딥 러닝을 활용한 재무제표 상 회계부정 탐지기법 연구

Abstract

회계부정이란 기업들이 매출액을 과대 계상하거나 지출액을 축소, 자산을 허위로 계상, 부채 축소, 비정상적인 자금을 운용하는 등 복잡하고 다양한 방법으로 기업의 재무 상태를 의도적으로 조작하는 비도덕적인 불법 행위를 뜻한다.

대표적인 사례인 미국의 엔론 사의 경우를 보면 회계부정으로 인한 주가하락으로 주주와 채권자들이 큰 손해를 입었을 뿐만 아니라 노후대책으로 자사주를 보유하고 있던 많은 사원들에게 회사 부도로 막대한 피해를 입히는 등 기업의 회계부정은 비단 해당 기업의 부실 문제를 넘어 국가 경제적인 측면 뿐만 아니라 사회적으로도 큰 악영향을 미칠 수 있다는 사실을 확인할 수 있다.

그에 따라 이러한 회계부정을 방지할 수 있는 새로운 포렌식 어카운팅 기법을 연구함으로써 기업과 직·간접적으로 이해관계를 가지고 있는 투자자 및 국가기관, 일반 국민들의 피해를 미연에 방지 할 뿐만 아니라 사회적으로 건전한 기업회계 문화 조성을 통하여 지속가능 기업이 늘어날 수 있는 환경을 넓혀가는데 도움이 되고자 하는 바가 이 연구의 기본 목적이다.

이 연구에서는 회계 부정 가능성을 예측하는 지표로 주로 단일지표를 사용한 기존 연구와 달리 재무제표 전체데이터를 사용하고 딥 러닝 알고리즘을 활용한 지도학습 방법을 통하여 재무제표와 회계부정 사이의 연관성을 추적하고자 하였으며 학습자료로 금융감독원의 공시된 감리지적기업 데이터를 활용하였다.

본 논문에서는 공시된 재무제표 및 감리결과를 학습한 기계학습모델이 회계부정을 사전탐지할 수 있는 포렌식 어카운팅 기법을 소개하고자 한다. 우선 감리지적된 사항에 따라 분류한 학습데이터로 기계학습 모델을 지도학습시킨 뒤 새로운 기업의 재무제표로 결과를 예측하는 방법을 제안한다. 그 과정에서 예측의 정확도를 검증하기 위하여 별도의 평가데이터로 훈련된 모델의 정확도를 검증하는 절차를 수행하였다. 또한 의사결정나무, 랜덤포레스트, 서포트벡터머신 등 다양한 기계학습 모델을 적용하여 실험함으로써 학습데이터에 질에 의존할 수 밖에 없는 딥 러닝 모델의 단점을 보완하고자 노력하였다.

회계부정은 기업의 재무 상태를 허위로 조작함으로써 개인이나 기관 투자자뿐 아니라 사회 전체에 악영향을 미치게 된다. 이에 따라 국가에서는 회계부정 방지를 위하여 관련 법규 및 제도를 개선하기 위하여 관계 기관이 노력하고 있으며 위반 시 처벌수위도 점차 높이고 있는 추세이다. 그럼에도 불구하고 여전히 투자 유치나 자금 확보 등을 목적으로 한 회계부정이 끊이지 않고 있으며 이렇게 조작되어 공시된 재무제표를 금융기관이나 투자자가 기업평가에 사용하여 잘못된 판단을 내리는 악순환이 계속 이루어지고 있다. 따라서 감리 및 실사 이전에 이미 공시된 자료로 회계부정을 신속하게 예측할 수 있는 탐지기법의 필요성이 갈수록 증가할 것으로 예상된다.

Accounting fraud refers to unethical illegal activities in which companies intentionally manipulate a company's financial position in complex and diverse ways, such as overaccumulating sales, reducing spending, falsifying assets, reducing debts, and operating abnormal funds.

In the case of Enron Corp., a representative example of the US, not only has the shareholders and creditors suffered large losses due to the stock price depreciation due to accounting fraud, but also caused many employees who had treasury stocks to suffer tremendous damage due to corporate default. It can be seen that fraud can have a serious adverse impact not only on the insolvency issue of the company but also on the national economic side as well as on the social side.

Therefore, by studying new forensic accounting techniques that can prevent such accounting fraud, it is possible not only to prevent damage to investors, national institutions and the general public who have direct or indirect interests with the company, but also to prevent socially sound corporate accounting culture The purpose of this study is to help expand the environment in which sustainable companies can grow through the creation of new businesses.

The purpose of this study is to track the relationship between financial statements and accounting negativity by using the data of the entire financial statements and the guidance learning method using the deep learning algorithm, As a learning material, we utilized the audited intellectual enterprise data published by the Financial Supervisory Service.

In this paper, we propose a forensic accounting method that can detect financial negativity in advance by a machine learning model that learns published financial statements and audit results. First, we propose a method of predicting the results of a new company 's financial statements after learning the machine learning model with learning data classified according to the points indicated by the supervision. In order to verify the accuracy of the prediction, we performed a procedure to verify the accuracy of the model trained with separate evaluation data. In addition, we tried to apply various machine learning models such as decision tree, random forest, and support vector machine to make up for the shortcomings of the deep learning model which depends on the quality of learning data.

Accounting fraud negatively affects not only individual and institutional investors but also society as a whole by manipulating the financial condition of a corporation. Therefore, in order to prevent accounting fraud, related organizations are making efforts to improve relevant laws and regulations, and the level of punishment in violation is gradually increasing. Nevertheless, accounting fraud is still continuing for the purpose of attracting investment or securing funds, and a vicious cycle continues to occur in which financial institutions or investors use misleading financial statements to make corporate judgments. Therefore, it is expected that there will be an increasing need for detection techniques that can quickly predict accounting fraud as data already disclosed before the audits and audits.