본문 바로가기

AUROC기반의 부도예측 앙상블 모형

AUROC-based Ensemble Model for Bankruptcy Prediction

문서 유형
연구출판물 · 학술지 논문
등재
KCI
저널 순위
KCI Q4
저널
중소기업금융연구41(3) · pp.41 · 2021
피인용
KCI 3
ISSN
2093-8039

저자

  1. 윤우섭제1저자부산대학교
  2. 김명종교신저자부산대학교

초록

본 연구는 범주 불균형이 존재하는 기업부도 예측문제를 해결하기 위하여 AUROC 기반의 앙상블 학습기법인 AUCBoost 모형을 제안한다. AdaBoost 알고리즘은 오분류된 표본에 강화된학습기회를 제공하는 장점이 있지만, 산술평균에 기초하여 기저 분류자의 결합 가중치를 결정한다는 점에서 범주 불균형 문제의 해결에 한계점이 있다. AUCBoost 알고리즘은 범주 불균형의 성과지표로 활용되는 AUROC를 활용하여 AdaBoost 앙상블 학습을 수정한 부스팅 기법이다. AUCBoost 알고리즘은 이차계획법을 활용하여 최종 분류자의 AUROC를 최대화하는 것을 학습목표로 한다. 실증분석을 위하여 정상기업 10,000개의 관측치와 500개 부도기업 관측치로구성된 샘플을 수집하여 범주 불균형 비율에 따라 5개의 하위 샘플로 구성하였다. 7개 재무비율군에서 가장 높은 AUROC를 가진 7개의 재무비율을 독립변수로 선정하였다. 각 하위 샘플별로 30회의 교차타당성 검증을 수행한 결과, 첫째, 범주 불균형 비율은 앙상블 학습 성과에 부정적인 영향을 미치는 것으로 분석되었다. 둘째, AUCBoost 알고리즘은 기존 AdaBoost 앙상블 학습의 유의한 성과개선 효과를 제공하는 것으로 분석되었다. 마지막으로 범주 불균형 정도가 심해질수록 AUCBoost의 성과개선 효과가 높아지는 것으로 분석되었다.

키워드

부도 예측범주 불균형AdaBoostAUCBoostBankruptcy PredictionClass Imbalance

식별자

KCI
ART002765057