[논문]시계열 예측을 위한 LSTM 기반 딥러닝: 기업 신용평점 예측 사례

이현상; 오세환

doi:10.5859/kais.2020.29.1.241

시계열 예측을 위한 LSTM 기반 딥러닝: 기업 신용평점 예측 사례
LSTM-based Deep Learning for Time Series Forecasting: The Case of Corporate Credit Score Prediction

정보시스템연구 = The Journal of information systems, v.29 no.1, 2020년, pp.241 - 265

Abstract ▼ AI-Helper

Purpose Various machine learning techniques are used to implement for predicting corporate credit. However, previous research doesn't utilize time series input features and has a limited prediction timing. Furthermore, in the case of corporate bond credit rating forecast, corporate sample is limited because only large companies are selected for corporate bond credit rating. To address limitations of prior research, this study attempts to implement a predictive model with more sample companies, which can adjust the forecasting point at the present time by using the credit score information and corporate information in time series. Design/methodology/approach To implement this forecasting model, this study uses the sample of 2,191 companies with KIS credit scores for 18 years from 2000 to 2017. For improving the performance of the predictive model, various financial and non-financial features are applied as input variables in a time series through a sliding window technique. In addition, this research also tests various machine learning techniques that were traditionally used to increase the validity of analysis results, and the deep learning technique that is being actively researched of late. Findings RNN-based stateful LSTM model shows good performance in credit rating prediction. By extending the forecasting time point, we find how the performance of the predictive model changes over time and evaluate the feature groups in the short and long terms. In comparison with other studies, the results of 5 classification prediction through label reclassification show good performance relatively. In addition, about 90% accuracy is found in the bad credit forecasts.

주제어

질의응답

핵심어	질문	논문에서 추출한 답변
	회사채 신용등급과 달리 기업 신용평점이 신용위험관리 연구에서 척도로써 유용하게 사용되고 있는 이유는 무엇인가?	회사채 신용등급과 달리 기업 신용평점은 단순한 표기법을 사용하여 손쉽게 해석이 가능하고 적용되는 기업이 광범위하기 때문에 신용위험관리 연구에 있어서 척도로써 유용하게 사용되고 있다(조현우 등, 2005: 전성일과 이기세,2010). 그러나 국내에서 회사채 신용등급 예측모델 연구는 활발하게 진행 중인 반면 신용평점 예측모델 연구는 현재까지 제한적인 상황이다.
	지금까지의 기업 신용위험 예측 모델 연구가 가진 한계점은 무엇인가?	, 2003; 나영과 진동민, 2003; 박형권 등, 2018), 최근에는 지능형 정보 시스템의 급부상으로 머신러닝(machine learning) 기법을 활용한 신용등급 예측모델 연구들이 등장하고 있다(안현철, 2014;김성진과 안현철, 2016; 최병설과 김남규,2019; 이륜경 등, 2019). 그러나 지금까지의 기업 신용위험 예측 모델 연구는 시계열적인 입력 특성을 활용하지 못하고 예측 시점이 한정적이라는 한계점이 있다(김성진과 안현철,2016; Kim and Ahn, 2012; Chaudhuri and De,2011; Guo et al., 2012; Barboza et al, 2017).
	신용위험에 대한 요인분석을 할 때 KIS 신용평점(기업 신용평점)을 활용하는 이유는 무엇인가?	, 2003; 나영과 진동민, 2003; 박형권 등, 2018), 최근에는 지능형 정보 시스템의 급부상으로 머신러닝(machine learning) 기법을 활용한 신용등급 예측모델 연구들이 등장하고 있다(안현철, 2014;김성진과 안현철, 2016; 최병설과 김남규,2019; 이륜경 등, 2019). 그러나 지금까지의 기업 신용위험 예측 모델 연구는 시계열적인 입력 특성을 활용하지 못하고 예측 시점이 한정적이라는 한계점이 있다(김성진과 안현철,2016; Kim and Ahn, 2012; Chaudhuri and De,2011; Guo et al., 2012; Barboza et al, 2017). 또한, 회사채 신용등급은 비교적 규모가 큰 기업들을 대상으로 부여되는 것이기 때문에 기업선정에 있어서도 한정적이다.

