1997년 IMF 외환위기를 기점으로 국내의 기업과 노동시장에 대한 구조조정이 이루어지고, 2008년 세계 금융위기의 여파로 조선/해운 부문 기업들의 부실화가 진행되면서 정부의 공적자금이 투입되는 등 부실기업 문제는 국가의 사회-경제적 구조에 막대한 영향을 미치고 있다. 즉, 기업의 부실화는 기업의 이해관계자뿐만 아니라 국민경제적 입장에서도 큰 부담을 초래하는 사항이다.
기업의 부실화 문제에 대응하기 위하여 기업들은 국제회계기준을 2010년에 의무적으로 도입하였으며, 금융기관들은 선진금융기법인 바젤 협약 등을 도입하는 등 기업 신용위험의 체계적 관리를 위하여 투자와 노력을 기울이고 있다. 효과적인 신용위험 관리시스템의 개발과정에서 가장 중요한 요인은 기업의 신용도를 판정할 수 있는 평가모형의 예측정확성 및 신뢰성을 확보하는 문제이다. 기업부실 예측을 통해 사전 대응방안을 마련하는 것은 기업 이해관계자 뿐만 아니라 국민경제적 입장에서도 기업 부실화에 따른 손실과 충격을 최소화시킬 수 있는 역할을 한다.
이러한 기업부실화에 대한 예측정확성과 신뢰성을 확보한 평가모형의 개발은 회계 및 재무 분야에서 많은 연구들이 진행되어 왔다. 기업부실 예측 연구는 전통적인 통계기법과 데이터마이닝 기법 등을 이용하여 모형을 개발하고 있다.
본 연구는 로지스틱 회귀(Logistic Regression), 의사결정나무(Decision Tree), 인공신경망(Neural Networks) 등 통계적 기법과 데이터마이닝 기법을 이용하여 부실기업과 정상기업에 대한 기업부실 예측모형의 성과를 비교하였다.
분석을 위한 변수로는 기업 부실의 판정에 유용하게 활용되는 재무비율을 중심으로 수익성, 부채상환능력, 레버리지, 자본구조, 유동성, 활동성 및 규모 등을 나타내는 7개 재무비율을 활용하였다.
본 연구에서는 각 기법의 성과 차이의 분석을 위하여 10-Fold 교차타당성 비교를 10회 반복하여 100회의 교차타당성 검증을 수행하였으며, 실험 결과 인공신경망, 로지스틱 회귀, 의사결정나무의 순으로 예측모형의 성과가 우수하였다. 3개 모형간의 유의적인 성과차이를 확인하기 위해 분산분석과 사후분석을 통해 검증한 결과, 인공신경망 모형과 의사결정나무, 로지스틱 회귀모형의 예측정확도의 유의적인 차이는 발견되지 않았음을 검증하였다.
본 연구는 기업부실 예측모형에 활용된 통계적 모형의 제약성을 해결하기 위하여 DT 및 NN과 같은 데이터 마이닝 기법을 적용하였다. DT 및 NN 기법을 적용한 결과, 우수한 예측력을 보유한 기업부실 평가모형을 구성할 수 있다는 구축 가능성을 제시하였다. 그러나, 본 연구는 부실기업 표본수와 정상기업 및 부실기업의 데이터 불균형 문제 등의 한계점을 갖고 있다.