$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

재무제표 주석의 텍스트 분석 통한 재무 비율 예측 향상 연구
Financial Footnote Analysis for Financial Ratio Predictions based on Text-Mining Techniques 원문보기

지식경영연구 = Knowledge Management Research, v.21 no.2, 2020년, pp.177 - 196  

최형규 (한양대학교 비즈니스인포매틱스학과) ,  이상용 (한양대학교 비즈니스인포매틱스학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

Since the adoption of K-IFRS(Korean International Financial Reporting Standards), the amount of financial footnotes has been increased. However, due to the stereotypical phrase and the lack of conciseness, deriving the core information from footnotes is not really easy yet. To propose a solution for...

주제어

#Service innovation   #Platform business   #Artificial intelligence   #Chatbot   #Recommendation system   #Transaction cost theory   #Service personalization   #Customer data  

질의응답

핵심어 질문 논문에서 추출한 답변
텍스트 마이닝(Text Mining)이란 무엇인가? 주석과 같은 정성적 데이터를 전자공시시스템(DART; Data Analysis, Retrieval and Transfer System)에서 적시에 정리하여 제공해주는 인프라가 구축된다면 자동화된 시스템은 빠르게 대량의 텍스트를 처리할 수 있으며, 한번 전문성을 축적하면 그 이후로는 사람의 피로처럼 생물학적 이유로 성과가 급변할 일이 없기 때문이다. 이 같이 비정형 데이터인 텍스트에서 유용한 정보를 추출하고 가공하는 기술을 텍스트 마이닝(Text Mining)이라 일컫는다.
본 연구의 핵심 가설은 무엇인가? 본 연구의 핵심 가설은 “재무 데이터으로만 학습된 모델 보다 주석을 추가한 모델의 예측 오차가 작다”는 것이다. 이를 위해, 조남옥·신경식(2016)의 연구 방법론과 같이 주석 텍스트가 예측에 도움이 되는지 확인하기 위한 대조군으로 정량적 데이터만을 이용해 학습시킨 심층 신경망 모델 1의 성능을 확인 후, 정성적 데이터도 포함하여 학습시킨 모델 2의 성능을 실험군으로 둔 뒤 비교하는 실험방법론을 사용한다.
피에측변수에서 예측오차 값이 큰 것은 무엇을 의미하나? 피예측변수는 연속적인 재무비율이므로 예측 성능 평가에는 연속적인 숫자형 데이터를 예측오차를 확인하는 데 자주 사용되는 Root Mean Square Error(RMSE), MAE(Mean Absolute Error), MAPE(Mean Absolute Percentage Error), MSPE(Mean Squared Percentage Error)를 척도로 사용한다. 해당 오차 값이 크면 클수록 그 모델의 성능은 낮다는 것을 의미한다. 반대로 오차 값이 작으면 그 모델의 성능이 우수하다 할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (45)

  1. 김권중 2015. "K-IFRS 재무제표분석과 가치평가," 서울:창민사, pp 6. 

  2. 김용석, 조성욱 2019. "한국어 텍스트 분석과 적용," 한국증권학회지 (48:2), pp 215-235. 

  3. 김창범, 최헌섭 2016. "공기업의 높은 부채비율과 회계처리방법이 투자의 효율성에 미치는 영향," 국제회계연구 (70), pp 27-50. 

  4. 김태동, 이윤아, 배창현 2016. "특수관계자 거래와 기업의 공시수준 - 재무제표 주석을 중심으로 -," 경영학연구 (45:3), pp 761-793. 

  5. 박재영, 정우진 2019. "기업의 정보보호 공시가 기업가치에 미치는 영향," 지식경영연구 (20:4), pp 39-55, 

    원문보기 상세보기

  6. 송동섭 1998 "주당이익과 주식수익율의 관련성에 관한 연구," 생산성논집 (12:3), pp 361-379. 

