다요인차원감소 기법을 이용한 부도예측변수의 선정Selection of the bankruptcy predictors using multifactor dimensionality reduction

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 779
  • Download : 0
부도는 커다란 비용을 일으키는 심각한 사회적 문제이다. 그 동안 회사의 부도예측에 대하여 판별분석, 로짓분석과 같은 통계적인 방법과 Support Vector Machine, 인공신경망, 사례기반추론과 같은 기계학습 방법이 적용되어왔다. 하지만 이들 연구는 주로 단일변수들의 역할에 초점을 맞추었을 뿐, 변수간의 상호작용에 대한 연구는 거의 없었다. 그러나 상호작용이 부도예측에 추가적인 정보가 있음이 알려져 있다. 이 연구에서는 돌발성 유방암을 일으키는 유전자의 상호작용을 발견하는데 효과적인 방법으로 최근 대두된 다요인차원감소(Multifactor Dimensionality Reduction, MDR)의 효과를 검사하였다. MDR을 통해 발견한 두 변수, 세 변수 간의 상호작용이 부도예측변수로서 유용한지를 검사하였다. 이를 위해 두 변수간의 상호작용 변수를 포함한 모형과 그렇지 않은 모형의 예측율을 비교하였다. 모형은 로짓분석, Support Vector Machine, 인공신경망으로 각기 방법을 달리하며 3회 구축하여 일관성을 높이려 하였다. 같은 방법으로 세 변수의 상호작용을 포함한 모형과 그렇지 않은 모형의 예측율을 비교하였다. 실험에는 1998년부터 2001년 까지 577개의 부도, 비부도 기업의 샘플을 사용하였고, 기존연구를 통해 18개의 독립변수를 선정하였다. 실험결과로 두 변수의 상호작용이 포함된 모형은 상호작용이 없는 모형보다 더 나은 예측율을 보여주었다. 그러나 세 변수간의 상호작용은 유의한 성과차이를 보여주지 못했다. 이를 통해 변수간의 상호작용은 부도예측에 추가적인 정보를 가지고 있고 부도예측변수로 사용될 수 있지만 더 나은 상호작용변수를 선정하기 위한 변수의 수는 고려되어야 함을 확인하였다.
Advisors
한인구researcherHan, In-gooresearcher
Description
한국과학기술원 : 경영공학전공,
Publisher
한국과학기술원
Issue Date
2008
Identifier
297368/325007  / 020063638
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 경영공학전공, 2008.2, [ viii, 64 p. ]

Keywords

Bankruptcy; Bankruptcy predictors; MDR; Data mining; Machine learning; 부도; 부도예측변수; MDR; 데이타마이닝; 기계학습

URI
http://hdl.handle.net/10203/52740
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=297368&flag=dissertation
Appears in Collection
KGSM-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0