코스닥기업의 기업부실예측모형 판별력 비교분석에 관한 연구 : 로지스틱회귀분석과 다변량 판별함수 모형 중심으로 :로지스틱회귀분석과 다변량 판별함수 모형 중심으로

안창호

doi:10.17548/ksaf.2016.09.25.241

추천

검색

질문

자료유형: 학술저널

저자정보: 안창호 (서경대학교)

저널정보: 한국전시산업융합연구원 한국과학예술융합학회 한국과학예술포럼 Vol.25

발행연도: 2016.9

수록면: 241 - 251 (11page)

DOI: 10.17548/ksaf.2016.09.25.241

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

세계경제의 침체가 장기화되면서 수출에 의존하는 우리나라 경기는 매우 어려운 상황에 직면해 있다. 수출이 중심인 우리나라 경기구조에서 수출 부진은 기업의 수익성 저하로 이어진다. 수익성 저하는 기업의 부실로 이어지며 기업부실은 우리나라 경제 전반에 많은 문제를 발생시킨다. 따라서 본 연구에서는 코스닥기업의 방송통신 및 정보서비스업, 제조업, 유통업 분야의 재무변수를 이용하여 기업부실예측모형을 제시하였다. 이를 위하여 사용된 재무변수는 유동성지표, 레버리지지표, 수익성지표를 사용하였다. 분석방법으로는 다중인자분석을 실시하여 재무변수의 공통요인을 추정하였고, 추정된 재무변수를 이용하여 로지스틱회귀함수와 다변량 선형판별함수의 판별력을 비교하였다. 다중인자모형에서 인자적재행렬의 추정은 주성분방법을 사용하였고, 직교회전 방법인 베리맥스 회전으로 재무변수의 구조를 단순화시켜 복잡한 특징을 해석하였다. 로지스틱회귀모형에서는 최우추정방법으로 회귀계수를 추정하였고, 모든 변수를 포함한 모형이 적합한 모형임을 확인하였으며 절편을 제외한 모형의 유의성 검정을 통하여 회귀계수의 적합함을 확인하였다. 다변량 판별분석모형에서는 두 집단의 공분산행렬이 서로 다르게 나타났으나 선형함수와 이차함수의 오분류율을 비교하여 정규분포를 가정한 선형판별함수를 선택하였다. 그리고 정분류율을 계산한 결과 두 모형의 판별력은 로지스틱회귀모형이 더 좋은 것으로 나타났다. 그러므로 로지스틱회귀모형의 예측정확도를 나타내는 ROC곡선과 통계량을 제시하였다.

As the downturn in the global economy is prolonged, South Korean business conditions depending on the export is faced with a very difficult situation. The slump in exports in the country"s economic structure leads to a deterioration of profitability, which leads to the degradation of companies, and the insolvent companies eventually generate a lot of problems throughout our economy. Accordingly this study suggests a corporate insolvency prediction model using financial variables of companies in broadcast communications, information services, manufacturing, and retail sectors in KOSDAQ. Financial variables used were fluidity indices, leverage indicators, and profitability indicators. As analysis method, the common cause of financial variables was estimated by conducting a multi-factor analysis, and the discrimination power in the logistic regression function and the multivariate linear discriminant function was compared respectively. We used the principal component method for the estimation of factor loading matrix in the multi-factor model, and analyzed complex features by simplifying the structure of the financial variables using the Varimax rotation method which is an orthogonal rotation method. We estimated the regression coefficients by maximum likelihood estimation method in logistic regression models, verified them through the significance test of the model without an intercept, and found that the model with all variables was appropriate. In multivariate discriminant analysis model, covariance matrix between the two groups were differently resulted, but we selected linear discriminant function with the assumption of a normal distribution by comparing the misclassification rate of the of the linear function and the quadratic function. It was found that the discrimination power of logistic regression model was superior between the two models based on the rate of classified information. Finally we suggested the ROC curves and statistics presenting the predictive accuracy of the logistic regression model.

#KOSDAQ companies(코스닥기업) #Varimax rotation(베리맥스 회전) #Discrimination(판별력) #Logistic regression(로지스틱회귀모형) #Correct classification rate(정분류율)

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

안창호

소속기관 서경대학교

주요연구분야 복합학 > 과학기술학 TOP 10% 사회과학 > 무역학

논문수 16 이용수 4,166

이 논문과 함께 이용한 논문

재무정보를 이용한 기업부실예측모형 구축에 관한 실증연구

안창호 융복합지식학회논문지 2016 .01

부스팅 인공신경망학습의 기업부실예측 성과비교

김명종 , 강대기 한국정보통신학회논문지 2010 .01

회원제 골프장기업의 부도예측 모형개발

강치형 , 신해수 관광연구논총 2015 .11

로지스틱회귀분석을 이용한 코스닥기업의 부실예측모형 연구

박희정 , 강호정 한국콘텐츠학회논문지 2009 .03

부실예측모형의 예측력 비교 : 판별분석모형 및 로짓분석모형을 중심으로

김시중 한국엔터테인먼트산업학회논문지 2016 .08

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2017-600-001872009

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)