[논문]인공신경망을 활용한 기업실적예측 모델

이준혁; 김갑조; 박상성; 장동식

문제 정의

먼저 산업분야의 특성에 따라 연구개발 전략과 기업성과에 영향을 미치는 예측변수가 상이하기 때문에 본 연구에서는 정보통신산업분야에 속한 기업을 대상으로 예측모델을 개발하고자 한다. 그 후 기업실적예측 모델을 구축하기위해 선정된 기업들의 특허정보를 수집하여 다양한 특허 지표를 도출하고 이와 기업성과 간의 인과적 관계를 분석한다.
하지만 최근 들어 전체 산업 중 기술집약적 산업의 비중이 증가함에 따라 기업의 재무적 정보 못지않게 기업이 보유한 기술력, 지식재산권과 같은 무형자산의 중요성이 더욱 증가하고 있는 추세이다. 본 연구에서는 기업의 기술력을 실적예측 모델에 정량적으로 활용하기 위해 기술에 관한 구체적 내용을 포함하고 있으며 조기 공개제도로 인해 현시점의 기술동향을 잘 파악할 수 있는 장점을 가진 특허정보를 이용하여 기업실적예측 모델을 설계하고자 한다[6].
본 연구에서는 기업의 기술력을 잘 나타낼 수 있는 특허지표를 활용한 기업실적예측 모델을 제안하였다. 미국 정보통신기업의 특허정보와 재무정보를 활용하여 본 연구에서 제안한 모델을 구축하고 평가한 결과는 다음과 같다.

제안 방법

먼저 산업분야의 특성에 따라 연구개발 전략과 기업성과에 영향을 미치는 예측변수가 상이하기 때문에 본 연구에서는 정보통신산업분야에 속한 기업을 대상으로 예측모델을 개발하고자 한다. 그 후 기업실적예측 모델을 구축하기위해 선정된 기업들의 특허정보를 수집하여 다양한 특허 지표를 도출하고 이와 기업성과 간의 인과적 관계를 분석한다. 그리고 분석된 결과를 바탕으로 복잡하고 다양한 자료를 통해 비교적 훌륭한 결과를 제공하는 장점을 가진 인공신경망을 활용하여 실적예측모델을 구축하고 검증데이터를 통해 구축된 예측모델의 성능을 검증한다.
그 후 기업실적예측 모델을 구축하기위해 선정된 기업들의 특허정보를 수집하여 다양한 특허 지표를 도출하고 이와 기업성과 간의 인과적 관계를 분석한다. 그리고 분석된 결과를 바탕으로 복잡하고 다양한 자료를 통해 비교적 훌륭한 결과를 제공하는 장점을 가진 인공신경망을 활용하여 실적예측모델을 구축하고 검증데이터를 통해 구축된 예측모델의 성능을 검증한다.
그림 1의 예측모델 검증 및 분석단계에서는 검증데이터를 활용하여 구축된 예측모델을 검증하고 성능을 평가한다. 본 연구에서는 구축된 기업실적예측모델의 검증을 위해 각 기업들의 2004년도 특허지표들을 구축된 모델에 입력하고 2011년도의 매출액을 예측하였다.
앞서 도출한 특허지표를 모두 모델학습에 사용하면 변수들간에 다중공선성의 문제를 일으킬 우려가 있다. 이를 해결하기 위해 본 연구에서는 각 변수들 간의 분산팽창지수(VIF)값을 도출하여 다중공선성 문제를 진단하고 적절한 예측변수를 선정하였다. 위 결과를 바탕으로 피인용수와 청구항수가 예측모델학습을 위한 예측변수로 선정되었다.

대상 데이터

먼저 본 연구에서 제안하고자 하는 기업실적예측 모델의 예측변수로 사용되는 특허지표를 도출하기위해 특허정보 회사인 Acclaim IP를 통해 분석 대상기업들이 2000~2011년도 사이에 미국 특허청에 출원한 49015개의 특허를 수집하였다. 또 앞서 기술한 기업들의 12년간 재무실적정보는 기업투자 정보회사인 Y-Chart를 통해 수집하였다.
본 연구에서는 제안된 기업실적예측 모델을 실제로 구축하고 또 평가하기 위해 미국의 정보통신 산업 분야에 속한 41개의 미국기업들을 대상으로 재무정보와 특허정보를 수집하였다. 먼저 본 연구에서 제안하고자 하는 기업실적예측 모델의 예측변수로 사용되는 특허지표를 도출하기위해 특허정보 회사인 Acclaim IP를 통해 분석 대상기업들이 2000~2011년도 사이에 미국 특허청에 출원한 49015개의 특허를 수집하였다. 또 앞서 기술한 기업들의 12년간 재무실적정보는 기업투자 정보회사인 Y-Chart를 통해 수집하였다.
“기업실적예측 모델 구축”단계에서는 인공신경망 알고리즘을 활용하여 특허지표들을 통해 7년 후 기업의 매출액, 영업이익, 순이익을 예측하는 모델을 구축하였다. 본 연구에서는 신경망 학습을 위해 2000~2003년도의 특허지표와 2007~2010년도의 기업실적 지표가 학습데이터로 사용되었다. 앞서 도출한 특허지표를 모두 모델학습에 사용하면 변수들간에 다중공선성의 문제를 일으킬 우려가 있다.
본 연구에서는 제안된 기업실적예측 모델을 실제로 구축하고 또 평가하기 위해 미국의 정보통신 산업 분야에 속한 41개의 미국기업들을 대상으로 재무정보와 특허정보를 수집하였다. 먼저 본 연구에서 제안하고자 하는 기업실적예측 모델의 예측변수로 사용되는 특허지표를 도출하기위해 특허정보 회사인 Acclaim IP를 통해 분석 대상기업들이 2000~2011년도 사이에 미국 특허청에 출원한 49015개의 특허를 수집하였다.

