View : 16 Download: 0

기업 부도 예측을 위한 GMDH 접근방법에 관한 연구

Title
기업 부도 예측을 위한 GMDH 접근방법에 관한 연구
Other Titles
Corporate Bankruptcy prediciton model using GMDH algorithms
Authors
金秀姸
Issue Date
2002
Department/Major
대학원 경영학과
Keywords
기업부도부도예측GMDH접근방법경영학
Publisher
이화여자대학교 대학원
Degree
Master
Abstract
본 연구는 기업도산예측에 관한 문제를 다루고 있다. 그 동안 국내외적으로 활발히 연구되어져 온 부도예측에 관한 문헌조사와 기존 연구 기법을 조사하고, 최근 새롭게 대두되고 있는 GMDH (Group Method of Data Handling) 기법에 대해 연구하였다. 기존의 연구에서는 MDA, Logit분석과 같은 통계적 기법이나 인공신경망모형을 주로 사용하여 기업 부도를 예측하였으나, 이러한 방법론은 내재적으로나, 실제로 모형을 구현함에 있어서 여러 문제점과 한계점을 내포하고 있었다. 따라서 본 연구에서는 이러한 문제점을 극복하면서도 기법 도산 예측의 정확성과 효율성을 높일 수 있는 방안으로 GMDH Algorithm을 이용한 부도예측모형을 제안하고, 이를 통계기법 (MDA, Logit) 과 인공신경망 (Artificial Neural Network)기법을 통한 모형과의 성과 비교를 통하여 그 우수성과 유용성을 검증해보고자 하였다. 실험 결과 GMDH algorithm 을 이용하여 구축한 모형이 기업의 부도예측이라는 경영 의사결정문제에 있어서, 기존의 통계기법이 지닌 선형성미나 정규성 같은 엄격한 가정이나 기술적 한계에도 자유로우며, 입력변수의 선정이나 파라메터의 설정에 있어 연구자의 주관성이 개입되기 쉽고, 제어요소의 변동에 있어 모형의 성과가 영향을 많이 받을 수 있다는 인공신경망모형이 가지고 있는 문제점을 보완하면서도, 이러한 기존의 부도예측모형보다도 향상된 예측력도 보임을 알 수 있었다. 또한 이러한 부도예측 모형의 구축은 실제 현업에서 은행 등 금융기관이 신용평가시스템 혹은 심사역 의사결정지원시스템을 구축하는데 중요한 기반이 된다. 따라서 본 논문은 부도예측이라는 경영의사결정 문제에 있어 기존의 기법들의 한계점을 보완하면서도 예측 정확도를 높일 수 있는 방안으로 GMDH 이라는 새로운 접근방법을 제시했다는 점에서 의의가 있다고 여겨진다.;Traditional bankruptcy prediction methods have used such as Fisher's discriminant analysis, logistic regression, artificial neural networks model. But these methods have many problems and limitations. In this paper, I suggest that the GMDH (Group Method of Data Handling or Polynomial Nets) algorithm applies to the corporate bankruptcy prediction modeling. And, I make comparison with GMDH model, logistic regression model, multiple discriminant model and artificial neural networks model. The results show that the GMDH model is more accurate and useful in the corporate bankruptcy prediction than the other methods. Our experimental results show that this GMDH approach increases overall classification accuracy rate significantly.
Fulltext
Show the fulltext
Appears in Collections:
일반대학원 > 경영학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE