본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

국문요약 8

제1장 서론 9

제2장 이론적 배경 및 문헌연구 12

2.1. 기업부도예측에 대한 선행연구 12

2.2. 클러스터링 알고리즘에 대한 선행연구 19

제3장 제안 알고리즘 23

제4장 실증연구 26

4.1. 자료 및 데이터 구성 26

4.2. 실험설계 및 실험 30

4.3. 실험 결과 31

제5장 결론 37

5.1. 연구 요약 37

5.2. 연구 시사점 및 한계점 38

참고문헌 40

Abstract 44

〈표 1〉 수집 데이터(독립변수) 개요 27

〈표 2〉 종속변수 개요 29

〈표 3〉 Phase 1 실험 결과 31

〈표 4〉 Phase 2 실험 결과 - 클러스터 밀도(수치) 32

〈표 5〉 Phase 2 실험 결과 - 종속변수 별 해석 도표 33

〈그림 1〉 DBSCAN 데이터 밀집도 23

〈그림 2〉 DBSCAN 클러스터 형성 개념도 24

〈그림 3〉 실험 구조도 26

〈그림 4〉 실험 결과 종합 35

〈그림 5〉 클러스터 분포도 36

초록보기

 대공황, 금융위기 등 거시경제의 다양한 시장 및 신용 익스포져 확대에 따라, 기업 운영의 부정적 요소 역시 증대했기 때문에, 기업부도예측연구는 꾸준히 진행되어왔다. 기업부도예측연구는 최초의 통계학 기반의 이분류성 예측부터 머신 러닝 알고리즘을 활용한 예측까지 다양한 방법과 예측 모형이 제안되었다. 그러나, 부도예측 연구에 사용하는 기저 데이터셋은 불균형적, 비선형적, 시계열적 성격을 가지기 때문에, 샘플의 과대대표 현상을 유발하는 위험을 내포한다. 이에, 본 연구에서는 부도예측 이전에 기업의 부실선행요인을 사후 추적을 목표로, 클러스터링 알고리즘을 활용했다. 관측기간 2010.02.25. ~ 2023.04.10. 까지의 부실기업 113개의 5년치 재무제표, 손익계산서, 현금흐름표, 자본변동표를 수집해 187개의 변수를 도출했고, DBSCAN 알고리즘을 활용해, 총 2단계에 걸친 실험을 진행했다. Phase 1 실험에서는 최초 187개 변수 중 DBI ＜ 0.5 변수를 도출했고, Phase 2 실험에서는 형성된 클러스터의 수치와 직접적인 부실선행요인을 도출했다. 최종적으로 관측기간으로부터 가장 먼 시점인 부실 발생 4년 전에는 기업이 부채를 조달할 수 있으나, 부실 발생 2년 전 손익계산서 관련 항목이 손상되면서 결국 자본 영역까지 손상되는 결과를 확인할 수 있었다. 본 연구는 가장 최근까지의 데이터를 대상으로 데이터셋의 불균형적, 비선형적, 시계열적 특성을 반영해 통상의 부도예측연구가 아닌 부실선행요인을 감지 및 추적하고, 직접적인 부실선행요인을 확인하는 데 그 의의가 있다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차