  7. 송재성, 박종원, 박광주 2011. "파생상품 사용이 한국기업의 정보비대칭에 미치는 영향," 재무관리연구 (28:1), pp 165-196. 

  8. 안드레아스 뮐러, 세라 가이도 2017. 파이썬 라이브러리를 활용한 머신러닝, 서울:한빛미디어, pp 322 

  9. 장경천, 김연권 2007. "가치주와 성장주의 투자성과분석," 대한경영학회 학술발표대회 발표논문집, pp 193-222. 

  10. 전성일, 이기세 2012. "코스닥 신규상장 기업의 특성에 따른 재무분석가의 이익예측력에 관한 연구," 지식경영연구 (13:5), pp 1-13 

    원문보기 상세보기

  11. 정건용, 윤승식 2019. 재정정보 활용을 위한 텍스트 마이닝 기반 회계용어 형태소 분석기 구축. 한국정보시스템학회지:정보시스템연구 (28:4), pp 155-174. 

  12. 조남옥, 신경식 2016. "Bankruptcy Prediction Modeling Using Qualitative Information Based on Big Data Analytics," 지능정보연구 (22:2), pp 33-56. 

    원문보기 상세보기

  13. 조영석 2005. "스톡옵션 부여의 공시효과에 관한 연구," 국제회계연구 (12), pp 149-163. 

    상세보기

  14. 모예린 2018. "주석 내용의 변동과 주식시장," 이화여자대학교 대학원 

  15. 최형규, 이상용 2019. "재무제표 주석의 텍스트 분석 통한 재무비율 예측연구 : 텍스트 마이닝을 활용한 예측력 향상," 한국지능정보시스템학회 학술대회논문집 , pp 4-5. 

  16. 황선필, 윤재원, 김경호 2017. "K-IFRS 도입 전후의 주석공시사례분석과 전문가 평가". 商業敎育硏究 (31:2), pp. 179-205. 

  17. 황선희 2006. "현금흐름표를 이용한 EPS 예측," 인하대학교 일반대학원 

  18. Maeda, A . C. A ., Car valho, R . S., and Carvalho, R. N. 2017. "Evaluating the Use of Brazilian Companies' Financial Footnotes Texts for Debt Variation Prediction," IEEE International Conference on Machine Learning and Applications (16), pp. 1030-1034. 

  19. Bergmeir, C., and Benitez, J. M. 2012. "On the Use of Cross-Validation for Time Series Predictor Evaluation," Information Sciences (191), pp 192-213. 

    상세보기 crossref

  20. Bishop, C. M. 1995. "Training with Noise is Equivalent to Tikhonov Regularization," Neural Computation (7:1), pp 108-116. 

    상세보기 crossref

  21. Bushman, R. M., and A. J. Smith. 2001. "Financial Accounting Information and Corporate Governance," Journal of Accounting and Economics, (32:1-3), pp 237-333. 

    상세보기 crossref

  22. Cao, Q., and Parry, M. E. 2009. "Neural Network Earnings Per Share Forecasting Models: A Comparison of Backward Propagation and the Genetic Algorithm," Decision Support Systems (47:1), pp 32-41. 

    상세보기 crossref

  23. Chen, C. L., Liu, C. L., Chang, Y. C., and Tsai, H. P. 2013. "Opinion Mining for Relating Subjective Expressions and Annual Earnings in Us Financial Statements," Journal of Information Science and Engineering (29:4), pp 743-764. 

    상세보기

  24. Chen, Y. J., Lin, J. A., Chen, Y. M., and Wu, J. H. 2019. "Financial Forecasting with Multivariate Adaptive Regression Splines and Queen Genetic Algorithm-Support Vector Regression," IEEE Access (7), pp 112931-112938. 

    상세보기 crossref

  25. Hjorth, U., and Hjort, U. 1982. "Model Selection and Forward Validation," Scandinavian Journal of Statistics (9:2), 95-105. 

