초록 close

본 연구는 기업의 부실을 사전에 예측하여, 기업의 도산으로 인한 사회적, 경제적 손실을 최소화하는데 기여할 수 있는 코스닥기업 도산예측모형을 도출하고, 모형의 예측력과 유용성을 검증하고자 한다. 본 연구는 2000~2005년 까지 코스닥 기업 중 부도발생 기업을 표본으로 선정하고, 도산예측모형의 도출을 위해 52개 재무비율의 평균에 대하여 t-검정을 실시하여 부실 예측변수를 선택하였으며, 판별분석으로 도산예측모형을 구축하였다. 그 결과를 기준으로 표본집단을 분석용/검증용으로 나누어 모형의 예측력을 로짓분석(logit analysis), 의사결정나무모형(decision tree)과, 인공신경망(Artificial Neural Network) 분석을 실시하였다. WEKA 분석 도구를 활용하여 10겹 상호검증 방법을 사용하여 4개 모형에 대한 비교 분석을 실시하였다. 검토기간 5년을 각각 1년씩 데이터로 예측력을 비교하였고, 다시 2년 및 3년간 데이터로 나누어서 비교분석하였다. 분석결과를 요약하면 다음과 같다. 첫째, 1년 데이터만을 사용하여 분석한 결과는 의사결정나무 모형을 사용한 실험한 평균 예측력이 가장 높았다. 둘째, 수집된 코스닥 데이터의 9개 속성을 사용하여 3개의 판별분석 모형을 구축하여 실험한 결과 전반적으로 의사결정나무 모형, 변수 선정 로지스틱 모형, 신경망 모형, 전체 변수 사용 로지스틱 모형 순으로 예측 성능이 나타났다. 셋째, 의사결정나무 모형의 경우 1년 데이터만을 학습자료로 구성한 경우가 2년 또는 3년간의 데이터를 학습자료로 단순 결합한 경우보다 예측성능이 좋은 것으로 나타났다. 추가적으로 의사결정나무 모형은 판별 분석에 있어 덜 중요한 변수를 선정해 낼 수 있으며, 학습결과를 의사결정나무 혹은 if..then.. 규칙 형태로 나타낼 수 있어 쉽게 이해할 수 있음을 알 수 있었다.


The objective of this paper is to develop a bankruptcy prediction model of KOSDAQ businesses and to examine the predictability and usefulness of the prediction model designed by this study. It is assumed that this bankruptcy prediction model will make a substantial contribution by minimizing the social and economic loss caused by sudden collapses of the enterprise. In order to attain the objective mentioned above, this study carried out several empirical analyses such as Logit Model, Decision Tree Model, and ANN, using bankrupted firms between 2000 and 2005 as sample data. The significant findings of this study are as follows: First, the Decision Tree Model demonstrated the highest predictability for business bankruptcies when using one-year data in the empirical analysis. Second, when the empirical analysis is conducted using nine financial variables, the Decision Tree Model(J48), Logit Model(SimpleLogistics), ANN model, and Logit Model(Logistics) appeared to be good in predicting bankruptcies of KOSDAQ businesses, in that order. Third, the Decision Tree Model using just one-year data demonstrated higher predictability compared to the Decision Tree Model using combined data from two or three years.