메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이근희 (전남대학교) 김강민 (전남대학교) 임회정 (전남대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제35권 제5호
발행연도
2024.9
수록면
585 - 596 (12page)
DOI
10.7465/jkdi.2024.35.5.585

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구에서는 기업의 재무제표를 활용하여 신용등급을 예측하기 위해 기계학습 기법들을 활용한다. 특성은 회사의 규모, 총부채 레버리지, 시장-장부가 비율, 영업이익률, 배당금 지급 여부 다섯 가지를 사용하였고 AAA 등급부터 D 등급까지 21개의 등급으로 숫자로 환산하여 classificatioin and regression trees, support vector regression, multiple linear regression 모델을 활용하여 예측하였다. 신용등급예측에 대한 실험결과는 모든 변수를 포함한 모델이 R²값 및 MSE에서 가장 뛰어났으나, 시가총액, 총부채 레버리지, 시장-장부가 비율 세 가지 변수의 모델은 가장 뛰어난 모델의 정확도에 근접하게 도달하였으며 단순성과 해석 가능성을 제공함으로 이 모델을 최종모델로 선정하였다. 해당 모델에 따르면 시가총액이 100억원 이하, 500억 원 이하, 4.8조 원 이하일 때 평균적으로 B+, BBB, A+의 신용등급을 배정받는다. 신용등급을 향상하기 위해서는 시가총액을 높이는 방법과 부채 레버리지 비율을 낮추는 방법이 신용등급을 올리는 데 효과적이었다.
#결정트리 #기계학습 #신용등급 #재무제표 #CART #credit ratings #decision tree #financial statements #machine learning

목차

요약
1. 서론
2. 방법론
3. 자료수집 및 변수 설정
4. 실험 및 실험평가
5. 결론 및 향후 연구방향
References
Abstract

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

SHAP을 이용한 설명 가능한 신용카드 연체 예측
김민중 ,  김승우 ,  문지훈 한국컴퓨터정보학회 학술발표논문집 2024 .01
빅데이터 모델 분석을 통한 주식시장에 대한 연구
서정환 ,  박재표 한국산학기술학회 논문지 2024 .11
금융 데이터 및 뉴스 기반 주식 평가시스템 구현
김준용 ,  손수호 ,  김신실 외 2명 한국컴퓨터정보학회 학술발표논문집 2024 .07

최근 본 자료

전체보기

댓글(0)

0