View : 63 Download: 0

Neural Fuzzy System을 이용한 부도예측모형의 연구 : ANFIS 알고리즘의 적용을 중심으로

Title
Neural Fuzzy System을 이용한 부도예측모형의 연구 : ANFIS 알고리즘의 적용을 중심으로
Authors
김선희
Issue Date
2003
Department/Major
대학원 경영학과
Publisher
이화여자대학교 대학원
Degree
Master
Abstract
In 1997, under the International Monetary Fund (IMF) system, many of Korean companies faced on the bankruptcy situations. Many companies financial distress can influence on overall economic situations of the country. And it s closely related with company loan profit of financial institutions as well. So many financial institutions and governments are considerably interested in distinguishing between good companies and bad companies, before and after. Many loan officers of financial institutions are using many techniques such as statistical models, credit scoring model or other various models for developing bankruptcy prediction system. Specially, in these days, artificial intelligence modeling methods like artificial neural network, decision tree, case-based reasoning, fuzzy logic are studied and applicated to various modeling areas. And the hybrid methods between theses artificial intelligence methods are taking attention on the both of academic and application areas. This paper is focused on the hybrid modeling method of artificial neural network and fuzzy logic in the corporate bankruptcy prediction area. Artificial neural network and Fuzzy logic have the interactive features each other in hybrid system developing. The hybrid methods of artificial neural network and fuzzy logic can be divided into three categories: fuzzy neural networks, neural fuzzy systems, fuzzy-neural hybrid systems. In this paper, we used ANFIS(Adaptive Network-based Fuzzy Inference System) algorithm, one of the fuzzy neural networks method among them, for building bankruptcy prediction model in financial area. And, for generalization, we compared the classification capability of neuro-fuzzy model with those of disciminant analysis model and general artificial neural networks model. Overall, this paper s empirical test result indicated that neuro-fuzzy models have higher classification capability as compared to the other two models and has many remarkable features in bankruptcy prediction modeling. ; 기업의 부도는 경제 전반에 충격적인 연쇄효과를 가져와 경제가 불안정해지고 그로 인해 기업의 부도가 지수 분포적으로 증가하는 등 심각한 사회문제가 될 수 있는 부정적인 요소를 지니고 있다. 특히 국내의 경우, 1997년 IMF 구제 금융을 겪었으며 BIS(Bank of International Settlement)가 세계 우량 금융 기관들에 대해 내부 신용평가모형을 장려하는 등의 금융 시장 환경의 변화를 맞고 있다. 따라서 국내 금융 기관들은 여신기업에 대한 사전심사 강화와 도산 가능성을 사전에 파악하고 도산에 대비하기 위한 부도예측시스템의 개발에 상당한 노력을 기울이고 있는 추세이다. 근래 들어 이러한 부도예측시스템을 개발하기 위한 모델링 기법으로서 다양한 인공지능기법(Artificial Intelligence Method)들이 도입되어 활발히 연구 또는 활용되어 지고 있다. 특히 최근에는 이들 개별 인공지능 기법들의 결합(Hybrid)을 통해 각 기법이 지닌 장점들을 포함하고 단점들을 보완함으로써 보다 안정적이고 지능적인 부도예측시스템을 개발하고자 하는 시도가 늘어나고 있다. 본 연구는 여러 가지 인공지능 기법들 중에서도, 서로 상호 보완적인 특성을 지니고 있는 인공 신경망 기법(Neural Network)과 퍼지 시스템(Fuzzy System)을 결합하는 방법 중 하나인 Fuzzy-Neural System을 기반으로 한 부도예측시스템의 개발에 초점을 두고 있다. 퍼지 논리(Fuzzy Logic)는 경험지식을 통한 논리적인 기반 하에 만들어지는 IF-THEN 규칙 기반의 논리체계로서 인간이 사용하는 언어적 변수의 애매모호함을 시스템 안에서 처리할 수 있도록 해주는 장점을 지니고 있다. 따라서 퍼지 논리를 기반으로 한 퍼지 시스템은 언어적인 추론능력을 바탕으로 애매한 정보를 처리, 추론하는데 적합하며 지식 표현 능력이 뛰어나다. 반면 신경회로망은 자동 학습 능력을 가지고 있어서 데이터 구동형(Data-driven) 패턴처리에 우수하며, 시스템 구성에 있어 유연성이 크다. 그러나, 퍼지 시스템이 적절한 성능을 나타내기 위해서는 전문가가 많은 시행착오를 통해 적절한 제어 규칙을 결정해야 하며, 특히 비전문가의 경우는 최적의 제어 규칙과 소속함수를 결정하는데 있어 많은 어려움이 있다. 이는 학습 능력의 부재에서 기인하는 것으로 인공 신경망을 퍼지 시스템에 도입함으로써 이러한 단점을 보완할 수 있다. 반면 인공 신경망은 지식을 구조화하는 것에서는 우수한 성능을 보이지만 그 지식을 직접적으로 표현할 수 없다. 즉 신경망은 가공되지 않은 정보에 쉽게 적용할 수 있기 때문에 정보처리 과정 중 하위 처리에는 우수하지만 자연어와 같은 상위 정보처리에는 약하다. 이와 반대로 퍼지 시스템은 상위 정보처리에는 우수성을 보이지만 하위 정보처리에는 미약하므로 이 두 가지 기법의 결합을 통해 각각의 장단점을 상호 보완함으로써 오는 시너지 효과를 기대해 볼 수 있다. 본 연구에서는 Fuzzy-Neural System을 기반으로 한 부도예측모형의 실증적 연구 결과를 기존의 순수 인공 신경망 모델과 다변량 분석기법 기반 부도예측모형들의 성과와 비교 분석하여 그 응용 가능성과 장단점에 대해 검증하고 있다. 실험 결과 Fuzzy-Neural System 즉 ANFIS를 기반으로 한 부도예측모형인 Neuro-fuzzy model의 분류 예측력이 다른 두 비교 모델에 비해 더 우수하게 나타난다는 것을 알 수 있었다. 특히 다변량판별분석 모델의 경우에는 부도기업 그룹에서의 예측력이 매우 떨어진다는 것을 볼 수 있다. 반면 Neuro-fuzzy model과 인공 신경망 모델은 부도기업/건전기업 그룹 모두에서 정확도가 근사하게 나타나거나 오히려 부도기업 그룹에서의 예측력이 더 높게 나타나는 등 보다 나은 분류 정확도를 보이고 있다. Neuro-fuzzy model과 인공 신경망 모델간의 비교에서는 상당히 유의한 차이가 나는 것은 아니지만 Neuro-fuzzy model의 예측력이 부도/건전 예측 부문과 총체적인 부문 모두에서 약간 우세하게 나타난다는 것을 볼 수 있다. 따라서 본 연구는 처음 시도된 연구였음에도 Neuro-fuzzy model과 인공신경망모델, 다변량판별분석 모델과의 차이와 다양성을 바탕으로 Neuro-fuzzy system의 부도예측분야에서의 이용 가능성을 성공적으로 검증한 주요한 초기 연구가 될 수 있다고 생각한다. 물론 Neuro-fuzzy model의 부도예측분야에의 응용 가능성이 보다 일반화 되기 위해서는 앞으로 많은 연구들이 뒷받침 되어야 하겠으나, 본 연구의 결과를 통하여 Neuro-fuzzy model의 주요 장점 및 한계점 등을 살펴볼 수 있다.
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