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
- 이상용
- 발행연도
- 2020
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수32
이 논문의 연구 히스토리 (3)
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
K-IFRS(Korean International Financial Reporting Standards)도입 이후 주석의 양적, 질적 가치가 증가했다. 그러나 상투적어구와 간결성의 부족으로 핵심정보 파악이 어려운 실정이다. 본 연구는 자동화를 통한 문제 해결 가능성을 보이기 위해, 유가증권시장과 코스닥에 상장된 기업의 2013년부터 2018년 공시를 대상으로 1분기 뒤 재무 비율을 예측하는 신경망 모델을 구축해, 재무제표 주석이 회사의 미래 재무비율 중에서도 주당순이익에 대한 예측을 하는데 도움이 되는 경향을 갖고 있는지 확인했다. 모델1에는 재무 데이터만을 학습시키고, 모델 2에는 재무 데이터에 주석을 학습시켜 이를 비교했다. Forward Chaining 검정 후 계산된 오차의 평균 값을 난수 Seed를 바꿔가며 표본을 얻은 뒤, 단방향 독립 표본 T-test로 비교했으며 그 결과 측정 오차가 유의하게 감소했다. 이는 정량적인 데이터만으로는 예측이 어려운 재량적 발생액의 크기와 주석이 상관관계를 갖기 때문으로 추론된다. 이 결과는 주석 텍스트 분석의 자동화를 통해, 공시일 마다 대량의 주석을 분석하여 투자 결정에 활용할 수 있다. 뿐만 아니라 로보어드바이저(Robo-advisor)와 같은 인공지능 재무분석 서비스에서 텍스트 분석 모듈 추가와 이에 필요한 인프라 구축에 준거가 될 것으로 기대한다.
목차
차 례국문요지 v제1장 서 론 1제1절 연구의 배경 및 목적 1제2절 연구의 구성 2제2장 선행연구 3제 1절 재무비율 예측 : EPS를 중심으로 3제 2절 텍스트 마이닝을 이용한 재무비율 예측 7제 3장 연구 설계 및 방법론 10제 1절 연구 설계 10제 2절 데이터 수집 및 전처리 111. 데이터 수집 112. 정량적 재무 데이터 전처리 133. 정성적 재무제표 주석 형태소 분석 13제 3절 모델 구축 171. 신경망 모델 172. 모델 구축 절차 20제 4절 모델 평가 및 비교 211. 척도(Metric) 212. 모델 성능 비교 22제 4장 연구 결과 24제 1절 모델 비교 결과 24제 2절 분석 결과 해석 31제 5장 결론 34제 1절 연구 요약 34제 2절 연구의 의의 34제 3절 연구의 한계점 36제 4절 향후 방향 38참고문헌 40ABSTRACT 44
최근 본 자료
댓글(0)
0