[논문]기준값 변화에 따른 기업신용평가모형 성능 비교

하정철; 김수진

doi:10.7465/jkdi.2015.26.6.1207

문제 정의

본 연구는 기업신용평가모형의 개발에 널리 사용되고 있는 모형개발방법론을 바탕으로 모형개발과정에서 부여되는 여러 조건들의 기준값 변화가 어떤 효과를 가져오는지 검증하고자 한다. 신용평점모형의 경우, 구간의 크기, 구간별 비율, 구간의 가중값, 선택 재무비율의 개수, 선택재무비율의 점수 등에 따라 무수히 많은 모형이 있을 수 있으므로 기준값의 변경이 모형의 성과에 어떤 영향을 주는지 확인하고자 한다.
기업신용평가모형에는 통계모형의 일종으로 재무제표 등 정량적인 정보를 이용한 재무모형 (financial model)과 정성적인 정보를 이용한 비재무모형 (non-financial model)으로 이루어져있다. 본 연구는 재무모형 개발에 관한 문제를 다루고 있다.
신용평점모형의 경우, 구간의 크기, 구간별 비율, 구간의 가중값, 선택 재무비율의 개수, 선택재무비율의 점수 등에 따라 무수히 많은 모형이 있을 수 있으므로 기준값의 변경이 모형의 성과에 어떤 영향을 주는지 확인하고자 한다. 부실예측모형의 경우 이상값 처리비율, 변수선택방법 등에 따른 효과를 확인하고자 한다. 기업규모별로 재무적 특성에 차이가 있으므로 여러 기업재무데이터에 대한 변수선택, 변수처리, 모형생성 등의 통계적 분석절차에서 조건의 기준값 변화에 따른 차이를 파악하여 향후 유사한 데이터에 대해 좀더 나은 변별력을 가진 신용평가모형을 구축하는데 도움이 되고자 하며, 연구 진행에 있어 각 기준값을 변경 할 때 모형생성절차 전체를 반복하여야하므로 소요시간을 단축하기 위해 SAS/MACRO를 활용하였다.
본 연구는 기업신용평가모형의 개발에 널리 사용되고 있는 모형개발방법론을 바탕으로 모형개발과정에서 부여되는 여러 조건들의 기준값 변화가 어떤 효과를 가져오는지 검증하고자 한다. 신용평점모형의 경우, 구간의 크기, 구간별 비율, 구간의 가중값, 선택 재무비율의 개수, 선택재무비율의 점수 등에 따라 무수히 많은 모형이 있을 수 있으므로 기준값의 변경이 모형의 성과에 어떤 영향을 주는지 확인하고자 한다. 부실예측모형의 경우 이상값 처리비율, 변수선택방법 등에 따른 효과를 확인하고자 한다.
예를들어, 자기자본비율이 클수록 좋은 기업인 것이 알려져 있는데 회귀계수가 양수가 되면 자기자본비율이 클수록 부도가 일어날 확률이 높아지는 모순이 생긴다. 이런 변수조합을 선택하지 않기 위해 본 연구에서는 부호비교를 하는 절차를 포함하는 스코어방법을 실시하였다. 기업규모1의 경우, 단계적선택법보다 스코어방법이 더 좋은 것을 알 수 있어 스코어방법의 결과만 Table 4.

