선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 14(million$)로 나타났다. 본 연구에서는 PCA를 통한 기업실적 예측변수생성의 효과를 비교하기 위해 PCA를 통한 입력변수들의 차원축소 과정을 제외한 유전-신경망 예측모델을 같은 방법과 같은 학습데이터를 통해 구축하고 검증데이터를 통해 2013년도의 매출액을 예측해 보았다. 그 결과 매출액 예측치와 실제 매출액 사이의 MSE는 6120.
- 본 연구에서는 기업실적예측모델의 예측변수로 주로 활용되는 기업의 재무지표 및 실적지표들을 대상으로 주성분분석을 통해 새로운 예측변수 생성하고 그 유용성에 대해 분석하고자 한다. PCA를 통해 생성된 예측변수의 유용성을 실증적으로 분석하기 위해 기업의 재무정보를 수집하고 이를 바탕으로 유전알고리즘과 인공신경망을 활용한 기업실적예측 모델을 구축하고 그 성능을 분석한다.
- 본 연구에서는 기업의 실적을 예측하기 위한 정량적 예측모델을 제안하였다. 기업실적에 영향을 미치는 요인들은 매우 다양한데, 이를 모두 예측모델의 예측변수로 활용할 경우 변수들 사이의 상관성 및 교호작용으로 인해 예측성능이 떨어질 위험이 존재한다.
- 위와 같은 변수선택 알고리즘들은 다수의 예측변수들 중 소수의 변수들을 선정하는 방식이기 때문에 변수들을 제거하는 과정에서 유의미한 정보량을 손실할 가능성이 존재한다. 본 연구에서는 위와 같은 문제점을 해결하기 위해 다수의 예측변수들 중에서 특정 변수들을 선정하는 방식이 아닌 변수들이 가지고 있는 정보들을 최대한 확보 하는 적은 수의 새로운 변수들을 생성하는 PCA(Principle Component Analysis)를 활용한 기업실적 예측모델을 제안한다[4]. 본 연구에서는 제안된 예측모델을 구축하기위해 위해 51개 미국의 전기, 전자기업들을 대상으로 12년간의 기업실적 정보 및 재무정보를 수집하였다.
- 본 연구에서는 실제 기업데이터를 활용하여 제안한 예측모델을 구축하고 또 검증하기위해 수집한 데이터를 예측모델 구축을 위한 학습데이터와 예측성능 검증을 위한 검증데이터로 나누어 실험을 진행하였다. 앞서 기술한 바와 같이 본 연구에서는 특정연도의 재무지표와 기업실적 지표를 활용하여 4년 뒤의 기업 매출액을 예측하는 모델을 구축하고자 한다. 이 때문에 기업실적 예측변수와 매출액 사이에 4년의 시차를 주기위해 모델학습을 위한 학습데이터로는 2002~2008년도의 기업실적 예측변수와 2006~2012년도의 매출액이 사용되었다.
- 1년 전 또는 직전 분기의 기업 데이터를 통해 기업실적을 예측하는 경우 현시점과 예측시점 사이의 시간차가 짧기 때문에 기업 실적의 변동 폭이 크지 않아 예측모델의 예측성능을 파악하기가 어렵다. 이 때문에 본 연구에서는 제안된 예측모델의 예측성능을 더 잘 분석하기 위해 4년 전의 기업 실적 및 재무정보를 바탕으로 기업의 실적을 예측하고자 한다. 본 연구에서는 이와 같은 시차를 적용하기 위해 아래와 그림.
- 기업실적에 영향을 미치는 요인들은 매우 다양한데, 이를 모두 예측모델의 예측변수로 활용할 경우 변수들 사이의 상관성 및 교호작용으로 인해 예측성능이 떨어질 위험이 존재한다. 이러한 문제점을 해결하기 위해 본 연구에서는 주성분 분석을 통하여 다양한 예측변수들이 가지는 정보를 최대한 확보하는 새로운 예측변수를 생성하고 이를 모델구축에 활용하는 방법을 제안하였다. 모델 학습을 위한 알고리즘으로는 인공신경망을 활용하였으며 유전알고리즘을 통해 신경망의 노드 간 가중치를 조절하였다.
- 이와 같이 학습된 예측모델의 예측성능을 실증적으로 검증하기 위해 본 연구에서는 2009년도의 기업실적 및 재무데이터를 활용하여 구축된 예측모델을 통해 2013년도의 기업 매출액을 예측하고 실제 기업매출액과 비교해보았다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.