를 산출하였다. 그런 다음 최종적으로 업종별로 포트폴리오의 PD값이 전체표본의 평균PD값(3.1%) 보다 큰 폭으로 증가하는 포트폴리오를 상한선으로 설정하고, 업종평균목표부채비율에 상한선에 해당하는 포트폴리오의 평균Distance값을 가산하여 업종별 부채비율 상한선을 추정하였다. 업종별 부채비율 상한선을 추정한 결과를 요약하면 다음과 같다. 첫째, 업종별로 상한선에 해당하는 부채비율은 최저 113%(건설업)에서 최고 544%(운수 및 기타서비스업)로 업종별로 편차가 크게 나타나고 있다. 둘째, 상한선 이상에 해당하는 포트폴리오의 부실률은 평균 5.1%로 전체평균 부실률 2.9% 대비 매우 높게 나타났다. 이러한 결과는 금융기관에서 여신심사 시 업종별 부채비율 상한선을 체계적인 신용위험 측정치로서 활용하는데 기초자료가 될 수 있을 것으로 기대된다.

This study used data from 332,969 observations of unlisted SMEs to estimate the upper limited credit line of debt ratio by industry from the practical point of view, deviated from the conventional capital structure theory. First, the entity estimated the target debt ratio for individual entities by reflecting the key entity characteristics used in the preceding study and calculated the distance between the target debt ratio for each individual entity and the average target debt ratio for each industry. In addition, the average PD(probability of default) for each portfolio was calculated using the PD of individual entities estimated by the default model, grouped into 25 portfolios by industry based on their distance ranking. Finally, the upper limit was estimated for the debt ratio of each industry by establishing a portfolio whose PD value increased significantly above the average PD value of the entire sample(3.1%) and adding the average distance value of the portfolio corresponding to the upper limit to the average debtr atio of the industry's. The estimation results are as follows: First, the credit line of debt ratio, which is the upper limit for each industry, ranges from a minimum of 113% (Construction industry) to a maximum of 544% (Transfer and other Service industries), showing a wide variation among industries. Second, the average default rate for portfolios above the upper limit is 5.1 percent, which is very high compared to the overall average default rate of 2.9 percent. These results show that the upper limit on debt ratio by industry, which is being used as an assessment indicator for credit risk by financial institutions, could be the basis for utilizing the upper limit as a more systematic measure of credti risk.

주가자료를 활용한 부도예측모형인 KMV EDF 모형을 기반으로 일별주가자료와 기업재무자료를 이용하여, 모형에 필요한 적절한 모수를 찾고 모델링을 하였으며, 적절성을 검증했다. 그리고, 기존의 연구에 따라 월평균주가자료를 이용한 경우, 모형에 왜곡이 가해질 수 있다는 점을 지적했다. 또한, 민감도 분석을 통하여 본 모형의 부도예측값에 미치는 주요한 검증하고, 실용적으로 사용할 수 있는 간단한 민감도분석 Tool을 설계하였다.

본 연구는 국내 중소기업의 기술사업화위험을 예측함에 있어서 최근에 활용이 확대되고 있는 기술평가에 더하여 거시경제변수를 포함하는 것이 유용한지에 대해 분석하였다. 연구분석은 부도가능성을 모형화하는 주요 방법론 중 하나인 Cox 비례해저드 모형(1972)과 거시경제변수의 차원 축소로 활용되는 주성분분석을 적용하였다. 본 연구의 주요 분석결과는 다음과 같다. 첫째, 기술평가변수는 기술평가기관이 기술평가모형에 적용하여 이루어지는 평가점수로서 중소기업의 부도가능성을 예측함에 있어서 유용한 것으로 분석되었다. 둘째, 기술평가모형에 거시경제변수를 추가할 경우 기업의 부도가능성 예측력이 향상됨을 확인할 수 있었다. ROC분석을 통해 모형의 부도예측력을 분석한 결과, 기술평가변수에 거시경제변수를 추가함으로써 AUROC 수치가 0.036 증가하였는데 이는 변화율 기준으로 5.57% 증가한 것이다. ROC분석에서 0.5가 random모형인 점을 고려하면, 실질적으로는 이의 두 배인 약 11% 정도 증가한 것으로 해석된다. 결론적으로 기술평가변수에 거시경제변수를 추가함으로써 모형의 부도예측력이 향상될 수 있음을 확인했다.