제안 방법

3절에서 소개된 신용평점모형과 부실예측모형을 규모별 자료에 적용하여 여러 조건 변화에 따른 모형성과를 비교한다. 자료별 설명력이 떨어지는 과적합 문제를 방지하기 위해 각 표본별로 부도 및 업종에 따라 50%씩 층화추출하여 분할한 모형적합 자료 (training dataset)와 모형평가 자료 (validation dataset)를 만들었다.
본 연구에서는 재무모형 중 신용평점모형과 부실예측모형을 구축하고, 기업규모별 자료를 적용하여 모형의 성과를 비교하였다. SAS/MACRO를 활용하여 유의수준 변경, 구간선택 방법, 변수선택 방법, 최적모형선택 방법의 차이를 확인하였다. 이 분석을 통해 규모에 따라 선택되는 재무비율의 수와 최적의 모형 기준이 달라지는 것을 알 수 있었다.
기업규모1 자료에 이상값 처리를 달리하여 부도기업과 정상기업 간 재무비율이 유의수준 0.05에서 평균 차가 있는 유의한 재무비율의 개수를 비교하였다. 총 재무비율이 141개 중 이상값 처리비율이 커질수록 선택되는 재무비율의 수가 점차 많아지고 그 수가 88∼108개가 되는 것을 알 수 있었다.
넷째, 전 단계에서 선택된 재무비율 조합별로 로지스틱 회귀분석을 실시하여 변수설명이 가능한 변수 조합을 선택한다.
다섯째, 전 단계에서 선택된 재무비율 조합별로 로지스틱 회귀분석을 실시하여 변수설명이 가능한 변수조합을 선택한다. 즉, 재무비율별 대소에 따른 재정학적인 의미가 로지스틱 회귀계수 부호와 일치하는 경우만 선택한다.
이때 옵션을 명시하여 최대우도점수 (카이제곱)통계량으로 모형에 포함되는 변수의 크기를 제어할 수 있다. 모형의 해석을 쉽게 하기 위해 START옵션으로 모형에 포함되는 변수의 최소개수를 3으로 지정하고, STOP옵션으로 모형에 포함되는 변수의 최대개수를 8로 지정하여 사용하였다.
본 연구에서는 재무모형 중 신용평점모형과 부실예측모형을 구축하고, 기업규모별 자료를 적용하여 모형의 성과를 비교하였다. SAS/MACRO를 활용하여 유의수준 변경, 구간선택 방법, 변수선택 방법, 최적모형선택 방법의 차이를 확인하였다.
3절에서 소개된 신용평점모형과 부실예측모형을 규모별 자료에 적용하여 여러 조건 변화에 따른 모형성과를 비교한다. 자료별 설명력이 떨어지는 과적합 문제를 방지하기 위해 각 표본별로 부도 및 업종에 따라 50%씩 층화추출하여 분할한 모형적합 자료 (training dataset)와 모형평가 자료 (validation dataset)를 만들었다. 자료분석에는 통계패키지인 SAS 9.
종속변수는 기업의 부도여부에 대한 변수이며, 독립변수는 141개의 재무비율과 4개의 업종 (경공업, 중공업, 건설업, 서비스)으로 구성된 자료이다. 재무비율은 기업의 건전성에 영향을 주는 주요재무비율로 이루어져 있는데 대표적으로 자기자본비율, 부채비율 등 레버리지 관련 비율, 유동비율, 차입구조 등 유동성 관련 비율, 총자본회전율 등 활동성 관련 비율이 있다.

대상 데이터

본 연구에 사용된 자료는 1993년∼2003년 재무제표가 존재하는 법인사업자를 대상으로 규모에 따라 3가지로 나누었다.

데이터처리

둘째, 기업부도를 예측하기 위해 부도기업과 정상기업 간 구간가중값의 평균에 유의한 차이가 있는 재무비율이 필요하므로 T-test를 이용해 유의한 변수를 선택한다. 즉, 부도여부에 따른 구간가중값의 평균차검정을 실시한다.
둘째, 부도기업과 정상기업 간 재무비율의 평균에 유의한 차이가 있는 재무비율이 기업부도 예측에 필요하므로 T-test를 이용해 유의한 변수를 선택한다. 즉, 대체된 재무비율의 부도여부에 따른 평균차검정을 실시한다.
자료별 설명력이 떨어지는 과적합 문제를 방지하기 위해 각 표본별로 부도 및 업종에 따라 50%씩 층화추출하여 분할한 모형적합 자료 (training dataset)와 모형평가 자료 (validation dataset)를 만들었다. 자료분석에는 통계패키지인 SAS 9.3을 이용하였다. 실제 분석에서는 각 검정에서 유의수준을 0.
둘째, 부도기업과 정상기업 간 재무비율의 평균에 유의한 차이가 있는 재무비율이 기업부도 예측에 필요하므로 T-test를 이용해 유의한 변수를 선택한다. 즉, 대체된 재무비율의 부도여부에 따른 평균차검정을 실시한다.
둘째, 기업부도를 예측하기 위해 부도기업과 정상기업 간 구간가중값의 평균에 유의한 차이가 있는 재무비율이 필요하므로 T-test를 이용해 유의한 변수를 선택한다. 즉, 부도여부에 따른 구간가중값의 평균차검정을 실시한다.

