Bankruptcy Prediction Modeling Using Qualitative Information Based on Big Data Analytics

Abstract

Bankruptcy prediction has steadily been a researched issue in the accounting and finance fields. Many researchers have contributed to develop the robust prediction model in terms of modeling techniques such as statistical methods or artificial intelligence techniques for enhanced prediction performance. Financial variables have been main inputs to develop bankruptcy prediction models in academic studies. However, the inclusion of qualitative information has not been actively discussed despite the fact that exploiting only accounting information such as financial ratios has some drawbacks. Due to the lack of an analytic mechanism for obtaining and processing qualitative information from various information sources, previous studies have only used quantitative information. However, recently, big data analytics such as text mining techniques have been drawing much attention in academia and industry, with an increasing unstructured text data available on the web. A few previous studies have sought to adopt big data analytics in business prediction modeling. Nevertheless, the use of qualitative information on the web for business prediction modeling is still deemed to be in the primary stage. Studies on developing techniques that are more advanced are required for processing these types of data. This present study proposed a bankruptcy prediction model using both quantitative and qualitative information based on big data analytics to secure enhanced performance of the prediction model. We used an artificial neural network (ANN) and confirmed that it shows superior performance in handling the complex nonlinear pattern classification problem in previous numerous bankruptcy prediction studies to construct a basic model. The performance of the proposed method depends on how well information types are transformed from qualitative into quantitative information that is suitable for incorporating into the bankruptcy prediction model. Thus, this study employed text mining among big data analytics techniques as a mechanism for processing qualitative information. We attempted to extract domain-specific sentiment lexicons and assign their semantic orientations and scores based on economic news articles. The addition of topic-based market sentiment extracted from economic news is considered as well as single keyword-based market sentiment in developing the prediction model. The results proved that incorporating qualitative information based on big data analytics to the traditional bankruptcy prediction model based on accounting information is effective for enhancing the predictive performance. First, market sentiment extracted from economic news articles had an impact on corporate bankruptcy. In particular, negative market sentiment improved accuracy of corporate bankruptcy prediction. In addition, adding the market sentiment based on the main topics extracted from economic news was contributed to improve the predictive performance. The result of topic-based sentiment analysis was meaningful in that it showed similar predictive performance without generating a sentiment lexicon included in many terms, and made it easier to understand an economic situation compared with the results of the sentiment analysis based on a single keyword. The contribution of this research is to supplement the limited accounting information in the bankruptcy prediction model. The proposed model cannot only reflect relatively recent information after the closing of financial statements but also must contain environmental factors such as external economic conditions by combining qualitative information extracted from economic news articles.;기업의 부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 중요한 이슈이다. 전통적으로 부도 예측에 관한 연구는 주로 재무 변수를 중심으로 통계적 접근 방법 또는 인공지능 기법을 적용하여 모형 구축 기법 관점에서 모형의 성과를 높이는데 초점을 두어왔다. 그러나 재무비율과 같은 회계 정보는 재무제표 결산 시점과 신용평가 시점 간에 시차가 존재하고, 해당 산업의 경제적 상황과 같은 외부 환경적인 요소를 반영하기 어렵다는 한계점이 존재한다. 부도 예측을 위해 정량 정보인 재무 변수만을 이용하는 것에 한계가 있음에도 불구하고 정성 정보를 부도예측모형에 반영하기 위한 연구는 아직 미흡한 실정이다. 과거에는 다양한 정보 원천으로부터 정성 정보의 획득 및 처리가 가능한 기제가 정립되어 있지 않아 정성 정보의 활용이 제한적이었다. 최근에는 뉴스, 블로그, 소셜 네트워크 서비스(SNS) 등 웹상에서 수집 가능한 데이터의 양이 많아지고, 데이터의 유형이 비정형 텍스트인 데이터가 증가함에 따라 이를 분석할 수 있는 텍스트 마이닝 등의 빅데이터 분석 기법이 주목받고 있다. 이에 주가 예측 및 영화 수익 예측 등 경영 분야에 빅데이터 분석 기법을 적용하는 연구가 진행된 바 있다. 그러나 현재까지 웹상의 정성 정보를 활용하여 예측 모델링에 활용하기 위한 연구는 아직 초기 단계에 불과하며, 다양한 도메인에서 활용될 수 있도록 비정형 텍스트 데이터를 처리하기 위한 분석 방법론의 개발이 필요하다. 따라서 본 연구에서는 정량 정보를 이용한 기존의 부도예측모형의 예측 성과를 개선하기 위해 빅데이터 기반의 정성 정보를 결합한 부도예측모형을 제안하고자 한다. 부도예측을 위한 기본 모형을 구축하기 위해 기존의 많은 부도 예측과 관련된 연구에서 복잡한 비선형 패턴 분류 문제를 다루는데 우수한 성능을 보이는 것으로 검증된 인공신경망 기법을 사용하였다. 제안 방법의 성과는 정성 정보를 부도예측모형에 통합시키기에 적합한 정량 정보로 정보의 유형을 변환시키는 데 있다. 이에 본 연구에서는 정성 정보를 처리하기 위한 분석 기제로서 빅데이터 분석 기법 중 하나인 텍스트 마이닝을 활용하였다. 텍스트 데이터에 대한 감성 분석을 위해 형태소 분석 등 텍스트 데이터의 전처리 과정을 거쳐 경제 뉴스 기사 데이터로부터 도메인 중심의 감성 어휘를 추출하고, 각 어휘의 극성 및 감성 점수를 부여하였다. 또한, 단일 키워드 기반의 감성뿐만 아니라 경제 뉴스로부터 추출한 주요 토픽을 이용하여 부도예측모형에 토픽 기반의 감성을 반영하는 모형을 제시하였다. 본 연구의 실험 결과, 빅데이터 기반의 정성 정보를 전통적 부도예측모형의 입력 변수로 활용하는 것은 예측 성과를 높이는 데 효과적임을 입증하였다. 먼저, 경제 뉴스 기반으로 도출된 정성 정보인 감성 정보는 기업의 부도에 영향을 미치며, 특히 경제 상황에 대한 부정적 감정이 기업의 부도를 예측하는 데 예측 성과가 더 높은 것으로 나타났다. 또한, 경제 뉴스로부터 추출한 주요 토픽을 감성 정보로 변환하여 부도예측모형에 결합시킨 결과, 기존 부도예측모형의 성과를 개선하는 것으로 나타났다. 단일 키워드 기반의 감성 분석을 수행한 결과에 비해 경제 현상에 대한 해석이 용이하고, 별도의 감성 사전 구축 없이 이와 비슷한 수준의 예측 성과를 도출할 수 있었다. 본 연구는 경제 뉴스 기사로부터 추출한 정성 정보를 결합시킴으로써 부도예측모형에서 제한적으로 사용되고 있는 재무 변수 중심의 부도예측모형의 한계점을 보완한다는데 그 의의가 있다. 빅데이터 기반의 정성 정보를 활용함으로써 재무 변수에 비해 상대적으로 최신의 정보 및 해당 산업의 경제적 상황과 같은 외부 환경적 요인을 예측 모형에 반영할 수 있다.