초록 열기/닫기 버튼
본 연구는 코스닥 시장의 상장폐지기업과 그에 따른 대응기업을 설정하여 상장폐지 예측모형을 구축하고자 한다. 사용하는 변수는 재무변수와 비재무변수이며, 사용되는 분석방법은 데이티마이닝 기법인 규칙유도기법과 인공신경망분석이다. 또한 분석에 사용된 자료는 원자료와 더불어 원자료를 통해 구간화된 두 개의 자료집합을 획득하여 분석함으로써 모형의 예측력을 향상시키고자 하였다. 분석결과 규칙유도기법의 최고 예측률은 구간화 2 자료를 이용하여 분석하였을 때 80.1%로 나타났으며, 비재무적 변수인 자본금변동이 가장 중요한 변수로 획득되었고 다음은 부채비율과 매출액변화율 그리고 최대주주변경으로 나타났다. 인공신경망을 통한 분석의 경우 역시 구간화 2 자료를 이용하였을 때 최고예측률 86%로 가장 높게 나타났으며, 당기순이익변화율이 상장폐지에 가장 크게 영향을 미치는 변수로 획득되었고 다음은 부채비율, 총자산회전율, 자기자본회전율, 자본금변동의 순으로 나타났다. 본 연구는 기존 연구들과 달리 코스닥 시장의 상장폐지 예측 모형에 관하여 분석을 진행하였고 비재무적 변수의 사용과 획득 자료의 구간화하여 데이터마이닝 기법인 규칙유도기법과 인공신경망을 이용하여 분석하였다. 이를 통해 모형 구축을 위한 예측력의 향상과 모형의 설명력을 향상시키는데 기여하였다.
This study sought to build a delisting prediction model by setting up delisted companies and matched companies in the KOSDAQ market. The variables used in this study were financial variables and non-financial variables; rule induction technique and artificial neural network analysis, which are data mining techniques, were utilized in this study as analysis methods. This study attempted to improve the prediction power of the model by analyzing through the procurement of source data and two data sets binned through the source data. Consequently, the highest prediction rate of the rule induction technique was 80.1% when the analysis was conducted using the two binned data sets. Capital change, which is a non-financial variable, was found to be the most important variable, followed by debt ratio, sales change rate, and largest shareholder change. Concerning the analysis through the artificial neural network, the highest prediction rate was 86% when the two binned data sets were used; net profit change rate was found to be the variable affecting delisting the most, followed by debt ratio, total assets turnover rate, turnover of net worth, and capital change. This study performed an analysis on the delisting prediction model in the KOSDAQ market, unlike existing studies. Actually, this study used a rule induction technique and an artificial neural network — which are data mining techniques - by utilizing the non-financial variables and binning the obtained data. Through all these, this study is expected to contribute to the improvement of prediction power to build a model and the model’s explanation power.
키워드열기/닫기 버튼
KOSDAQ, Delisting, Rule induction Technique, Neural Network