이론/모형

부실예측모형의 경우 이상값 처리비율, 변수선택방법 등에 따른 효과를 확인하고자 한다. 기업규모별로 재무적 특성에 차이가 있으므로 여러 기업재무데이터에 대한 변수선택, 변수처리, 모형생성 등의 통계적 분석절차에서 조건의 기준값 변화에 따른 차이를 파악하여 향후 유사한 데이터에 대해 좀더 나은 변별력을 가진 신용평가모형을 구축하는데 도움이 되고자 하며, 연구 진행에 있어 각 기준값을 변경 할 때 모형생성절차 전체를 반복하여야하므로 소요시간을 단축하기 위해 SAS/MACRO를 활용하였다.
첫째, 재무비율별로 구간배분한 후 구간가중값을 부여한다. 본 논문에서는 같은 크기로 구간을 배분하는 등간격방법 (uniform method)과 중앙으로 갈수록 구간의 비중을 크게 하여 중앙값을 중심으로 양쪽이 대칭이 되도록 구간을 배분하는 중앙가중치방법 (unimodal method)을 이용하였다. 예를들어, 자기자본비율의 등간격 5구간에서는 모형개발자료의 자기자본비율 최소값에서 20백분위수까지 0.

성능/효과

중앙가중치방법보다 등간격방법이 더 나은 결과를 보이며 구간의 개수에 따른 차이는 크지 않은 것을 알 수 있다. Validation AR 기준으로 등간격 8구간의 결과가 가장 좋게 나타남을 알 수 있었다.
3에 나타내었다. Validation AR 통계량으로 비교한 결과 등간격 8구간의 결과가 가장 좋게 나타났다. AR과 일치율의 순서가 같은 것을 알 수 있어 이후 표에서는 일치율을 생략하였다.
결과는 생략하였으나 기업규모2는 등간격 6구간, 기업규모3은 등간격 10구간에서 가장 좋은 결과가 나타났고, 기업규모1과 마찬가지로 등간격방법이 중앙가중치방법보다 우수한 결과가 나타남을 알 수 있었다. 그러나, 기업규모가 작아질수록 AR이 크게 줄어들었다.
기업규모별 자료를 신용평점모형과 부실예측모형에 적용한 결과, 기업의 규모가 작아질수록 모형의 성과가 떨어지는 것을 확인할 수 있었다. 큰 기업일수록 재무자료의 신뢰도가 높고 비재무적인 요소에 의해 부도가 발생할 가능성이 낮기 때문인 것으로 해석할 수 있다.
다섯째, 전 단계에서 선택된 재무비율 조합 중 AR이 가장 큰 재무비율 조합이 최종 선택 재무비율이 된다. 최종 선택된 재무비율을 모형 구축에 사용하여 나타난 확률을 통해 부도 가능성을 결정한다.
4에 나타내었다. 등간격 6구간일 경우 AR이 가장 크게 나타났으며, 결과는 생략하였으나 기업규모3의 경우도 이와 비슷함을 알 수 있었다.
그러나, 규모와 상관없이 중앙가중치방법을 쓰는 것보다 등간격방법이 우수한 것으로 나타나 향후 모형 개발에는 등간격 8구간을 사용하는 것이 바람직한 것으로 판단된다. 변수선택방법은 대규모 기업은 부호를 고려한 스코어방법이 더 좋은 성과가 나타났고 중소규모 기업의 경우는 부호를 고려하지 않은 단계적선택법이 더 좋은 성과가 나타났으나 그 차이가 적었다. 평점모형에서는 선택된 재무비율에 대한 해석의 어려움을 줄일 수 있도록 부호를 고려한 스코어 방법을 활용하는 것이 좋을 것이다.
부실예측모형 구축 시 이상값 처리비율을 10%로 하는 것이 가장 좋은 성과가 나오는 것을 알 수 있었다. 그러나 자료의 신뢰도가 떨어지는 소규모 기업의 경우 그 비율을 15%까지 늘리는 것도 고려해야한다.
셋째, T-test에서 유의한 변수와 업종을 나타내는 가변수 중에서 스코어를 기준으로 기업부도를 잘 설명하는 조합을 생성한다.
셋째, 구간가중값이 증가함에 따라 부도율이 일관되게 변하는 변수가 부도 예측에 유용하므로 전 단계에서 선택된 변수 중에서 구간가중값과 부도율간 회귀식에서 기울기의 유의성을 검정하는 ‘기울기 유의성 검정’을 통해 유의한 변수를 선택한다.
신용평점모형 구축 시 등간격으로 구간을 배분하여 만든 모형에서 좋은 결과가 나타났고, 규모별로 선택되는 구간의 수가 달라짐을 확인할 수 있었다. 그러나, 규모와 상관없이 중앙가중치방법을 쓰는 것보다 등간격방법이 우수한 것으로 나타나 향후 모형 개발에는 등간격 8구간을 사용하는 것이 바람직한 것으로 판단된다.
여섯째, 전 단계에서 선택된 재무비율 조합 중 AR이 가장 큰 재무비율조합이 최종 모형에 포함되는 재무비율이 된다. 최종 선택 재무비율의 배점은 로지스틱 회귀계수의 절대값에 비례하여 그 합이 100이 되도록 변환한 값으로 정한다.
SAS/MACRO를 활용하여 유의수준 변경, 구간선택 방법, 변수선택 방법, 최적모형선택 방법의 차이를 확인하였다. 이 분석을 통해 규모에 따라 선택되는 재무비율의 수와 최적의 모형 기준이 달라지는 것을 알 수 있었다. 본 논문에서 모형의 성과비교에 AR을 사용하였으나 AR과 일치율이 동시에 커지는 것을 확인하였기 때문에 AR이 아닌 일치율을 사용하여 모형의 성과를 비교하여도 무방하다.
2는 기업규모1 자료에서 T-test 평균차가 유의한 재무비율을 대상으로 단계적선택법을 이용하여 신용평점모형을 구축한 결과이다. 중앙가중치방법보다 등간격방법이 더 나은 결과를 보이며 구간의 개수에 따른 차이는 크지 않은 것을 알 수 있다. Validation AR 기준으로 등간격 8구간의 결과가 가장 좋게 나타남을 알 수 있었다.
총 재무비율이 141개 중 이상값 처리비율이 커질수록 선택되는 재무비율의 수가 점차 많아지고 그 수가 88∼108개가 되는 것을 알 수 있었다.

후속연구

규모에 따라 재무자료의 특성이 달라 서로 다른 결과가 나오므로 해당 자료의 특성을 파악하고 본 논문의 결과를 참고하거나 유사한 방법으로 최적의 방법을 찾으면 변별력 있는 모형 개발에 도움이 될 것 이다.
신용평점모형 구축 시 등간격으로 구간을 배분하여 만든 모형에서 좋은 결과가 나타났고, 규모별로 선택되는 구간의 수가 달라짐을 확인할 수 있었다. 그러나, 규모와 상관없이 중앙가중치방법을 쓰는 것보다 등간격방법이 우수한 것으로 나타나 향후 모형 개발에는 등간격 8구간을 사용하는 것이 바람직한 것으로 판단된다. 변수선택방법은 대규모 기업은 부호를 고려한 스코어방법이 더 좋은 성과가 나타났고 중소규모 기업의 경우는 부호를 고려하지 않은 단계적선택법이 더 좋은 성과가 나타났으나 그 차이가 적었다.

핵심어	질문	논문에서 추출한 답변
	기업신용평가모형의 특징은?	기업신용평가모형 (corporate credit rating model)은 차주의 규모에 따라 부도율과 특성지표가 상이하며, 업종 특성에 따라 위험요소 및 기준이 차별화된다. Chung (2008)은 여러 가지 통계적 방법으로 부실기업 예측 변별력이 높은 신용평가모형의 구축에 대해 연구하여 신용평점모형과 로지스틱 회귀모형 그리고 두 모형을 혼합한 모형을 SAS와 EXCEL을 이용하여 구축하였다.
	기업신용평가란?	기업신용평가 (corporate credit rating)는 기업의 전반적인 채무상환능력을 평가하여 기업신용등급을 부여하는 것으로 금융기관에 있어 대출여부 및 대출금리 등을 결정하는 중요한 근거가 된다. 은행을 비롯한 금융회사들은 수익성을 제고하고 효과적인 경영을 위해서 신용평가시스템을 통해 경영손실을 최소화시키는 것을 중요하게 인식하고 있다.
	오분류표의 특징은?	즉, 종속변수의 범주별로 이를 제대로 분류한 빈도와 그렇지 못한 빈도를 함께 제시한 표이다 (Stokes 등, 2000). 이는 모형의 우·불량 예측성능을 이해하기 위한 가장 기본적이고 단순한 방법으로 종속변수의 범주가 c개인 경우 c × c개의 셀로 이루어진 표 형식을 취한다. (Berry와 Linoff, 1997).

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

기준값 변화에 따른 기업신용평가모형 성능 비교
Comparisons of the corporate credit rating model power under various conditions 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

기준값 변화에 따른 기업신용평가모형 성능 비교 Comparisons of the corporate credit rating model power under various conditions 원문보기

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

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

하정철 (15)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

기준값 변화에 따른 기업신용평가모형 성능 비교
Comparisons of the corporate credit rating model power under various conditions 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper