View : 18 Download: 0

도산예측모형의 예측력 비교

Title
도산예측모형의 예측력 비교
Other Titles
(The) Comparative Study on Corporate Bankruptcy Prediction Model
Authors
이정인
Issue Date
2003
Department/Major
대학원 경영학과
Keywords
도산예측판별분석모형로짓모형인공신경망모형
Publisher
이화여자대학교 대학원
Degree
Master
Abstract
Bankruptcy prediction techniques, which has been a hot issue for a long period among investing companies, is getting more sophisticated and approached in various ways. From late 1960s - when researchers started to test their bankruptcy prediction models - to 1970s, the main stream of prediction technique was multiple discriminant analysis and from early 1980s to late 1980s, the major used tool was logistic regression. Currently, artificial neural network is introduced and widely used for default prediction in the industry. Therefore, many different methods has been introduced and their effectiveness has been tested by the researchers; however, optimal model selection is difficult, as the used data, processes and definitions of bankruptcy vary. The study compared and evaluated prediction accuracies of discriminant analysis, logistic regression and artificial neural network. Bankruptcy is defined as changing ones position to managerial stock list. Estimated samples are bankrupted and non-bankrupted firms from 1992 to 1998. Samples for validation are bankrupted and non-bankrupted firms from 1999 to 2001, Bankrupted and non-bankrupted firms ratios of the samples are 1:1, 1:2, 1:3 and 1:all(the non-bankrupted firms). T-test and stepwise method are used for variable selection. Different ratio samples showed different prediction accuracy results. The predictions of the artificial neural network in the 1:1 and 1:2 ratio samples were relatively more accurate than any other models. In 1:3 ratio samples, the discrimination among the samples was not made because of different results in different year. 1: all cases, the results of the most ideal prediction accuracy and type 2 accuracy(non-bankruptcy preaction out of non-bankrupted firm samples) are obtained from artificial neural network while type 1 accuracy(bankruptcy prediction out of bankrupted firm samples) was relatively low. Discriminant analysis and logistic regression models, however, had lower prediction accuracy and type2 accuracy than those of neural network, but type 1 accuracy was stable and higher than that of neural network. For practical reason, bankruptcy prediction model should have high prediction, type 1 and type 2 accuracy in any ratio samples. This empirical study, which compared the overall prediction accuracy, type 1 and type 2 accuracy of discriminant analysis, logistic regression and artificial neural network with different ratios samples, didn't design the optimal prediction model. But this study has meaning that it suggests the need of the theoretical basis of the most practical samples in bankruptcy prediction study.;도산예측연구의 방법은 실무적 관심사에 힘입어 다양하게 발전되어왔다. 도산예측의 실증 연구가 본격적으로 시작된 1960년대 후반부터 1970년대 후반까지는 다변량판별분석기법이, 1980년대 초반부터 1980년대 말까지는 로짓분석기법이, 그리고 그 이후에는 인공지능기법이 도산 예측의 주된 연구 방법이었다. 이와 같이 다양한 도산예측 분석기법이 도입, 발전되면서 연구자들에 의해 각 모형의 우수성이 주장되고 있으나 연구마다 사용된 자료와 절차, 도산의 정의 등이 상이하므로 가장 우수한 모형을 결정하기가 쉽지 않다. 이에 본 연구는 대표적인 도산 예측 연구 방법인 판별분석모형, 로짓분석모형, 인공신경망 모형의 예측력을 비교 평가하는 것을 주요 목적으로 하며, 아울러 표본 구성 비율을 변화시켜가며 예측력의 변화를 살펴본다. 연구의 목적을 달성하기 위하여 관리종목으로 편입된 사건을 도산의 개념으로 정의하였다. 상장 제조기업을 대상으로 1992년부터 1998년 사이의 도산 및 건전기업을 추정표본으로 하여 모형을 설계하고, 1999년부터 2001년까지의 도산 및 건전기업을 검증표본으로 하여 모형의 예측력을 검증하였다. 표본 구성은 도산기업 대비 건전기업의 비율을 1:1, 1:2, 1:3, 1:전체(모든 비도산기업을 건전기업 표본으로 함)의 4세트로 하였으며, 모형의 설계를 위한 변수선정은 t-검정, 단계적 선택법을 이용하였다. 위의 방법으로 도산예측모형을 설계하여 모형간 예측력을 비교 평가한 결과, 표본 구성 방법에 따라 모형간 예측력의 우열이 상이하게 나타났다. 도산기업 대비 건전기업의 비율을 1:1, 1:2로 구성한 경우에는 인공신경망 모형의 예측력이 전반적으로 우수하였다. 그러나 표본의 구성을 1:3으로 한 경우 분류정확도, 제1종 정확도 (Type Ⅰ Accuracy: 도산기업을 도산기업으로 예측하는 능력), 제2종 정확도(Type Ⅱ Accuracy: 건전기업을 건전기업으로 예측하는 능력)의 모형간 우열이 상이해 우수한 모형을 결정할 수 없었다. 또한 1:전체 표본 역시 모형간 우열을 가릴 수 없었다. 인공신경망 모형의 분류정확도와 제2종 정확도는 탁월하였지만 제1종 정확도는 매우 저조했고 반면에 판별분석모형과 로짓분석모형은 인공신경망 모형에 비해 분류정확도 및 제2종 정확도는 낮았으나 제1종 정확도가 비교적 안정되게 나타났기 때문이다. 도산예측모형이 실무적 타당성을 지니기 위해서는 표본 구성 방법에 상관없이 분류정확도, 제1종 정확도, 제2종 정확도가 모두 우수해야 한다. 표본 구성 비율을 변화시켜가며 도산예측 모형간의 분류정확도, 제1종 정확도, 제2종 정확도를 비교한 본 연구는 현실적으로 일반화시킬 수 있는 도산 예측 모형을 제시하지 못하였다는 한계점에도 불구하고 가장 현실적인 표본 구성 방법에 대한 이론적 근거 마련의 필요성을 실증적으로 제시하였다는 의의를 지닌다.
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