This study examined whether including the macroeconomic variables and the recently expanded use of technology evaluation is useful for predicting the risk of technology commercialization for domestic small and medium-sized enterprises (SMEs). The analysis applied the Cox proportional hazards model (1972), a major methodology for modeling bankruptcy risk, and principal component analysis, which is used to reduce the dimensionality of macroeconomic variables. The main findings of this study are as follows. First, the technology evaluation variables, which are the evaluation scores applied by technology evaluation institutions to the technology evaluation model, were useful for predicting the bankruptcy risk of SMEs. Second, adding macroeconomic variables to the technology evaluation model improves the bankruptcy risk prediction of firms. This study analyzed the default predictive power of the model using ROC analysis and found that adding macroeconomic variables to the technical evaluation variables increased the AUROC by 0.036, which is a 5.57% increase in the percentage change. Considering that 0.5 is a randomized model in ROC analysis, it is interpreted as an approximate 11% increase, which is twice as much. In conclusion, adding macroeconomic variables to technical evaluation variables can improve the default prediction power of the model.

기존의 기업부도 예측모델들은 장부가치를 기준으로 한 회계적 자료에 의존하여 부도확률을 평가함으로써 시장의 상황변화를 민감하게 반영하지 못하며, 이론적 배경도 약하다는 약점을 가지고 있었다. 그러나 시장정보형 부도예측모형은 기업의 부도예측에 시장가치를 이용함은 물론 Black-Scholes(1973)의 옵션가격결정이론이라는 옵션이론을 배경으로 하고 있어 최근 들어 많은 기업들이 신용리스크를 평가하는 데 사용하고 있으며 그 대표적인 모형이 KMV이다. 우리나라 기업들도 최근 들어 KMV를 많이 사용하고 있으나, 미국기업들과 부채구조가 다른 데도 미국에서 사용하는 KMV모형을 그대로 사용함으로써 부도시점 예측 시 오차가 발생한다는 문제를 가지고 있다. 본 연구에서는 부채구조가 다를 경우 KMV모형을 그대로 사용하면 안 되고 부도확률 산출 시 부채구조를 감안하여야 함을 실증적으로 입증하였다. 즉, KMV모형을 국내에 적용할 경우, 부도확률계산 시 고정부채의 편입비율 50%로 일률적으로 적용하는 것보다는 부채구조를 감안하여 20% 이하로 고정부채편입비율을 조정해야 부도예측능력이 제고된다는 것을 확인함으로써 기업의 신용리스크관리에 중요한 시사점을 제공하고 있다. 또한 IMF 외환위기와 같은 외부충격이 기업부도에 미치는 영향을 확인하였으며, 한국기업들의 경우 유동비율보다는 유동부채비중이 부도점 산정에 보다 중요함도 확인하였다.

Since previous default forecasting models for the firms evaluate the probability of default based upon the accounting data from book values, they cannot reflect the changes in markets sensitively and they seem to lack theoretical background. The market-information based models, however, not only make use of market data for the default prediction, but also have strong theoretical background like Black-Scholes (1973) option theory. So, many firms recently use such market based model as KMV to forecast their default probabilities and to manage their credit risks. Korean firms also widely use the KMV model in which default point is defined by liquid debt plus 50% of fixed debt. Since the debt structures between Korean and American firms are significantly different, Korean firms should carefully use KMV model. In this study, we empirically investigate the importance of debt structure. In particular, we find the following facts: First, in Korea, fixed debts are more important than liquid debts in accurate prediction of default. Second, the percentage of fixed debt must be less than 20% when default point is calculated for Korean firms, which is different from the KMV. These facts give Korean firms some valuable implication about default forecasting and management of credit risk.

부도예측모형을 구축하는 기본적인 요소는 모형에 사용할 충분한 데이터의 수집, 설명력이 높은 변수의 선택, 그리고 모형의 설계로 요약될 수 있다. 우리나라 중소규모 기업을 대상으로 하는 부도예측 모형을 구축하고자 할 때 부도 기업의 경우 충분한 자료의 확보가 어렵고 결측치나 특이치에 의한 정보의 손실이 발생할 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 로지스틱 회귀모형을 이용한 중소기업 부도예측모형을 설계함에 있어 데이터의 정제(data cleansing)와 대체(imputation)에 의한 데이터 통제방법과 확보된 표본 자료를 기초로 다양한 표본 자료 기간선택 방법 및 변수선택 방법을 비교하였다. 그 결과 데이터를 통제하는 경우가 그렇지 않은 경우보다 훨씬 향상된 성능을 보였으며, 여러 가지 변수선택 결과를 비교 분석함으로써 가장 좋은 성능을 보여주는 변수 조합을 찾을 수 있었다. 그리고 과거자료의 선택 기간에 따른 최적의 기간을 설정할 수 있었다.

The basic factors for developing of default forecasting model are sufficient number of data, selection of highly explanatory variable, and model construction. The small and medium sized enterprises in Korea don't have enough data and may have loss of information by an outlier or missing data. To solve these problem in the area of the design of default forecasting model for the small and medium sized enterprises using logistic regression model, We proposed the data controlling method using data cleaning and imputation. Also we proposed the selection methods of sample data period and variable based on the collected data. As a data analysis results, we can see that usage of controlled data have better results than not controlled and we can find the optimal variable clusters using comparing among several variable selection results. We could also find an optimal data period to compare between the data periods.

본 연구는 전문건설기업을 조합원으로 운영하고 있는 전문건설공제조합의 신용리스크 측정을 위한 부도예측모형을 제안하고자 하였다. 기존의 부도예측모형은 일반적으로 횡단면자료(Cross-sectional Data)를 분석하는 모형을 적용해 왔으나, 이러한 모형들이 시간의 변화를 적절하게 반영하고 있지 못하는 단점을 보완하기 위하여, 전문건설기업에 대하여 6년간 관측된 균형패널자료로 설정하고 GEE 모형을 적용하였다. 본 연구는 부도예측모형으로서 Pooled Logit모형, GEE모형(연결함수: Logit) 및 GEE모형(연결함수: Probit)을 비교ㆍ분석하였다. 분석결과 모형의 전체적인 부도예측력은 세 모형사이에 큰 차이가 없는 것으로 나타났다. 그러나 부도기업에의 예측은 GEE모형(연결함수: Logit)이 84.33%로 예측되어 다른 두 모형인 GEE모형(연결함수: Probit)의 예측력 83.71%과 Pooled Logit모형의 예측력 83.51%보다 높게 나타났다. 따라서 본 연구에서 제시한 GEE모형이 부도기업을 예측하는데 유용한 측면이 있음을 확인하였다.

This study aimed at suggesting a bankruptcy prediction model to measure the credit risk for the speciality constructors financial cooperative(SCFC). Through an empirical analysis, this study applied the GEE model to bankruptcy prediction to account for both individual effects and time effects in the data of specialty constructor corporates. The empirical results indicate that there were no significant differences between the Pooled Logit Model and the GEE model with regard to the power of overall bankruptcy prediction. However, they also show that the power of the GEE model(Link-function: Logit) in predicting bankrupt companies is 84.33%, which is slightly higher than 83.51% of the Pooled Logit model and 83.71% of the GEE model(Link-function: Probit). Thus, the GEE model(Link-function: Logit) has the highest accuracy of predicting bankrupt companies among the three models. This implies that the GEE model suggested by this study has proven to be useful for predicting bankruptcies of speciality constructor corporates.

본 연구는 주택담보대출 규제완화 시기에 집중된 신용공급의 잠재적 리스크 관리를위한 새로운 접근에서 출발하였고, 시스템 다이내믹스 분석기법을 이용하여 주택담보대출 리스크 분석을 위한 동태적 시뮬레이션 모형을 구축함과 동시에 이를 활용한 정책대안을 제시하였다. 시뮬레이션 분석 결과를 요약하면 다음과 같다. 첫째, 리스크 시뮬레이션 분석을 통해차입자의 지불능력이 리스크 발생과 밀접한 관계가 있음을 규명하였다. 둘째, 정책대안시뮬레이션 분석을 통해 차입자 입장에서 지불능력 유지를 위한 원리금 상환조건 조정정책의 실효성이 존재함을 확인하였다. 셋째, 주택담보대출 원리금 상환의 순차화를 통한리스크 경감을 위해 장기 분할상환 유도정책 시행의 타당성을 실증적으로 제시하였다. 이러한 연구결과는 주택담보대출 리스크 관리를 위한 체계적 대응으로 잠재적 사회적손실 최소화에 기여할 것이다. 또한 구축 모형은 주택금융정책 의사결정의 도구로서 활용되기를 기대한다.

This study started off with a new approach for potential risk management of credits supplied during the period of mortgage deregulation. It established a dynamic simulation model in order to analyze mortgage default risk using the system dynamics analysis technique, and aims to provide policy alternatives based on the model. To summarize the simulation analysis results, it was firstly found through risk factor simulation analysis the borrowers’ payment capabilities are closely related to risk occurrence. Secondly, the analysis attempted to explore the effectiveness of principal payment terms adjustment rules from borrowers’ standpoint to help them maintain their payment capabilities. Third, it empirically presented reasonableness of enforcing long-term amortization repayment policy, in order to mitigate the risk by putting mortgage loan principal payment in order. Results of this study will be used as countermeasures to minimize potential social lsses by systematically coping with issues for mortgage loan risk management. Also, I expect that the established models can be used as tools when making decisions related to housing finance policies.

The purpose of this paper is to identify and study impact factors on the default risk likely to happen in MBS. So, MBS data given from the Korea Housing Finance Corporation and some factors, which are selected based on literature review, seeming relevant to default in MBS are applied to a VAR model. As a result, apartment price and new loan interest rate turn out to be statistically significant for default risk.

본 논문에서는 개인사업자 부도율을 보다 정확하게 예측하기 위한 새로운 방법으로 개인사업자의 기업 신용 및 개인 신용정보를 가공, 분석하여 입력 특성으로 활용하는 심층 신경망기반 예측 모델을 제시한다. 다양한 분야의 모델링 연구에서 특성 선택 기법은 특히 많은 특성을 포함하는 예측 모델에서 성능 개선을 위한 방법으로 활발히 연구되어 왔다. 본 논문에서는 부도율 예측 모델에 이용된 입력 변수인 거시경제지표(거시변수)와 신용정보(미시변수)에 대한 통계적 검증 이후 추가적으로 신용정보 특성 선택 방법을 통해 예측 성능을 개선하는 특성 집합을 확인할 수 있다. 제안하는 신용정보 특성 선택 방법은 통계적 검증을 수행하는 필터방법과 다수 래퍼를 결합 사용하는 반복적·하이브리드 방법으로, 서브 모델들을 구축하고 최대 성능 모델의 중요 변수를 추출하여 부분집합을 구성 한 후 부분집합과 그 결합셋에 대한 예측 성능 분석을 통해 최종 특성 집합을 결정한다.

In this paper, we present a deep neural network-based prediction model that processes and analyzes the corporate credit and personal credit information of individual business owners as a new method to predict the default rate of individual business more accurately. In modeling research in various fields, feature selection techniques have been actively studied as a method for improving performance, especially in predictive models including many features. In this paper, after statistical verification of macroeconomic indicators (macro variables) and credit information (micro variables), which are input variables used in the default rate prediction model, additionally, through the credit information feature selection method, the final feature set that improves prediction performance was identified. The proposed credit information feature selection method as an iterative & hybrid method that combines the filter-based and wrapper-based method builds submodels, constructs subsets by extracting important variables of the maximum performance submodels, and determines the final feature set through prediction performance analysis of the subset and the subset combined set.

본 연구는 국내 외감기업을 대상으로 주요 재무비율을 활용한 로짓 모형을 통해 부실위험을 추정하고, 코로나19 충격이 이에 미친 영향을 실증적으로 분석하였다. 분석 결과, 코로나19 직후 기업의 평균 부실위험은 소폭 감소한 것으로 나타났는데, 이는 고위험 기업들의 부실위험이 완화된 데 주로 기인하였다. 감염병 충격의 영향은 기업 규모와 산업에 따라 상이하게 나타났다. 대기업은 평균 부실위험이 상승한 반면, 중소기업은 정부 지원정책의 영향으로 소폭 하락하였다. 산업별로는 숙박음식, 운수 등 대면 서비스업의 부실위험이 크게 증가한 반면, 일부 비대면 서비스업과 전기전자 제조업은 재무 안정성이 유지되거나 개선되었다. 한편, 코로나19 이후 기업의 성장성과 유동성이 부실위험에 미치는 효과는 약화된 반면, 자본구조 안정성의 중요성은 더욱 커졌으며, 그 효과는 산업별로 차이를 보였다. 이는 향후 경제위기 시 일률적인 단기 유동성 지원보다는 자본구조 강화 및 산업별 특성을 고려한 차별화된 정책이 더 효과적임을 시사한다.

This study estimates corporate default risk using a logit model based on key financial ratios of externally audited firms in Korea and empirically analyzes the impact of the COVID-19 shock. The results show that the average default risk slightly declined in the immediate aftermath of the pandemic, primarily due to a reduction in risk among high-risk firms. The impact of the pandemic differed by firm size and industry. While large firms experienced an increase in average default risk, small and medium-sized enterprises (SMEs) saw a modest decline, likely reflecting the effects of government support programs. By industry, default risk increased significantly in face-to-face service sectors such as accommodation, food, and transportation, whereas certain non-contact service industries and electronics manufacturing maintained or improved financial soundness. After the outbreak, the mitigating effects of growth and liquidity on default risk weakened, while the importance of capital structure stability increased, with its influence varying across industries. These findings suggest that, in future economic crises, differentiated policy responses ? aimed at strengthening firms’ capital structures and tailored to industry-specific characteristics ? may prove more effective than broad-based liquidity support.

