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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 신민수
- 발행연도
- 2018
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
부도 예측 연구는 회계 및 금융 분야 등 여러 분야에서 꾸준히 관심을 가지는 이슈이다. 최근 비정형 데이터를 다루는 기술이 발전하면서 텍스트 분석을 통해 비즈니스 모델 예측에 적용하는 연구가 활성화됨에 따라 부도 예측 연구에서도 이를 활용한 연구가 늘어나고 있다. 특히 기업의 외부환경을 다루고 있는 뉴스 데이터를 감성분성으로 분석하여 부도 예측을 향상시키려는 노력이 활발히 이루어지고 있다. 그러나 실시간 대량으로 생성되는 뉴스들 중에서 어떤 뉴스들을 선별하는 것이 부도예측에 효과적인지에 대한 연구는 부족하였다.
본 연구에서는 부도예측에 미치는 영향이 높은 뉴스를 알아보고자 하였다. 이에 따라 뉴스를 유형별 분류, 수집 기간별 분류를 실시하고 감성분석 기반으로 부도예측에 미치는 영향을 분석하였다. 그 결과 사용된 알고리즘 중에서는 인공신경망이 가장 효과적이었으며, 뉴스의 유형에서는 해설 및 논평 뉴스 유형이 부도예측에 가장 효과적으로 나타났다. 칼럼, 스트레이트 유형도 유의하게 나타났지만, 사진 뉴스 유형은 유의하지 않은 것으로 관측되었다. 수집 기간별 뉴스에서는 부도 발생 전 4개월간의 뉴스가 부도 예측에 가장 효과적인 것으로 나타났다. 본 연구를 통해 뉴스 분류 방법에 따라 부도 예측에 미치는 영향이 다르다는 것을 알 수 있었다. 이에 따라 부도예측 모형에 효과적인 감성분석을 위한 뉴스 분류 방법을 제시하였다.
본 연구에서는 부도예측에 미치는 영향이 높은 뉴스를 알아보고자 하였다. 이에 따라 뉴스를 유형별 분류, 수집 기간별 분류를 실시하고 감성분석 기반으로 부도예측에 미치는 영향을 분석하였다. 그 결과 사용된 알고리즘 중에서는 인공신경망이 가장 효과적이었으며, 뉴스의 유형에서는 해설 및 논평 뉴스 유형이 부도예측에 가장 효과적으로 나타났다. 칼럼, 스트레이트 유형도 유의하게 나타났지만, 사진 뉴스 유형은 유의하지 않은 것으로 관측되었다. 수집 기간별 뉴스에서는 부도 발생 전 4개월간의 뉴스가 부도 예측에 가장 효과적인 것으로 나타났다. 본 연구를 통해 뉴스 분류 방법에 따라 부도 예측에 미치는 영향이 다르다는 것을 알 수 있었다. 이에 따라 부도예측 모형에 효과적인 감성분석을 위한 뉴스 분류 방법을 제시하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0