earticle

한국어

본 연구에서는 그래프 신경망 모형을 포함한 6개의 기계학습모형을 활용하 여 한국 기업의 신용변동을 예측하였다. 이를 예측하기 위해 수익성, 성장성, 안정성, 활동성 지표들을 활용하였고, 주성분 분석을 진행하여 지표별로 두 개씩 활용하였다. 또한, 신용등급변동이 없는 경우가 대다수인 불균형 데이 터를 처리하기 위해 SMOTE 방법론을 활용하여 데이터를 오버샘플링하였 다. 본 연구에서는 산업구조를 반영하기 위해 이를 나타내는 법인형태, 데이 터 시점, 현재 신용등급과 업종의 네 분류로 나누어 모형을 만들고 이를 최 종적으로 앙상블하여 예측 결과를 도출하였다. 결과를 살펴보면, 모든 모형 이 데이터 비중에 맞게 선택하는 벤치마크 모형보다 우수하고, 그래프 신경 망 모형이 특히 더 우수한 성능을 나타내는 것을 확인할 수 있다. 또한, 변 수 중요도를 분석한 결과, 성장성 지표와 활동성 지표가 중요한 것을 확인할 수 있었고, 그래프 신경망에서는 업종 그래프와 법인형태 그래프가 성능이 좋은 것을 확인할 수 있었다.