데이터처리

“시차 적용 상관분석 수행” 단계에서는 기업의 기술 개발 및 특허취득을 통한 권리 획득이 기업의 성과향상을 가져오기까지의 시차를 고려하고 분석하기 위해 시차변수를 생성하여 상관분석을 수행 하였다.

성능/효과

미국 정보통신기업의 특허정보와 재무정보를 활용하여 본 연구에서 제안한 모델을 구축하고 평가한 결과는 다음과 같다. 구축된 매출액 예측모델을 통해 예측된 매출액 예측치와 실제 매출액 사이의 평균제곱오차 값은 0.003363으로 매출액, 영업익, 순익 실적예측 모델 중 가장 양호한 성능을 가지는 것으로 나타났다. 영업이익 예측모델의 경우 영업 이익 예측치와 실제 영업이익 사이의 평균제곱오차 값은 0.
“시차 적용 상관분석 수행” 단계에서는 기업의 기술 개발 및 특허취득을 통한 권리 획득이 기업의 성과향상을 가져오기까지의 시차를 고려하고 분석하기 위해 시차변수를 생성하여 상관분석을 수행 하였다. 그 결과 앞서 기술한 특허지표들은 기업의 성과에 유의한 양의 상관관계가 존재하는 것으로 나타났으며, 미국 정보통신기업의 특허지표는 7년후의 기업성과와 가장 높은 상관관계를 가지는 것으로 분석되었다.
기업실적 예측치와 실제 기업실적을 비교 분석한 결과 영업이익과 순이익 예측모델의 경우 전년대비 급격한 실적향상이 있는 경우보다 급격한 실적악화가 있는 경우 예측성능이 더 좋지 않은 것으로 나타났다.
008137로 매출액 예측모델 보다는 성능이 떨어지는 것으로 나타났지만 비교적 큰 폭의 어닝쇼크(Earning Shock)는 나타나지 않아 양호한 성능을 보여주었다. 본 연구에서 구축한 순이익 예측모델의 경우 순이익 예측치와 실제 순이익 사이의 평균제곱오차 값이 0.015164로 나타나 다른 두 실적예측 모델에 비해 성능이 좋지 않은 것으로 나타났다. 또 몇몇 기업에서 큰 폭의 어닝쇼크가 나타나는 것을 확인할 수 있었다.
그림 7은 분석기업들의 2011년도 실제 순이익과 예측 모델을 통해 예측된 순이익의 예측치를 나타낸 그래프이다. 실제 순이익과 순이익 예측치 간의 평균제곱오차(MSE)는 0.015164로 나타났다.
003363으로 매출액, 영업익, 순익 실적예측 모델 중 가장 양호한 성능을 가지는 것으로 나타났다. 영업이익 예측모델의 경우 영업 이익 예측치와 실제 영업이익 사이의 평균제곱오차 값은 0.008137로 매출액 예측모델 보다는 성능이 떨어지는 것으로 나타났지만 비교적 큰 폭의 어닝쇼크(Earning Shock)는 나타나지 않아 양호한 성능을 보여주었다. 본 연구에서 구축한 순이익 예측모델의 경우 순이익 예측치와 실제 순이익 사이의 평균제곱오차 값이 0.

후속연구

또 최근 산업환경이 급변함에 따라 예측변수와 기업실적간의 관계도 변화한다. 따라서 급격한 산업환경변화에 대한 내성이 강한 예측모델을 구축하기 위해 진화연산과 같은 알고리즘을 적용한 예측모델의 개발 또한 필요할 것으로 판단된다.
향후 연구에서는 이러한 문제점을 개선하기 위해 특허 정보뿐만 아니라 전체적인 시장상황, 재무적 정보, 공장가동률 등의 다양한 지표와 기업실적 사이의 관계를 분석하여 모델구축에 활용하기 위한 연구가 필요할 것으로 판단된다. 또 최근 산업환경이 급변함에 따라 예측변수와 기업실적간의 관계도 변화한다.

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

인공신경망을 활용한 기업실적예측 모델
Firm's performance prediction model by applying ANN 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

인공신경망을 활용한 기업실적예측 모델 Firm's performance prediction model by applying ANN 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

인공신경망을 활용한 기업실적예측 모델
Firm's performance prediction model by applying ANN 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper