랜덤포레스트를 이용한 지능형 회사채 신용등급평가모형

• 영문명: Intelligent Corporate Bond Rating Model using Random Forests
• 발행기관: 동국대학교 경영연구원
• 저자명: 김경재(Kyoungjae Kim) 박호연(Hoyeon Park)
• 간행물 정보: 『경영과 사례연구』제39권 제2호, 39~52쪽, 전체 14쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2016.08.31

국문 초록

회사채 신용등급은 기업의 지본비용 및 기업가치를 결정하는 중요한 재무의사결정요소로서 기업 내부 관계자뿐만 아니라 외부투자자, 기관, 종업원 등 많은 이해관계자의 관심을 받는 정보이다. 정교한 회사채 신용등급평가모형은 재무와 회계분야에서의 전통적인 연구주제였으며, 선행연구들을 통해 많은 정성적인 평가모형과 계량적인 평가모형이 제안되어 왔다. 특히, 신용등급평가모형은 전통적으로 난해한 다중분류문제(multi-class classification problem)로 알려져 있으며, 이를 위해 선형분류모형은 물론, 의사결정 나무, 인공신경망, 서포트벡터머신 등의 비선형 데이터마이닝 모형도 활용되어 왔다. 본 연구에서는 비교적 최근에 제안되어 경영학 분야에서 적용이 많이 되지 않은 랜덤포레스트 기법을 이용하여 회사채 신용등급평가모형과 같은 경영학 분야에서의 다중분류문제에 활용기능성을 실험적으로 검토해 보고자 한다. 실험 결과, 랜덤포레스트는 다른 데이터마이닝 기법에 비해 탁월하고 안정적인 다중분류 성능을 보이는 것으로 나타났다.

영문 초록

Corporate bond rating is one of the most important factors of financial decision making for determination of corporate financial costs and corporate value. Thus, it is subject of interest of many stakeholders, including corporate insiders as well as outside investors. institutions, and employees. Sophisticated corporate bond rating model was the traditional research topics in the field of finance and accounting, so many previous studies proposed various qualitative and quantitative evaluation models. In particular, the corporate bond rating has traditionally been accepted as difficult multi-class classification problems. many prior studies incorporated nonlinear data mining models such as decision trees, artificial neural networks. support vector machines as well as linear classification model to solve the problem. In this study, we exploratory test the usability of random forests in business area such as corporate bond rating because they are relatively recent proposed in the area. Experimental results showed that random forests appeared to exhibit excellent and stable multi-class classification performance compared to other data mining techniques including logistic regression, support vector machines and simple decision trees.

목차

Ⅰ.서론

Ⅱ. 기존 연구의 고찰

Ⅲ. 연구 데이터 및 방법론

Ⅳ. 분석결과

Ⅴ. 결론

키워드

신용등급평가 랜덤포레스트 다중분류문제 회사채 Credit rating random forests multi-class classification problems corporate bond