참고문헌 (61)

김성진, 안현철, "기업신용등급 예측을 위한 랜덤 포레스트의 응용," 산업혁신연구, 32권, 1호, 2016, pp. 187-211.
김영태, 김명환, "인공신경망을 활용한 부실기업 예측모형에 관한 연구," 회계연구, 6권, 1호, 2001, pp. 275-294.
김진성, "무디스 '한국, 무더기 신용강등' 경고," 한국경제, https://www.hankyung.com/finance/article/2019111986551, 2019
김태정, 문남희, 문성주, "회사채 신용등급 예측에 관한 연구," 회계정보연구, 21권, 2003, pp. 25-59.
나영, 진동민, "IMF 이후 신용등급예측에 있어서 재무정보의 유용성," 회계정보연구, 21권, 2003, pp. 211-235.
노태협, 유명환, 한인구, "러프집합이론과 사례 기반추론을 결합한 기업신용평가 모형," 한국정보시스템학회, 정보시스템연구, 14권, 1호, 2005, pp. 41-65.

원문보기 상세보기
박형권, 강준영, 허성욱, 유동현, "국내 회사채 신용 등급 예측 모형의 비교 연구," 응용통계연구, 31권, 3호, 2018, pp. 367-382.

원문보기 상세보기
이륜경, 정남호, 홍태호, "딥러닝을 이용한 온라인 리뷰 기반 다속성별 추천 모형 개발," 28권, 1호, 2019, pp. 97-114.

원문보기 상세보기
이성효, "M&A 대상기업의 재무 상태에 관한 실증적 연구," 경영경제연구, 1997.
이영찬, "DEA와 Worst Practice DEA를 이용한 정보통신기업의 신용위험평가," 한국정보시스템학회, 2005년 한국정보시스 템학회 추계 학술발표논문집, 2005, pp. 334-346.
전성일, 이기세, "보수주의 회계처리가 KIS 신용평점에 미치는 영향," 국제회계연구, 30권, 2010, pp. 245-263.

상세보기
조현우, 박연희, 송혁준, "사외이사의 특성과 감사품질이 KIS 신용평점에 미치는 영향" 한국회계학회 학술연구발표회 논문집, 2005, pp. 489-515.
최병설, 김남규, "감정 딥러닝 필터를 활용한 토픽 모델링 방법론," 28권, 4호, 2019, pp. 271-291.

원문보기 상세보기
홍태호, 신택수, "부도확률맵과 AHP를 이용한 기업 신용등급 산출모형의 개발," 한국정보시스템학회, 정보시스템연구, 16권, 3호, pp. 1-20.
Aggarwal, C. C., and Zhai, C., "Mining text data," Springer Science & Business Media, 2012.
Altman, E. I., "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy," The journal of finance, Vol. 23, No.4, 1968, pp. 589-609.

상세보기
Barboza, F., Kimura, H., and Altman, E., "Machine learning models and bankruptcy prediction," Expert Systems with Applications, Vol. 83, 2017, pp. 405-417.

상세보기
Breiman, L., "Random forests," Machine learning, Vol. 45, No. 1, 2001, pp. 5-32.
Bridle, J. S., "Probabilistic interpretation of feedforward classification network outputs, with relationships to statistical pattern recognition," Neurocomputing Springer, 1990, pp. 227-236.
Chaudhuri, A., and De, K., "Fuzzy support vector machine for bankruptcy prediction," Applied Soft Computing, Vol. 11, No. 2, 2011, pp. 2472-2486.

상세보기
Chen, S.-Y., Chen, C.-N., Chen, Y.-R., Yang, C.-W., Lin, W.-C., and Wei, C.-P., "Will Your Project Get the Green Light? Predicting the Success of Crowdfunding Campaigns," Paper presented at the PACIS, 2015.
Chen, X., Wei, L., and Xu, J., "House Price Prediction Using LSTM," arXiv preprint arXiv:1709.08432, 2017.
Chen, Y., Lin, Z., Zhao, X., Wang, G., and Gu, Y., "Deep learning-based classification of hyperspectral data," IEEE Journal of Selected topics in applied earth observations and remote sensing, Vol. 7, No. 6, 2014, pp. 2094-2107.

