다년간의 재무제표 값 변화를 활용한 부도 예측

Abstract

초 록

기업의 부도는 그 기업과 이해관계가 있는 종업원, 거래처 금융기관, 투자자, 채권자들에게 직접적인 손실과 실업발생 및 경제적 자원 낭비 등 수많은 사회적 손실을 초래한다. 따라서 부도를 예측하는 학문은 Altman(1968) 이후 다양한 학자에 의해 활발히 연구되었다. 이 연구분야의 주된 연구 대상은 부도에 가장 큰 영향을 미치는 주요 변인을 찾는 것과, 예측 성능이 높은 모델을 찾아내는 것이었다. 대부분 부도 직전연도나 과거 특정 시점의 재무비율 데이터를 활용하였으며, 인공신경망, SVM 등 Machine Learning의 Classification 모델들과 다변량 판별분석, 로짓 분석 등의 통계적 기법을 활용하여 예측 성능을 평가하였다. 한편, 재무비율 데이터를 프로파일 분석한 결과, 부도기업과 정상기업의 연도별 재무비율의 값의 변화에 연관 관계가 보였다. 예를 들어, 총자산증가율과 같은 수익성 비율이 정상기업은 꾸준히 증가하나, 부도기업은 부도시점이 다가올수록 감소하며, 부채비율은 반대의 경향을 보였다. 따라서, 연도별 값의 기울기를 유도 변수로 활용하여 예측 성능을 높일 수 있을 것이라는 가정 하에 본 연구를 진행하였다. 본 연구에서는 기존의 재무비율을 활용한 예측 성능과 제안한 재무제표 값의 연도별 변화 기울기를 활용한 방법간의 예측 성능을 비교하였다. Classification의 주요 모델인 Decision tree, Naïve bayes, Neural network, Support Vector Machine 모델을 활용하였으며, 10-fold cross validation 으로 성능을 검증하였다. 본 연구에서 제안한 기법은 기존 연구에서 주로 사용한 재무비율 변수를 활용했을 때 보다 Decision tree, Neural network, SVM 모델에서 예측 정확도가 높게 나왔다. 따라서, 기업 부도 예측시 다년간의 재무제표 값의 변화 기울기를 유도변수로 보다 유용하게 활용할 수 있을 것이다.