지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 안현철
- 발행연도
- 2015
- 저작권
- 국민대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기업부실예측은 은행이나 기업의 재무관리, 정부의 정책 입안 등에 있어 중요한 연구 주제 중 하나이다. 따라서 이를 해결하기 위한 수많은 연구가 과거부터 진행되었다. 1960년대부터 시작된 기업부실예측에 관한 연구는 초기에는 회귀분석이나 판별분석 등과 같은 통계적 기법을 사용하여 연구가 진행되었다. 1980년대 후반부터는 인공지능(AI, Artificial Intelligence)기법을 사용한 연구가 진행되었는데, 대표적인 인공지능기법으로 인공신경망(ANN, Artificial Neural Network)이 있다. 이는 기존의 통계적 기법에 비해 더 나은 예측성과를 얻을 수 있다. 그러나 인공신경망은 과적합화(overfitting)의 문제와 낮은 설명력 등과 같은 한계를 지닌다. 본 연구에서는 이 같은 한계를 극복하기 위해 인공신경망과 같이 높은 예측률을 보이면서 과적합화의 문제를 해결하고 비교적 학습과정이 간단하다고 알려진 SVM(Supprot Vector Machine)을 사용하였다. 또한 예측률을 높이기 위한 방법으로 입력변수에 퍼지이론을 적용하고 유전자 알고리즘(GA, Genetic Algorithm)을 이용하여 최적 혹은 유사최적의 입력변수집합과 π-fuzzy 파라미터, 그리고 SVM 파라미터를 찾아내고자 한다. 본 연구에서는 이러한 기법을 GA Fuzzy SVM이라고 칭하고 있다. 본 연구는 제안하는 GA Fuzzy SVM의 예측성과를 확인하기 위해 기업부실예측 데이터를 이용하여 실험을 진행하였다. 실험 데이터는 1999년부터 2001년까지 수집된 H은행의 비외감 중공업 기업 데이터이며, 총 9개의 변수를 사용하였다. 비교모형으로는 로짓분석, 다중판별분석, 의사결정나무, 사례기반추론, 인공신경망, SVM을 사용하였다. 실험결과 제안 모형이 비교모형에 비해 우수한 예측정확도를 보이는 것을 확인하였다.
목차
1.서론 11.1연구배경 11.2연구 목적 및 논문 구성 22.문헌연구 42.1부실예측에 관한 선행연구 42.1.1통계적 기법을 사용한 부실예측모형 42.1.2인공지능 기법을 사용한 부실예측모형 52.2퍼지이론 72.3Supprot Vector Machine 102.4Genetic Algorithm 133.실증연구 153.1자료수집 및 데이터구성 153.2실험설계 및 분석절차 193.3비교모형설계 223.3.1로짓분석 모형구축 223.3.2다중판별분석 모형구축 233.3.3의사결정나무 모형구축 233.3.4인공신경망 모형구축 243.3.5사례기반추론 모형구축 243.3.6SVM 모형구축 244.실험설계 265.결론 및 시사점 28참고문헌 30Abstract 36
최근 본 자료
댓글(0)
0