상세보기
Chou, C.-H., Hsieh, S.-C., and Qiu, C.-J., "Hybrid genetic algorithm and fuzzy clustering for bankruptcy prediction," Applied Soft Computing, Vol. 56, 2017, pp. 298-316.

상세보기
Claesen, M., and De Moor, B., "Hyperparameter search in machine learning," arXiv preprint arXiv: 1502.02127, 2015.
Corbett, P., and Boyle, J., "Improving the learning of chemical-protein interactions from literature using transfer learning and specialized word embeddings," Database, 2018.
Donahue, J., Anne Hendricks, L., Guadarrama, S., Rohrbach, M., Venugopalan, S., Saenko, K., and Darrell, T., "Long-term recurrent convolutional networks for visual recognition and description," Paper presented at the Proceedings of the IEEE conference on computer vision and pattern recognition, 2015.
Duffie, D., Saita, L., and Wang, K., "Multi-period corporate default prediction with stochastic covariates," Journal of Financial Economics, Vol. 83, No. 3, 2007, pp. 635-665.

상세보기
Flagg, J. C., Giroux, G. A., and Wiggins Jr, C. E., "Predicting corporate bankruptcy using failing firms," Review of financial Economics, Vol. 1, No. 1, 1991, pp. 67-75.

상세보기
Frank, R. J., Davey, N., and Hunt, S. P., "Time series prediction and neural networks," Journal of intelligent and robotic systems, Vol. 31, No. 1-3, 2001, pp. 91-103.
Glorot, X., Bordes, A., and Bengio, Y., "Domain adaptation for large-scale sentiment classification: A deep learning approach," Paper presented at the Proceedings of the 28th international conference on machine learning (ICML-11), 2011.
Guo, X., Zhu, Z., and Shi, J., "A corporate credit rating model using support vector domain combined with fuzzy clustering algorithm," Mathematical Problems in Engineering, 2012.
Hajek, P., and Michalak, K., "Feature selection in corporate credit rating prediction," Knowledge-Based Systems, Vol. 51, 2013, pp. 72-84.

상세보기
Hall, M. A., and Smith, L. A., "Feature subset selection: a correlation based filter approach," 1997.
Hearst, M. A., Dumais, S. T., Osuna, E., Platt, J., and Scholkopf, B., "Support vector machines," IEEE Intelligent Systems and their applications, Vol. 13, No. 4, 1998, pp. 18-28.

상세보기
Ho, S.-L., Xie, M., and Goh, T. N., "A comparative study of neural network and Box-Jenkins ARIMA modeling in time series prediction," Computers & Industrial Engineering, Vol. 42, No. 2-4, 2002, pp. 371-375.

상세보기
Hochreiter, S., and Schmidhuber, J., "Long short-term memory," Neural computation, Vol. 9, No. 8, 1997, pp. 1735-1780.

상세보기
Huang, S.-C., "Integrating nonlinear graph based dimensionality reduction schemes with SVMs for credit rating forecasting," Expert Systems with Applications, Vol. 36, No. 4, 2009, pp. 7515-7518.

상세보기
Huang, Z., Chen, H., Hsu, C.-J., Chen, W.-H., and Wu, S., "Credit rating analysis with support vector machines and neural networks: a market comparative study," Decision Support Systems, Vol. 37, No. 4, 2004, pp. 543-558.

상세보기
Kim, K.-j., and Ahn, H., "A corporate credit rating model using multi-class support vector machines with an ordinal pairwise partitioning approach." Computers & Operations Research, Vol. 39, No. 8, 2012, pp. 1800-1811.

상세보기
KISVALUE, "KISVALUE Homepage," https://www.kisvalue.com/web/index.jsp, 2019.
KISVALUE, "KISVALUE MANUAL," 2019.
Koc, C. K., "Analysis of sliding window techniques for exponentiation," Computers & Mathematics with Applications, Vol. 30, No. 10, 1995, pp. 17-24.

