Support Vector Machine 및 Random Forest 기법을 이용한 기업 부도 예측

Abstract

다양한 기업 지표들을 이용한 기업들에 대한 정확한 평가에 대한 관심이 꾸준히 지속되고 있는 가운데, 본 논문에서는 기업의 안정성, 부채 상황 능력, 유동성, 생산성, 수익성, 활동성과 관련된 재무 변수와 기업의 나이, 업종, 규모, 로그 매출액, 로그 자산으로 구성된 추가적인 기업 정보 변수들을 이용하여 기업의 부도 유무를 예측해보자 한다. 기업의 부도를 예측한 기존 논문들에서는 로지스틱 회귀 모형과 생존 분석 기법들을 주로 사용한 반면, 본 논문에서는 높은 예측력으로 최근 많이 사용되고 있는 서포트 벡터 기계와 랜덤 포레스트를 이용하여 기업 부도를 예측해보았다. 리프트 차트를 이용하여 모형을 평가한 결과, 세 모형 모두 분석용 데이터에 비해 검정용 데이터에서 예측력이 떨어졌다. 또한, 서포트 벡터 기계는 로지스틱 회귀 모형에 비해 다소 낮은 예측력을 보였지만, 랜덤 포레스트는 적합도와 예측력 측면 모두에서 더 우수한 결과를 얻었다. 또한, 로지스틱 회귀 모형의 단계적 선택법(Stepwise selection)과 랜덤 포레스트의 Variable Importance plot를 통해, 각 변수들이 기업 부도에 미치는 영향력과 중요도를 평가해 보았다.;Research on the corporate evaluation based on financial soundness and credit ratings of the company have been made steadily in the literature. This paper studies the problem of prediction of the corporate bankruptcy using financial variables such as stability, debt repayment ability, liquidity, productivity, profitability, activity and additional variables such as age, type, size, profit, asset of the company. The majority of earlier studies used Logistic regression and Survival analysis. But, we use support vector machine and random forest as well as logistic regression for prediction of corporate bankruptcy. Our study shows that support vector machine is less effective than logistic regression. But, Random forest gives better results in goodness of fit and prediction. Also, we identify key variables which have high predictive power in forecasting corporate bankruptcy using stepwise selection of logistic regression and variable importance plot of random forest.