The comparison of bankruptcy prediction models

Abstract

부도 예측 문제에 있어, 판별분석, 로지스틱 회귀모형, 의사결정나무, 신경망, 앙상블 모형과 같은 다양한 방법들이 적용되었다. 이 논문에서는 이러한 다양한 방법들을 실제 자료에 적용시켜 보고 그 결과를 예측 정분류율과 해석력, 의미있는 변수의 선택 등의 관점에서 비교한다. 특히, 분류문제에 있어 최근 각광받고 있는 앙상블 기법 중 최근 새롭게 제안된 CHEM(김용대, 김진석, 전종우, 2002)을 소개하고, 부도 예측 문제를 통해 다른 분류 모형들과 그 정확성을 비교한다. 비교 결과, 로지스틱 회귀모형이 정분류율이나 해석력, 변수 선택 등 모든 면에서 부도 예측 모형으로 가장 적합하였다. 앙상블 기법은 로지스틱 회귀모형과 비슷한 정분류율을 보여주나 앙상블 모형은 여러 분류 모형을 결합한 것이기 때문에 해석력에 있어 부도 예측 모형으로 그 적합성이 떨어진다. 앙상블 기법 중, CHEM 이 예측력 면에서 가장 높은 정확성을 보여주었으며, 이 결과는 김용대 외.(2002) 의 제안과 일치한다. ; In a bankruptcy prediction problem, various methods, such as multiple discriminant analysis, logistic regression, decision tree, neural networks and ensemble methods have been applied. In this thesis, we apply diverse bankruptcy prediction methods to the real data and compare the results from the viewpoint of prediction accuracy, interpretability and variable selection. Specially, we introduce the new ensemble method―Convex Hull Ensemble Machine (CHEM) by Yongdai Kim et al. (2002). We also compare its performance with other classification algorithms including ensemble methods such as p-bagging and real-boosting. The results indicate that the logistic regression is the best model for bankruptcy prediction problem in all aspects. Ensemble methods are as good as the logistic regression in classification accuracy, but they are not good at comprehensibility. Among ensemble methods, CHEM is best at prediction accuracy. This result reconfirmed the suggestion of Yongdai Kim et al.(2002).