상세보기
Kotsiantis, S. B., Zaharakis, I., and Pintelas, P., "Supervised machine learning: A review of classification techniques," Emerging artificial intelligence applications in computer engineering, Vol. 160, 2007, pp. 3-24.
Kumar, K., and Bhattacharya, S., "Artificial neural network vs linear discriminant analysis in credit ratings forecast: A comparative study of prediction performances," Review of Accounting and Finance, Vol. 5, No. 3, 2006, pp. 216-227.

상세보기
LeCun, Y., Bengio, Y., and Hinton, G., "Deep learning," Nature, Vol. 521 No. 7553, 2015, pp. 436.

상세보기
LeCun, Y., Boser, B. E., Denker, J. S., Henderson, D., Howard, R. E., Hubbard, W. E., and Jackel, L. D., "Handwritten digit recognition with a back-propagation network," Paper presented at the Advances in neural information processing systems, 1990.
LeCun, Y., Bottou, L., Bengio, Y., and Haffner, P., "Gradient-based learning applied to document recognition," Proceedings of the Ieee, Vol. 86, No. 11, 1998, pp. 2278-2324.

상세보기
Lee, Y.-C., "Application of support vector machines to corporate credit rating prediction," Expert Systems with Applications, Vol. 33, No. 1, 2007, pp. 67-74.

상세보기
Li, Y., Rakesh, V., and Reddy, C. K., "Project success prediction in crowdfunding environments" Paper presented at the Proceedings of the Ninth ACM International Conference on Web Search and Data Mining, 2016.
Liu, Y., Huang, X., An, A., and Yu, X., "ARSA: a sentiment-aware model for predicting sales performance using blogs" Paper presented at the Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval, 2007.
Liu, Y., Zheng, H., Feng, X., and Chen, Z., "Short-term traffic flow prediction with Conv-LSTM," Paper presented at the 2017 9th International Conference on Wireless Communications and Signal Processing (WCSP), 2017.
Mohammadi, K., Shamshirband, S., Tong, C. W., Arif, M., Petkovi？, D., and Ch, S., "A new hybrid support vector machine-wavelet transform approach for estimation of horizontal global solar radiation," Energy Conversion and Management, Vol. 92, 2015, pp. 162-171.

상세보기
Pineda, F. J., "Generalization of backpropagation to recurrent neural networks," Physical Review Letters, Vol. 59, No. 19, 1987, pp. 2229.

상세보기
Price, D., Knerr, S., Personnaz, L., and Dreyfus, G., "Pairwise neural network classifiers with probabilistic outputs," Paper presented at the Advances in neural information processing systems, 1995.
Shin, K.-s., and Han, I., "Case-based reasoning supported by genetic algorithms for corporate bond rating," Expert Systems with Applications, Vol. 16, No. 2, 1999, pp. 85-95.

상세보기
Sunasra, Mohammed., "Performance Metrics for Classification problems in Machine Learning," THALUS AI in medium (online publishing platform), https://medium.com/thalus-ai/performance-metrics-for-classification-problems-in-machine-learning-part-i-b085d432082b, 2015.
Wu, H.-C., et al., "Two-stage credit rating prediction using machine learning techniques," Kybernetes, Vol. 43, No. 7, 2014, pp. 1098-1113.

상세보기
Yang, Z., Platt, M. B., and Platt, H. D., "Probabilistic neural networks in bankruptcy prediction," Journal of Business Research, Vol. 44, No. 2, 1999, pp. 67-74.

상세보기
Ye, Y., Liu, S., and Li, J., "A multiclass machine learning approach to credit rating prediction," Paper presented at the 2008 International Symposiums on Information Processing, 2008.
Yeh, C.-C., Chi, D.-J., and Hsu, M.-F., "A hybrid approach of DEA, rough set and support vector machines for business failure prediction," Expert Systems with Applications, Vol. 37, No. 2, 2010, pp. 1535-1541.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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