데이터마이닝을 이용한 코스닥 시장의 상장폐지 예측모형 구축에 관한 연구 = A Study on Building Prediction Model of KOSDQ Delisting by Using Datamining Techniques

국문 초록 (Abstract)

본 연구는 코스닥 시장의 상장폐지기업과 그에 따른 대응기업을 설정하여 상장폐지 예측모형을 구축하고자 한다. 사용하는 변수는 재무변수와 비재무변수이며, 사용되는 분석방법은 데이티마이닝 기법인 규칙유도기법과 인공신경망분석이다. 또한 분석에 사용된 자료는 원자료와 더불어 원자료를 통해 구간화된 두 개의 자료집합을 획득하여 분석함으로써 모형의 예측력을 향상시키고자 하였다. 분석결과 규칙유도기법의 최고 예측률은 구간화 2 자료를 이용하여 분석하였을 때 80.1%로 나타났으며, 비재무적 변수인 자본금변동이 가장 중요한 변수로 획득되었고 다음은 부채비율과 매출액변화율 그리고 최대주주변경으로 나타났다. 인공신경망을 통한 분석의 경우 역시 구간화 2 자료를 이용하였을 때 최고예측률 86%로 가장 높게 나타났으며, 당기순이익변화율이 상장폐지에 가장 크게 영향을 미치는 변수로 획득되었고 다음은 부채비율, 총자산회전율, 자기자본회전율, 자본금변동의 순으로 나타났다. 본 연구는 기존 연구들과 달리 코스닥 시장의 상장폐지 예측 모형에 관하여 분석을 진행하였고 비재무적 변수의 사용과 획득 자료의 구간화하여 데이터마이닝 기법인 규칙유도기법과 인공신경망을 이용하여 분석하였다. 이를 통해 모형 구축을 위한 예측력의 향상과 모형의 설명력을 향상시키는데 기여하였다.

다국어 초록 (Multilingual Abstract)

This study sought to build a delisting prediction model by setting up delisted companies and matched companies in the KOSDAQ market. The variables used in this study were financial variables and non-financial variables; rule induction technique and artificial neural network analysis, which are data mining techniques, were utilized in this study as analysis methods. This study attempted to improve the prediction power of the model by analyzing through the procurement of source data and two data sets binned through the source data. Consequently, the highest prediction rate of the rule induction technique was 80.1% when the analysis was conducted using the two binned data sets. Capital change, which is a non-financial variable, was found to be the most important variable, followed by debt ratio, sales change rate, and largest shareholder change. Concerning the analysis through the artificial neural network, the highest prediction rate was 86% when the two binned data sets were used; net profit change rate was found to be the variable affecting delisting the most, followed by debt ratio, total assets turnover rate, turnover of net worth, and capital change. This study performed an analysis on the delisting prediction model in the KOSDAQ market, unlike existing studies. Actually, this study used a rule induction technique and an artificial neural network — which are data mining techniques - by utilizing the non-financial variables and binning the obtained data. Through all these, this study is expected to contribute to the improvement of prediction power to build a model and the model’s explanation power.

참고문헌 (Reference)

1 이계원, "회계정보에 의한 기업부실예측과 시장 반응" (26) : 49-77, 1993

2 성현모, "파생상품투자는 성경적인가?" 한국로고스경영학회 13 (13): 73-96, 2015

3 코스닥협회, "코스닥상장폐지 기업의 부실화 패턴 및 경로분석" 2010

4 조준희, "코스닥기업의 도산예측모형에 관한 연구" 한국산업경제학회 20 (20): 141-161, 2007

5 이극노, "이동통신고객 분류를 위한 의사결정나무(C4.5)와 신경망 결합 알고리즘에 관한 연구" 한국지능정보시스템학회 9 (9): 139-155, 2003

6 박정윤, "성경적 투자원리와 교회의 적용" 한국로고스경영학회 10 (10): 21-38, 2012

7 박성환, "상장폐지기업의 특성에 관한 실증연구" 한국회계학회 20 (20): 35-61, 2011

8 배기수, "상장폐지기업 예측모형에 관한 실증연구" 한국세무회계학회 (30) : 125-140, 2011

9 김형철, "사회책임투자의 실현방안에 관한 고찰" 5 (5): 21-35, 2007

10 강병서, "사회과학통계분석" 한나래아카데미 2013

11 황인태, "비재무적 정보를 이용한 상장폐지 예측모형" (1) : 2011

12 허명회, "데이터마이닝 모델링과 사례" 한나래 2008

13 이건창, "기업도산예측을 위한 통계적모형과 인공지능모형간의 예측력 비교에 관한 연구 : MDA, 귀납적학습방법, 인공신경망" 18 (18): 57-81, 1993

14 김진화, "Support Vector Machine 기법을 이용한 고객의 구매의도 예측" 한국경영정보학회 10 (10): 137-158, 2008

15 Agrawal, R. T., "Minning association rules between sets of items in large databases" 1993

16 Kao, L. J., "Mining the Customer Credit by using the neural network model with classification and regression tree approach" 2 : 923-928, 2001

17 Altman, E. I., "Financial Ratios, Discriminant Analysis and The predication of Corporate Bankruptcy" 23 (23): 589-609, 1968

18 Beaver, W. H, "Financial Ratios as Predictors of Failure" 4 : 71-111, 1966

19 Ohlson, J. A., "Financial Ratios and the Probabilistic Prediction of Bankruptcy" 18 (18): 109-131, 1980

20 Shmueli, G., "Data Mining for Business Intelligence" Wiley 2006