본 논문은 이분류 예측 모형인 로지스틱 회귀모형(Logistic RegressionModel)과 생존분석 기법 중 Cox 비례위험모형(...
본 논문은 이분류 예측 모형인 로지스틱 회귀모형(Logistic RegressionModel)과 생존분석 기법 중 Cox 비례위험모형(Cox Proportional Hazard Model)을 이용하여 상호저축은행 부실예측모형을 도출하고 도출된 모형의 예측력을 비교하였다. 이를 위해 2002년 6월말부터 2008년 12월까지의 기간 동안 영업이 정지된 이후 소멸된 은행을 도산기업군, 정상 영업 중인 기업을 건전기업군의 표본으로 하였고, 설명변수로는 현행 CAMEL 지표 및 은행의 총자산과 같은 규모 변수를 이용하였다. 또한, 부실 저축은행의 표본기간을 영업정지시점 대비 1년 이내, 2년 이내로 변경하면서 부실원인 변수의 변화 여부를 분석하였다.
연구결과 로지스틱 회귀모형에서는 부실 저축은행의 표본기간이 영업정지시점 대비 1년 이내인 경우 총자산순이익률만이 유의한 설명변수로 채택되었으나 2년 이내로 확대할 경우 손실위험도가중여신비율이 새로운 설명변수로 추가되었다. Cox 비례위험모형에서는 1년 이내인 경우와 2년 이내인 경우 모두 동일하게 BIS기준기본자본비율과 손실위험도가중여신비율이 선택되었다. 각 분석방법에서 부실 저축은행의 표본이 영업정지시점 대비 1년 이내일 때와 2년 이내일 때의 예측력이 비슷했고, 로지스틱 회귀모형이 비례위험모형에 비해 예측력이 약간 좋았으나 유의한 차이라고 볼 수는 없었다. 이는 부실 저축은행의 수가 적고, 도산 이외에 중도 절단된 자료가 존재하지 않았기 때문이라고 판단된다.
본 연구는 기존의 선행연구에서 행해졌던 로지스틱모형과 생존분석 기법인 Cox 비례위험모형을 통해 최근 저축은행 자료로 부실화에 영향을 주는 설명변수를 다시 찾아보고, 부실표본기간을 확대하여 저축은행 부실화의 원인을 살펴보았다는데 의의가 있다.
본 논문은 이분류 예측 모형인 로지스틱 회귀모형(Logistic Regression Model)과 생존분석 기법 중 Cox 비례위험모형(Cox Proportional Hazard Model)을 이용하여 상호저축은행 부실예측모형을 도출하고 도출된 모형의 예측력을 비교하였다. 이를 위해 2002년 6월말부터 2008년 12월까지의 기간 동안 영업이 정지된 이후 소멸된 은행을 도산기업군, 정상 영업 중인 기업을 건전기업군의 표본으로 하였고, 설명변수로는 현행 CAMEL 지표 및 은행의 총자산과 같은 규모 변수를 이용하였다. 또한, 부실 저축은행의 표본기간을 영업정지시점 대비 1년 이내, 2년 이내로 변경하면서 부실원인 변수의 변화 여부를 분석하였다.
연구결과 로지스틱 회귀모형에서는 부실 저축은행의 표본기간이 영업정지시점 대비 1년 이내인 경우 총자산순이익률만이 유의한 설명변수로 채택되었으나 2년 이내로 확대할 경우 손실위험도가중여신비율이 새로운 설명변수로 추가되었다. Cox 비례위험모형에서는 1년 이내인 경우와 2년 이내인 경우 모두 동일하게 BIS기준기본자본비율과 손실위험도가중여신비율이 선택되었다. 각 분석방법에서 부실 저축은행의 표본이 영업정지시점 대비 1년 이내일 때와 2년 이내일 때의 예측력이 비슷했고, 로지스틱 회귀모형이 비례위험모형에 비해 예측력이 약간 좋았으나 유의한 차이라고 볼 수는 없었다. 이는 부실 저축은행의 수가 적고, 도산 이외에 중도 절단된 자료가 존재하지 않았기 때문이라고 판단된다.
본 연구는 기존의 선행연구에서 행해졌던 로지스틱모형과 생존분석 기법인 Cox 비례위험모형을 통해 최근 저축은행 자료로 부실화에 영향을 주는 설명변수를 다시 찾아보고, 부실표본기간을 확대하여 저축은행 부실화의 원인을 살펴보았다는데 의의가 있다.
This study focused on analyzing causes of Mutual Savings Bank insolvency and developing a model which could predict Savings Bank failures using Logistic Regression Model and Cox Proportional Hazard Model. In Order to locate variables which could lead to bankruptcy of Savings Banks, this study used 1...
This study focused on analyzing causes of Mutual Savings Bank insolvency and developing a model which could predict Savings Bank failures using Logistic Regression Model and Cox Proportional Hazard Model. In Order to locate variables which could lead to bankruptcy of Savings Banks, this study used 18 independent variables including quantifiable indices such as Capital adequacy, Asset quality, Earnings, Liquidity. This paper also studies whether or not independent variables which predict the insolvent Savings Banks change as the definition of an insolvent Savings Bank, a dependent variable changes.
Empirical results show that both Logistic Regression and Proportional Hazard Model are hardly influenced by changing the definition of an insolvent Savings Bank.
We find that the prediction performance of Logistic Regression Model is better than that of Proportional Hazard Model because the censored data in Financial Statistics Information System is rare.
This study has a meaning that reestablishes the variables which are related to insolvency of Savings Banks by using Logistic Regression Model, Proportional Hazard Model and exploring the causes of Savings Bank insolvency.
This study focused on analyzing causes of Mutual Savings Bank insolvency and developing a model which could predict Savings Bank failures using Logistic Regression Model and Cox Proportional Hazard Model. In Order to locate variables which could lead to bankruptcy of Savings Banks, this study used 18 independent variables including quantifiable indices such as Capital adequacy, Asset quality, Earnings, Liquidity. This paper also studies whether or not independent variables which predict the insolvent Savings Banks change as the definition of an insolvent Savings Bank, a dependent variable changes.
Empirical results show that both Logistic Regression and Proportional Hazard Model are hardly influenced by changing the definition of an insolvent Savings Bank.
We find that the prediction performance of Logistic Regression Model is better than that of Proportional Hazard Model because the censored data in Financial Statistics Information System is rare.
This study has a meaning that reestablishes the variables which are related to insolvency of Savings Banks by using Logistic Regression Model, Proportional Hazard Model and exploring the causes of Savings Bank insolvency.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.