평가대상이 되는 모집단이 바뀔 때마다 신용평가모형을 새롭게 구축하기란 매우 어렵고 힘든 작업이다. 이에 대부분의 금융기관들은 적합성검증을 통해 모형의 효율성을 평가하고 이 결과를 토대로 모형의 개선 또는 개발을 결정한다. 바젤위원회 또한 모든 신용평가모형에 대해 연 1회 적합성검증을 실시하고 이에 적절한 조치를 취하라고 권고하고 있다. 본 연구에서는 시점간, 부도차주간 독립을 기본 가정으로 하는 바젤위원회에서 제안한 확장된신호등접근 방법이 가지고 있는 단점을 보완하여 다시점 부도율 추정치에 대한 시점간, 차주간 상관을 반영할 수 있는 방법을 제안함으로써 금융기관마다 가지는 특성을 정확히 반영하여 유의성 검정을 할 수 있는 기반을 제공하였다. 분석결과 시점간 자기상관만 고려했을 경우 0.5보다 클수록 기존에 사용하고 있는 확장된신호등접근 방법과는 다른 결과를 주었다. 그리고 시점간, 차주간 상관을 동시에 고려했을 경우에는 시점간 상관이 같더라도 차주간 상관에 따라 서로 다른 검정결과를 제공하는 것으로 나타남으로써 정확한 유의성 검정을 위해서는 차주간 상관계수 산출 및 반영이 선행되어야 함을 알 수 있었다.

It is very burdensome and difficult to rebuilt a credit risk model when a population change over time. For this reason, most financial agencies evaluate credit risk model performance and decide whether the model is reformed or re-developed. Basel Committee on Banking Supervision also recommends that all kinds of credit risk models are validated annually and appropriate actions are taken to the validation results. In this paper, we suggest the cumulative probability of multivariate normal density method to reflect correlation structure. Our proposal makes up for the weakness of current methods which ignore correlations and is also useful to significant test by reflecting financial agencies circumstances. When we only consider the autocorrelation, it shows that suggested method gives an opposite test results with another test at the higher correlation than 0.5. In addition, it gives the reciprocal hypothesis test results under the autocorrelation but different correlation between obligors. Consequently, we know that the more precise correlation structure is investigated, the higher exact test can be carried out.

최근에 금융기관에서는 신용위험 관리의 중요성이 큰 이슈로 대두되고 있다. 각 금융기관의 신용위험을 측정하는데 있어서 가장 핵심이 되는 부분은 금융기관과 거래하는 기업들의 부도확률을 측정하는 문제이다. 각종 거시경제지표를 이용하여 개별기업의 부도확률을 측정하는 문제는 매우 어려운 문제로서 본 연구에서는 부도확률 대신 년 간 부도업체 수를 측정하는 모형을 구축하였다. 부도업체 수와 같은 범주형 자료에 대한 모형으로 포아송 회귀모형을 이용하여 모형 구축을 수행하였고 포아송 회귀모형이 가지는 과대산포 문제를 해결하기 위하여 최종적으로 음이항 모형과 로버스트 근사분산을 가지는 포아송 회귀모형을 이용하였다. 이와 함께 관찰된 부도업체수가 가지는 구조적 변화를 비교하기 위한 연구도 함께 진행하였다. 년도별로 관찰된 실제 부도업체 수와 각종 거시경제변수들을 이용한 자료분석을 수행하여 그 결과를 함께 제시하였다.

Recently, every financial institution considers credit risk management as a most important business key factor. The core process for managing credit risk is to estimate probability of default(PD) of the firms that have relation with the financial institution. But it is not easy to estimate PD of a firm individually using macroeconomic variables. Instead, we use the Poisson regression model so that how many companies will default given macroeconomic variables. However the Poission regression model have over-dispersion problem and we use robust asymptotic variance for the Poisson regression model and negative binomial model to solve over-dispersion problem. Furthermore, we investigate the structural changes of firm's defaults trend due to economy crisis using dummy variables and we use marginal effect analysis of each variable to identify how these variables affect the number of firm's default.