초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

글로벌 금융 위기 이후 발생한 저축은행의 대규모 부실 사태로 인하여 정부의 막대한 공적 자금이 투입되었다. 이는 사회적인 비용 손실과 저축은행업에 대한 예금자의 신뢰를 잃는 등 금융시장에 상당한 영향을 미쳤다.
이러한 관점에서 볼 때 금융 감독당국이 사전에 부실 우려가 있는 저축은행을 발견하는 것이 상당히 중요하다는 것을 시사한다. 저축은행의 취약점과 위험 요소를 먼저 인식할 수 있다면 대주주에 대한 자본 증자 요구 등 적기 조치를 통하여 정리 비용을 효과적으로 줄일 수 있기 때문이다.
한편 일반 기업을 대상으로 ...

글로벌 금융 위기 이후 발생한 저축은행의 대규모 부실 사태로 인하여 정부의 막대한 공적 자금이 투입되었다. 이는 사회적인 비용 손실과 저축은행업에 대한 예금자의 신뢰를 잃는 등 금융시장에 상당한 영향을 미쳤다.
이러한 관점에서 볼 때 금융 감독당국이 사전에 부실 우려가 있는 저축은행을 발견하는 것이 상당히 중요하다는 것을 시사한다. 저축은행의 취약점과 위험 요소를 먼저 인식할 수 있다면 대주주에 대한 자본 증자 요구 등 적기 조치를 통하여 정리 비용을 효과적으로 줄일 수 있기 때문이다.
한편 일반 기업을 대상으로 인공신경망 등 기계학습을 이용한 부실 예측 연구는 꾸준히 진행되고 있으나, 저축은행을 대상으로 한 연구는 미비하다.
본 연구에서는 저축은행의 다양한 재무정보 등을 이용하여 부실에 가장 유의한 변수를 새롭게 선정하였다. 또한 최근에 많이 사용되고 있는 기계학습 방법을 활용하여 저축은행 부실 예측모형을 개발하고 성능을 비교하였다. 이를 위해 본 연구는 2010년부터 2015년까지 영업정지 된 부실 저축은행 30개사와 건전 저축은행 88개사의 반기 결산 자료를 표본으로 로지스틱 회귀분석, 인공신경망 및 서포트 벡터 머신을 이용하여 부실 예측모형을 개발하였다.
분석 결과 저축은행 부실에 유의한 영향을 미치는 변수는 t기 부실 예측모형의 경우 BIS자기자본비율, PF대출비중, 총 자산 및 5천만원 초과 예금 증가율이 유의수준 1% 이내로 영향을 주었으며, t-1기 모형에서는 BIS자기자본비율, PF대출비중 및 총 자산이 유의수준 1% 이내로 영향을 주는 것으로 확인되었다. 또한 예측모형에 대한 종합적인 성능 평가 결과는 t기, t-1기 모형 모두 전통적인 통계 기반의 로지스틱 회귀분석 모형보다 기계학습 기반의 인공신경망이 우수한 것으로 나타났다.

주제어