머신러닝 기법을 활용한 기업 부도 예측에 관한 연구 : 중국 A주 상장 건설 기업을 중심으로 = A Study on Corporate Bankruptcy Prediction Using Machine Learning Techniques - Focusing on Construction Companies Listed on China s A-share Market -

국문 초록 (Abstract)

본 연구의 목적은 머신러닝 기법을 활용하여 중국 A주 건설업 상장기업의 재무 데이터를 기반으로 기업 부도 예측 모형을 구축하고, 최적의 예측 성능을 나타내는 모형을 탐색하는 데 있다. 최근 중국 건설 산업은 급속한 발전과 함께 부도의 위험성 또한 증가하고 있으며, 기존의 전통적인 통계 기법은 데이터의 복잡성과 비선형적인 특성을 충분히 반영하지 못하여 예측의 정확성에 한계를 보이고 있다. 이에 따라 본 연구에서는 머신러닝 기법을 적용하여 예측력을 향상시키고자 하였다.
연구에서 사용된 주요 재무 및 비재무 변수는 총 9가지로, 자기자본이익률(ROE), 유동비율, 당좌비율, 자산부채비율, 경영활동현금흐름, 현금흐름 대비 부채비율, 매출채권 회전율, 국내총생산(GDP) 성장률, 건설 산업투자 증가율이다. 본 연구의 데이터는 GTA 데이터베이스에서 수집된 중국 건설업 상장기업의 2013년부터 2024년까지의 연간 재무 데이터를 사용하였다. 또한, 실제 기업 부도 여부를 나타내는 부도 레이블을 설정하여 이항 분류 문제로 접근하였다.
본 연구에서 채택한 머신러닝 기법은 로지스틱 회귀(Logistic Regression), 서포트 벡터 머신(SVM, Support Vector Machine), 랜덤 포레스트(Random Forest), LightGBM(Light Gradient Boosting Machine)의 네 가지이며, 각 모델의 성능은 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1점수, AUC(Area Under Curve) 값, ROC(Receiver Operating Characteristic) 곡선 지표를 사용하여 평가하였다. 특히, 데이터의 불균형 문제를 해결하기 위해 SMOTE 및 ROSE 등 오버샘플링 기법을 적용하여 데이터의 균형을 맞추었고, 변수 간 단위 차이를 최소화하기 위해 표준화(Z-score) 및 로그 변환 등 데이터 전 처리 과정을 실시하였다.
연구 결과, 랜덤 포레스트 모델과 LightGBM 모델이 상대적으로 우수한 예측 성능을 나타냈으며, 특히 LightGBM 모델이 가장 높은 AUC 값을 기록하였다. 이러한 결과는 부도 예측에서 복잡한 데이터 구조와 변수 간 상호작용을 효과적으로 반영할 수 있는 앙상블 및 부스팅 기법의 강점을 잘 보여준다.
본 연구의 학문적 기여는 기존의 통계적 방법에 비해 머신러닝 기반의 부도 예측 모형이 복잡한 변수 간의 비선형 관계를 효과적으로 포착하고 예측 성능을 향상시킬 수 있음을 입증했다는 점에 있다. 또한 실무적 시사점으로는 금융기관 및 기업 관리자가 기업의 부도 위험성을 조기에 파악하고 효과적인 의사결정을 할 수 있는 근거를 제공하였다는 데 있다. 이를 통해 금융권의 리스크 관리뿐 아니라, 정책 입안자들에게도 건설 산업의 부도 방지 대책 마련에 유용한 자료로 활용될 수 있을 것이다.
다만 본 연구의 한계점으로 데이터 수집의 기간 제한, 변수의 선정 범위 제한, 모델의 블랙박스 성향으로 인한 결과 해석의 어려움이 존재한다. 향후 연구에서는 보다 다양한 변수와 최신의 시계열 데이터를 활용하고, 추가적인 딥러닝 기법을 포함한 확장된 모델 구축이 필요할 것으로 판단된다.

주제어: 기업 부도 예측, 재무 데이터, 머신러닝, 랜덤 포레스트, LightGBM.

다국어 초록 (Multilingual Abstract)

