생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
국문초록
목차
I. 서론 10
1.1. 연구의 목적 10
1.1.1. 기업 파산 예측 11
1.1.2. 주가 예측 12
1.2. 연구 내용 15
1.2.1. 파산 예측 15
1.2.2. 주가 예측 16
II. 관련 연구 18
2.1. 기업 파산 예측 관련 연구 18
2.2. 주가 예측 관련 연구 36
III. 문제 기술과 데이터 설명 57
3.1. 기업 파산 예측 57
3.2. 주가 예측 64
IV. 실험 및 결과 68
4.1. 파산 예측 모델 68
4.1.1. 적응형 부스팅을 이용한 파산 예측 모델 68
4.1.2. 실험 방법 70
4.1.3. 실험 결과 71
4.2. 주가 예측 모델 75
4.2.1. 실험 방법 75
4.2.2. 실험 결과 76
4.2.3. 결과의 통계적 검증 78
V. 결론 81
참고문헌 83
ABSTRACT 106
〈표 1〉 파산 기업의 파산 직전 년도 재무 정보 59
〈표 2〉 정상 기업의 2011년도 재무 정보 59
〈표 3〉 모델 변수 60
〈표 4〉 건설 기업의 모델 변수들에 대한 기술적 분석 61
〈표 5〉 건설 기업의 모델 변수들에 대한 상관관계 61
〈표 6〉 파산 기업 비율 62
〈표 7〉 2013년 3분기 KOSPI 200개 기업 데이터 65
〈표 8〉 삼성전자의 재무 정보와 주가 65
〈표 9〉 삼성전자 데이터 전처리 결과 66
〈표 10〉 학습/테스트 데이터 67
〈표 11〉 파산 예측 결과 72
〈표 12〉 파라미터에 따른 SVM 예측 정확도 입력＝{EPS, BPS} 75
〈표 13〉 예측 결과 - 예측 정확도 평균과 표준편차 77
〈그림 1〉 규모에 따른 파산 기업의 수와 비율 63
〈그림 2〉 기업 규모별 모델의 예측 성공률 73
〈그림 3〉 모델별 예측 성공률 73
초록보기 더보기
갈수록 복잡해지고 고도화되는 기업경영 환경에서 올바른 경영 예측이 기업의 생존과 발전에 있어서 무엇보다 중요해지고 있다. 아울러 쏟아지는 데이터를 적절하게 분류하고 분석하여 가치 있는 정보를 도출하고 예측할 수 있는 기계 학습 기법이 나날이 발전하고 있다. 이에 따라 본 논문은 기업의 재무제표 등 재무 정보와 주가데이터를 활용하여 기계 학습 기법으로 기업파산 예측 및 주가 예측과 같은 경영 예측 응용을 제안한다.
최근 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 산업별 특성을 잘 고려하고 있지 못하다. 건설업은 오랜 사업 기간과 대규모 투자, 그리고 투자 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 본 논문은 건설 기업을 규모에 따라 세 등급으로 분류하고 각 기법들의 예측 능력을 비교하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.
주식 시장 예측은 금융 시계열 예측의 흥미롭고 도전적인 연구 주제로 학계와 비즈니스에서 많은 주목을 받아 왔다. 주식 시장을 효율적으로 예측하는 것은 투자자들에게 매우 중요한 문제이다. 정확한 예측 알고리즘은 투자자들에게 수익 창출과 손실 회피를 가져다 줄 수 있다. 전통적인 시계열 분석으로 주식 시장을 예측하는 것은 어렵다는 것이 입증되었다. 그 대안으로 기계 학습이 부상하고 있다. 기계 학습은 컴퓨터를 학습시켜 분류나 예측에 사용하는 기술이다. 그 중 SVM은 빠르고 신뢰할만한 기계 학습 방법으로 분류나 예측에 널리 사용되고 있다. 본 논문에서는 재무 정보를 기반으로 SVM을 이용하여 주식 가격의 예측력을 검증하였다. 이를 통해 회사의 내재 가치를 나타내는 재무정보가 주식 가격 예측에 얼마나 효과인지를 평가할 수 있다. 회사 재무 정보를 SVM의 입력으로 하여 주가의 상승이나 하락 여부를 예측하고, 다른 기법과의 비교를 위해 전문가 점수와 기계 학습방법인 인공신경망, 결정나무, 적응형부스팅을 통한 예측 결과와 비교하였다. 비교 결과 SVM의 성능이 실행 시간이나 예측력 면에서 모두 우수하였다.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
