원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
본 연구는 기계학습 모형을 활용하여 신용평가모형을 구축하고, 기존 로지스틱 모형 과 예측 성능을 비교하고자 한다. 모형 구축을 위한 분석 대상은 2000~2021년 나이 스신용평가 신용등급이 부여된 기업이며, 각 기업의 재무데이터를 활용한다. 결측치를 제거한 결과 최종적으로 13개의 변수와 3,970개의 관측치가 본 연구의 기계학습 모 형 구축에 사용되었다. 또한 투자 등급인 BBB 등급을 기준으로 기업에 대한 신용등 급을 예측한 결과 로지스틱 모형의 경우 총자본, 감가상각비, 매출액 순으로 결정 변 수가 나온 반면 랜덤포레스트와 그래디언트부스티드디시전트리(GBDT)의 경우 총자 본, 당기순이익, 총자산, 그리고 총자본, 당기순이익, 유동자산과 같이 기업 규모 및 현금흐름과 밀접한변수가 중요한 것으로 나타났다. 이어 기업 신용등급의 예측 성능 을 추정한 결과 기계학습 모형인 랜덤포레스트와 GBDT의 정확도 성능이 전통적인 로지스틱 모형에 비해 월등히 높다는 사실을 확인하였다.
목차
초록
Ⅰ. 서론
Ⅱ. 이론적 배경
2-1. 신용평가
2-2. 기계학습 알고리즘 소개
Ⅲ. 방법론 소개
Ⅲ-2. 설명변수
Ⅳ. 연구 결과
Ⅳ-1. 변수 중요도
Ⅳ-2. 전통 로지스틱 및 기계학습 알고리즘 성능 비교
Ⅳ-3. 전통 로지스틱 및 기계학습 알고리즘 비교 - 재벌기업집단 및 비재벌기업집단
Ⅴ. 결론
Ⅵ. 참고문헌
VII. 부록
Ⅰ. 서론
Ⅱ. 이론적 배경
2-1. 신용평가
2-2. 기계학습 알고리즘 소개
Ⅲ. 방법론 소개
Ⅲ-2. 설명변수
Ⅳ. 연구 결과
Ⅳ-1. 변수 중요도
Ⅳ-2. 전통 로지스틱 및 기계학습 알고리즘 성능 비교
Ⅳ-3. 전통 로지스틱 및 기계학습 알고리즘 비교 - 재벌기업집단 및 비재벌기업집단
Ⅴ. 결론
Ⅵ. 참고문헌
VII. 부록
저자정보
참고문헌
자료제공 : 네이버학술정보