기술평가자료를 이용한 군집화기반 성과예측모형 개발

• 영문명: Clustering-based Performance Prediction Model Using Technology Rating Data
• 발행기관: 한국자료분석학회
• 저자명: 이영찬(Young-Chan Lee)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.13 No.3, 1471~1482쪽, 전체 12쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2011.06.30

국문 초록

본 연구의 목적은 기술보증기금의 기술평가 자료를 이용한 사례기반추론을 통해 기술보증지원을 받은 중소기업들의 재무성과를 예측하는 군집화기반 성과예측모형을 구축하는 것이다. 군집화기반 성과예측모형이란 부도/건전과 같은 사전적 정보가 없는 상태에서 미래의 성과를 예측하는 사후적(ex-post) 모형으로서, 성과는 기존 재무자료를 이용한 재무성과를 의미하며, 재무성과(군집: k-평균 군집분석 사용)를 예측하기 위한 외생변수는 45개 KTRS 기술평가항목이다. 구체적으로, 기술보증평가를 받은 기업의 성장성, 수익성, 활동성, 안정성, 효율성 관점의 기존 재무비율을 이용하여 k-평균 군집분석을 수행한 후 상위그룹, 중위그룹, 하위그룹의 세 가지 군집을 추출하였다. 또한 45개 기술평가 항목 중 어떤 항목이 재무성과를 예측하는데 유용한 가를 파악하기 위해 판별분석을 사용하였다. 마지막으로 재무성과 예측에 유의한 기술평가항목을 이용하여 미래의 재무성과를 예측하기 위해 데이터마이닝 기법인 k-최근접 이웃법(k-nearest neighbor)을 이용한 사례기반추론을 적용하였다. 분석결과, 사후적인 기술평가항목을 이용하였음에도 불구하고 k-최근접 이웃법을 이용한 검증집합의 예측력이 비교적 높은 것으로 나타났다.

영문 초록

The purpose of this study is to build a clustering-based performance prediction model to predict financial performance of small-medium enterprises using KIBO technology rating data. The clustering-based performance prediction model is ex-post model to predict future’s performance without a priori information such as bankruptcy/non-bankruptcy. The exogenous variables for predicting the financial performance (cluster: by k-means clustering) are 45 KTRS technology rating data. Specifically, after performing k-means clustering using conventional financial ratios (view of growth, profitability, activity, stability, efficiency) of companies, three clusters are derived from k-means clustering analysis. In addition, this paper uses discriminant analysis in order to select technology rating variables that are significant to predicting financial performance. Lastly, this paper uses case-based reasoning with k-nearest neighbor in order to predict future’s financial performance (clusters). Although the ex-post information, the results of analysis show the good predictive power through AUROC.

목차

1. 서론

2. 연구모형 및 방법

3. 자료수집 및 기초통계

4. 실증분석

5. 결론

참고문헌

키워드

k-평균 군집분석 판별분석 사례기반추론 k-최근접 이웃법 기술평가등급 k-Means Clustering Discriminant Analysis Case-based Reasoning k-Nearest Neighbor KTRS Technology Rating ROC