지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
금융 업계는 오랫동안 신용 리스크 관리의 중요성을 강조해 왔으며, 정확한 부도 예측은 이러한 리스크를 선제적으로 완화하기 위한 기본 요소라 할 수 있다. IMF 위기 이후 수많은 예측 방법론의 발전에도 불구하고 IT, 운송, 산업 구조의 지속적인 발전으로 새로운 위험 요인이 계속 등장하였다. 기업 부실이 이해관계자에게 미치는 영향을 고려할 때, 예측 정확도를 높이는 것은 여전히 중요한 연구 과제로 남아있다.
본 연구는 한국 수출입 물류기업에 특화된 신용평가 예측 모델을 개발하는 데 초점을 맞췄다. 기존의 신용평가 모델이 물류 회사의 특정 운영 및 재무 상황을 크게 간과하고 있는 점에 주목하여 보다 맞춤화된 예측 모델을 개발하였다. 이를 위해, 로지스틱 회귀, 의사결정나무, 랜덤 포레스트, XGBoost, LightGBM을 포함한 다양한 머신러닝 알고리즘을 사용하였으며, 이 모델들은 설명 가능한 인공지능(XAI) 기술을 통해 투명성과 해석 가능성을 개선하였다.
본 연구는 2010년부터 2022년까지의 한국 수출입 물류기업의 광범위한 재무 데이터를 분석하여, 정확한 신용 위험 평가를 위한 예측 프레임워크를 개발하는 것을 목표로 하였다. 연구 결과, 모델은 신용등급에 큰 영향을 미치는 주요 재무 요인들을 효과적으로 식별하였으며, 특히 레버리지 비율이 중요한 요인으로 나타났다. 따라서 변동성이 큰 시장에서 신용등급을 유지하고 개선하기 위해 정확한 신용 위험 평가와 효과적인 재무 전략 계획이 필요하다는 점을 강조한다.
본 연구는 신용 관리를 더 효과적으로 수행할 수 있도록 수출입 물류기업에 중요한 통찰력을 제공함으로써, 이해관계자가 정보에 입각한 의사결정을 내릴 수 있는 강력한 프레임 워크를 제공한다. 이를 통해 이 연구는 수출입 물류기업의 장기 재무 계획 수립에 도움이 되는 정교하고 실용적인 신용평가 예측 방법을 제시함으로써 시장의 재무 안정성과 수출입 물류기업의 효과적인 재무 리스크 관리에 기여할 수 있다.
본 연구는 한국 수출입 물류기업에 특화된 신용평가 예측 모델을 개발하는 데 초점을 맞췄다. 기존의 신용평가 모델이 물류 회사의 특정 운영 및 재무 상황을 크게 간과하고 있는 점에 주목하여 보다 맞춤화된 예측 모델을 개발하였다. 이를 위해, 로지스틱 회귀, 의사결정나무, 랜덤 포레스트, XGBoost, LightGBM을 포함한 다양한 머신러닝 알고리즘을 사용하였으며, 이 모델들은 설명 가능한 인공지능(XAI) 기술을 통해 투명성과 해석 가능성을 개선하였다.
본 연구는 2010년부터 2022년까지의 한국 수출입 물류기업의 광범위한 재무 데이터를 분석하여, 정확한 신용 위험 평가를 위한 예측 프레임워크를 개발하는 것을 목표로 하였다. 연구 결과, 모델은 신용등급에 큰 영향을 미치는 주요 재무 요인들을 효과적으로 식별하였으며, 특히 레버리지 비율이 중요한 요인으로 나타났다. 따라서 변동성이 큰 시장에서 신용등급을 유지하고 개선하기 위해 정확한 신용 위험 평가와 효과적인 재무 전략 계획이 필요하다는 점을 강조한다.
본 연구는 신용 관리를 더 효과적으로 수행할 수 있도록 수출입 물류기업에 중요한 통찰력을 제공함으로써, 이해관계자가 정보에 입각한 의사결정을 내릴 수 있는 강력한 프레임 워크를 제공한다. 이를 통해 이 연구는 수출입 물류기업의 장기 재무 계획 수립에 도움이 되는 정교하고 실용적인 신용평가 예측 방법을 제시함으로써 시장의 재무 안정성과 수출입 물류기업의 효과적인 재무 리스크 관리에 기여할 수 있다.
목차
Ⅰ. 서론
Ⅱ. 문헌연구
Ⅲ. 연구방법 및 모형
Ⅳ. 실증분석
Ⅳ. 결론
참고문헌
ABSTRACT
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Predicting the Relationship between Corporate Financial Information and Credit Rating Using Deep Learning
대한경영학회지
2018 .07
-
신용평가산업의 역사와 신용평가 관련 연구에 관한 고찰
경영사연구
2017 .01
-
Does Financial Performance Influence Credit Ratings? : An Analysis of Korean KRX Firms
대한경영학회지
2015 .11
-
전략적 일탈이 신용등급 불일치에 미치는 영향
상업교육연구
2022 .06
-
기업 신용위험과 기업간 거래신용의 연관성
전문경영인연구
2020 .01
-
머신러닝과 인공신경망을 활용한 수출제조기업 신용등급 예측연구
무역상무연구
2023 .05
-
코스닥 e-비즈니스 기업의 신용등급 변동이 자본구조에 미치는 영향에 대한 연구
e-비즈니스연구
2020 .06
-
신용평가업에 대한 규제강화는 기업 신용평가의 질을 향상시켰는가?
보험금융연구
2022 .02
-
청년층 소비자의 신용등급관리역량에 관한 연구
소비자정책교육연구
2017 .01
-
신용정보보호서비스 이용유무에 따른 신용카드 이용자의 신용관리역량 차이
Financial Planning Review
2018 .05
-
발표－기대신용등급 차이와 이익조정 관련성
세무와회계저널
2017 .01
-
[Company Insight] 대우건설 약속 지킬까_“지키느냐 못 지키느냐” 신용에 달렸다
더스쿠프
2022 .11
-
투자효율성이 신용등급에 미치는 영향
국제회계연구
2020 .02
-
중국 세관의 기업신용등급관리제도 시행에 따른 중국내 한국기업의 신용관리 제고방안 - 중국 세관총서 제237호령을 중심으로
관세학회지
2022 .05
-
소상공인 신용보증의 리스크 분석: 신용등급별 경기변동의 영향을 중심으로
재정정책논집
2022 .06
-
신용등급쇼핑과 기업가치
국제회계연구
2018 .02
-
소상공인 신용평가에서 비재무적 정보는 중요한가?
경영컨설팅연구
2016 .01
-
기업신용등급 예측을 위한 랜덤 포레스트의 응용
산업혁신연구
2016 .01
-
신규상장기업의 신용평가/신용평점이 상장 이후의 기업성과에 미치는 영향에 관한 연구
金融工學硏究
2020 .01
-
한국기업에서 운전자본관리가 기업신용등급에 미치는 영향
경영연구
2015 .01
이 논문과 함께 이용한 논문
한국에서의 민주화 과정 분석 : 전략적 선택이론을 중심으로
任爀伯
한국정치학회보
1990
.09
SK하이닉스의 동태적 경쟁우위에 관한 연구: HBM 사업을 중심으로
정현경
,
김장훈
비즈니스융복합연구
2024
.10
AI 시장 동향_확장하는 AI PC 생태계, 시장 확보하기 위한 조건은?
서재창
전자기술
2024
.10
창업기업가의 자존감, 우울감, 심리적 회복력이 창업 성과에 미치는 영향에 대한 실증분석
이정원
벤처창업연구
2024
.10
마이크로칩테크놀로지_PIC64 선보인 마이크로칩, ‘토탈 시스템 솔루션’으로 진보하다
서재창
전자기술
2024
.11
최근 본 자료
댓글(0)
0