원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
최근 신용위험관리 분야에서 지능형 시스템을 활용하는 연구들이 활발하게 이루어지고 있다. 예측모델을 구현하기 위해서 다양한 머신러닝 기법을 활용하는데, 일반적으로 시계열적인 입력 특성을 활용하지 못하고 예측 시점이 한정적이라는 한계점이 있다. 또한 회사채 신용등급 예측의 경우 비교적 규모가 큰 기업들만 회사채 신용등급이 부여되기 때문에 기업 선정이 한정적이다. 본 연구는 국내 기업들의 신용평점 정보와 재무적, 비재무적 정보를 시계열적으로 활용하여 현재 시점에서 예측 시점을 자유롭게 조절할 수 있는 예측 모델을 구현하고자 한다. 본 연구는 2000~2017년 총 18년간의 2,362개의 기업 정보와 KIS 신용평점을 활용하는 한편 다양한 재무적 특성을 슬라이딩 윈도우 기법을 통해 시계열적으로 입력 변수로써 적용했다. 연구의 타당성을 높이기 위해 전통적으로 활용되었던 머신러닝 기법들과 최근 활발한 연구가 진행되고 있는 딥러닝 분석 기법까지 비교 분석했다. 분석 결과 RNN 기반 stateful LSTM 분석 기법으로 기존 회사채 신용등급 예측모형에 비교적 성능이 우수한 신용평점 예측 모델을 구현할 수 있었다.
목차
Abstract
Introduction
Literature
1) 기업 부도 예측
2) 신용 등급 예측
3) 시계열 예측 모델
Methods
1) 데이터
2) 분석
Result
1) 모델 평가 및 선정
2) 라벨 재분류
3) 예측 시점 확장
Conclusion
References
Introduction
Literature
1) 기업 부도 예측
2) 신용 등급 예측
3) 시계열 예측 모델
Methods
1) 데이터
2) 분석
Result
1) 모델 평가 및 선정
2) 라벨 재분류
3) 예측 시점 확장
Conclusion
References
저자정보
참고문헌
자료제공 : 네이버학술정보