  26. Jones, J. J. 1991. "Earnings Management During Import Relief Investigations," Journal of Accounting Research (29:2), pp 193-228. 

    상세보기 crossref

  27. Karapandza, R. 2016. "Stock Returns and Future Tense Language in 10-K Reports," Journal of Banking and Finance (71), pp 50-61. 

    상세보기 crossref

  28. Krizhevsky, A., Sutskever, I., and Hinton, G. E. 2012. "Imagenet Classification with Deep Convolutional Neural Networks," Paper presented at the Proceedings of the 25th International Conference on Neural Information Processing Systems (1), pp 1097-1105. 

  29. Lai, S., and Li, H. "The Predictive Power of Quarterly Earnings Per Share Based on Time Series and Artificial Intelligence Model," Applied Financial Economics, Vol.16, No.18(2006), 1375-88. 

    상세보기 crossref

  30. Lang, M. H., and Lundholm, R. J. 1996. "Corporate Disclosure Policy and Analyst Behavior," Accounting Review, (71:4), pp 467-492. 

    상세보기

  31. Lee, B., Park, J. H., Kwon, L., Moon, Y. H., Shin, Y., Kim, G., and Kim, H. J. 2018. "About Relationship between Business Text Patterns and Financial Performance in Corporate Data," Journal of Open Innovation: Technology, Market, and Complexity (4:1). 

    상세보기

  32. Lee, H., Surdeanu, M., MacCartney, B., and Jurafsky, D. 2014. "On the Importance of Text Analysis for Stock Price Prediction," Proceeding of the 9th International Conference on Language Resources and Evaluation, pp 1170-1175. 

  33. Lin, M., Lucas Jr, H. C., and Shmueli, G. 2013. "Research Commentary-Too Big to Fail: Large Samples and the P-Value Problem." Information Systems Research (24:4), pp 906-917. 

    상세보기 crossref

  34. Meier, J. H., Esmatyar, W., and Frost, R. 2018. "The Predictive Power of the Sentiment of Financial Reports," CEUR Workshop Proceedings (2104), pp 30-44. 

  35. Qiu, X. Y., Srinivasan, P., and Hu, Y. 2014. "Supervised Learning Models to Predict Firm Performance with Annual Reports: An Empirical Study," Journal of the American Society for Information Science and Technology (65:2), pp 400-413. 

  36. Ramya, M. R. J. 2017. "A Comparison of Intelligent Soft Computing Techniques for Forecasting Earnings Per Share," International Journal of Pure and Applied Mathematics (114:9), pp 167-77. 

  37. Rawte, V., Gupta, A., and Zaki, M. J. 2018. "Analysis of Year-over-Year Changes in Risk Factors Disclosure in 10-K Filings," Proceedings of the 4th International Workshop on Data Science for Macro-Modeling(a8) 

  38. Trusov, R., Natekin, A., Kalaidin, P., Ovcharenko, S., Knoll, A., and Fazylova, A. 2016. "Multi-Representation Approach to Text Regression of Financial Risks," Proceedings of Artificial Intelligence and Natural Language and Information Extraction, pp 110-117. 

  39. Verrecchia, R. E. "Discretionary Disclosure," Journal of Accounting and Economics (5:C), pp 179-194. 

  40. 박선후 2016. http://research.ibk.co.kr/research/board/finance/download/51315/1 

  41. 임근호 2018. https://www.hankyung.com/finance/article/2018091138771 

  42. FnGuide 2012. https://fnguidesns.tistory.com/217 

  43. Mikolov, Tomas, Kai C., Greg C., and Jeffrey D. 2013. https://ui.adsabs.harvard.edu/abs/2013arXiv1301.3781M. 

  44. Dai, Andrew M., Christopher O., and Quoc V. L. 2015. https://ui.adsabs.harvard.edu/abs/2015arXiv150707998D 

  45. Lakshmipathi N. 2019. https://www.kaggle.com/lakshmi25npathi/imdb-dataset-of-50kmovie-reviews 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로