The objective of this study is to construct a corporate bankruptcy prediction
model based on the financial data of listed construction companies in China's
A-share market using machine learning techniques, and to explore models that
demonstrate optimal predictive performance. In recent years, with the rapid
development of China's construction industry, the risk of bankruptcy has also
increased, leading to a growing need for accurate bankruptcy prediction.
Traditional statistical methods have limitations in prediction accuracy, as they
fail to sufficiently reflect the complexity and non-linear characteristics of
financial data. Therefore, this study applies machine learning techniques to
improve predictive capability.
The study utilizes nine key financial and Non-financial variables: Return on
Equity (ROE), Current Ratio, Quick Ratio, Debt-to-Asset Ratio, Net Cash Flow
from Operating Activities, Cash-to-Debt Ratio, Accounts Receivable Turnover,
GDP Growth Rate, and Construction Industry Investment Growth Rate. The
financial data were collected from the GTA database and include annual records
of Chinese listed construction companies from 2013 to 2024. A binary
classification approach was used by assigning a bankruptcy label to each
company based on its actual bankruptcy status.
The machine learning methods adopted in this study include Logistic
Regression, SVM, Random Forestt, and LightGBM. The performance of each
model was evaluated using metrics such as Accuracy, Precision, Recall,
Fl-score, AUC and the ROC Curve. To address class imbalance in the dataset,
over-sampling techniques such as SMOTE and ROSE were applied, and
preprocessing steps such as Z-score standardization and logarithmic
transformation were conducted to minimize the impact of scale differences
among variables.
The results showed that both the Random Forest and LightGBM models
demonstrated superior predictive performance, with the LightGBM model
achieving the highest AUC value. These findings highlight the strengths of
ensemble and boosting algorithms in effectively capturing complex data
structures and interactions among variables in bankruptcy prediction.
The academic contribution of this study lies in demonstrating that machine
learning-based prediction models can more effectively capture non-linear
relationships among variables and enhance predictive accuracy compared to
traditional statistical approaches. From a practical
perspective, the model
provides financial institutions and corporate managers with a basis for early
identification of bankruptcy risk, enabling more effective decision-making. The
findings may also serve as valuable reference materials for policy makers in
developing preventive measures for bankruptcies in the construction industry,
However, the study has certain limitations, including the restricted time span
of data collection, limited variable selection, and the interpretability challenges
posed by the black-box nature of the models. Future research should consider
incorporating a broader range of variables and more recent time-series data, as
well as building expanded models that include advanced deep learning
techniques.

목차 (Table of Contents)

• 목 차 ⅰ
• 표 목 차 ⅴ
• 그림목차 ⅶ
• 국문초록 ⅸ
• Ⅰ. 서 론 1
• 1. 연구 배경 1
• 2. 연구 목적 및 의미 5
• 3. 연구 구성 및 범위 8
• II. 이론적 배경 11
• 1. 기업 부도의 개념과 중요성 11
• 가. 기업 부도의 정의와 유형 11
• 나. 기업 부도의 발생 원인과 영향 13
• 다. 기업 부도 예측의 필요성과 활동 사례 15
• 2. 기업 부도 예측을 위한 재무적 접근 19
• 가. 재무 비율 분석의 개념과 역할 19
• 나. 주요 재무지표의 이론적 배경 및 활용 21
• 다. 건설업 특성을 반영한 재무지표 분석의 필요성 26
• 3. 거시 경제 변수와 기업 부도의 연관성 30
• 가. GDP 성장률과 기업 재무 건전성의 관계 30
• 나. 건설 산업 투자 증가율의 이론적 배경과 부도 영향 33
• 다. 거시경제 변수 통합의 이론적 시사점 35
• 4. 머신러닝 기반 기업 부도 예측 모델의 이론적 고찰 39
• 가. 로지스틱 회귀 (Logistic Regression) 39
• 나. 서포트 벡터 머신 (SVM, Support Vector Machine) 42
• 다. 랜덤 포레스트 (Random Forest) 45
• 라. LightGBM (Light Gradient Boosting Machine) 48
• 5. 모델 성능 평가 지표의 이론적 배경 51
• 가. 정확도 (Accuracy)의 개념과 이론적 한계 51
• 나. 정밀도 (Precision)와 재현율(Recall)의 상호 보완성 54
• 다. F1 점수 (F1-score)의 이론적 기반과 활용 확장 56
• 라. AUC와 ROC 곡선의 해석학적 가치 58
• 마. 종합적 시사점 61
• III. 연구방법 63
• 1. 연구설계 개요 63
• 2. 데이터 출처 및 처리 방법 67
• 가. 데이터 출처 67
• 나. 데이터 전처리 67
• 다. 데이터 표준화 70
• 3. 변수 설정 73
• 가. 재무 변수 74
• 나. 비재무 변수 77
• 4. 모델 구축 및 방법 80
• 가. 로지스틱 회귀 모델 (Logistic Regression) 80
• 나. 서포트 벡터 머신 모델 (SVM, Support Vector Machine) 82
• 다. 랜덤 포레스트 모델 (Random Forest) 85
• 라. LightGBM 모델 (Light Gradient Boosting Machine) 87
• 5. 모델 평가 지표 91
• 가. 정확도 (Accuracy) 91
• 나. 정밀도 (Precision) 92
• 다. 재현율 (Recall) 92
• 라. F1 점수 (F1-score) 93
• 마. AUC (Area Under Curve) 94
• 바. ROC 곡선(Receiver Operating Characteristic Curve) 94
• 6. 실증 분석 절차 및 사용 소프트웨어 96
• IV. 연구결과  99
• 1. 기술 통계 및 변수 간 상관관계 분석 결과 요약 99
• 2. 예측 모델별 분석 결과 정리 104
• 가. 로지스틱 회귀 모델 결과 104
• 나. SVM 모델 결과 105
• 다. 랜덤 포레스트 모델 결과 106
• 라. LightGBM 모델 결과 107
• 3. 모델 간 성능 비교 및 평가 109
• 가. 주요 평가 지표를 통한 비교 109
• 나. ROC 곡선 분석 113
• 4. 변수 중요도 분석 및 해석 117
• 가. 모델 별 주요 변수 분석 117
• 나. 전반적 중요 변수 비교 및 시사점 133
• V. 결론 137
• 1. 연구결과 요약 137
• 2. 시사점 142
• 3. 연구의 한계점 및 향후 연구 방향 146
• 참고문헌 150
• 1. 국내 문헌 150
• 2. 국외 문헌 153
• 3. 홈페이지 163
• ABSTRACT 164