다분류 Support Vector Machine을 이용한 한국 기업의 지능형 기업채권평가모형Intelligent Credit Rating Model for Korean Companies using Multiclass Support Vector Machines

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 891
  • Download : 1012
신용등급의 투자자나 채권자 등 다양한 이해관계자들이 특정 기업이나 그 기업에서 발행된 채권에 대한 위험을 평가하는 지표로서, 정교한 등급평가는 개인의 투자위험 뿐만 아니라 금융시장 전체에 영향을 미칠 수 있는 중요한 요소 중 하나이다. 이러한 이유로 지금까지 기업 신용등급평가에 대한 다양한 연구가 진행되어 왔으며, 최근에는 특히 복잡한 재무데이터의 특성을 모형에 보다 잘 반영할 수 있는 것으로 알려진 인공지능기법, 특히 인공신경망의 우수한 예측능력을 활용한 연구가 활발하게 진행되고 있다. 그러나, 인공신경망 기법은 입력자료 분포를 추정하기 위해 다양의 학습데이터가 필요하고, 과도적합문제(ovefitting)로 인해 일반화의 어려움이 있을 뿐만 아니라, 지역 최소값(local minima)을 피하기 위한 초기화 작업이 경험에 의존해야 하고, 기본적으로 암상자 모형이라서 각 변수의 중요도 등 모형을 해석하기 어렵다는 점 등이 한계점으로 지적되어 왔다. 특히, 기업채원의 등급평가와 같이 다분류 문제의 경우에는 각 등급별 데이터가 회소하여 인공신경망처럼 다량의 학습데이터를 필요로 하는 모형은 구축이 불가능한 경우가 발생할 수 있다. 본 연구에서는 이에 대한 해결방안으로 최근 각광 받고 있는 다분류 support vector machine (SVM)을 채권등급평가에 적용하고자 한다. SVM은 명백한 이론적 근거에 기반하므로 결과 해석이 용이하고, 실제 응용에 있어서 인공신경망 수준의 높은 성과를 내며, 적은 학습자료만으로 신속하게 분류학습을 수행할 수 있다는 장점을 갖고 있다. 또한 기존은 학습 알고리즘은 경험적 위험 최소화 원칙(empirical risk minimization)을 구현하는 것인데 비해, SVM은 구조적 위험 최소화 원칙(structural risk minimization)에 기반하므로 과도적합문제를 어느 정도 피할 수 있다는 장점도 갖고 있다. 본 연구에서는 이 같은 가능성을 확인해 보기 위해, 다분류 SVM을 한국기업의 채권평가 사례에 적용해 보았다. 타 비교모형에 대한 우월성을 검증해 보기 위해, 인공신경망 및 다중판별분석과 그 성과를 비교하였으며, 분석 결과 다분류 SVM이 다른 비교대상에 비해 통계적으로 유의하게 우수한 성과차이를 보임을 확인할 수 있었다.
Publisher
한국경영학회
Issue Date
2006-10
Language
Korean
Citation

경영학연구, v.35, no.5, pp.1479 - 1496

ISSN
1226-1874
URI
http://hdl.handle.net/10203/24746
Appears in Collection
MT-Journal Papers(저널논문)
Files in This Item
38460.pdf(944.93 kB)Download

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0