The goal of this study is to automate the real world bond rating procedures. The most important part for achieving this goal is to develop an appropriate classification method for bond rating which has a good predictive performance. In this study, neural networks approach is adopted.
Statistical classification methods such as multivariate discriminant analysis have been widely used in bond rating classification in spite of the limitations of the methodology. Recently, neural networks have emerged as new methods for business classification. This neural networks approach is to categorize a new instance as one of the predefined bond classes. Such a conventional approach has limitations in dealing with the ordinal nature of bond rating. In addition, most of the prior studies have used sample data which are evenly divided among the classes. However, most natural population in real application is unevenly divided among the classes. Under such circumstances, it is hard to achieve good predictive performance. As the number of classes to be recognized increases, the predictive performance decreases.
In this study, to increase the predictive performance in real world bond rating, we propose the ordinal pairwise partitioning(OPP) approach to training in backpropagation neural networks. The main idea of the OPP approach is to partition the data set in the ordinal and pairwise manner into the output classes. Then, each backpropagation neural networks model is trained by using each partitioned data set and is separately used for classification. Experimental results, using the financial data of Korean companies, show that the predictive performance by the proposed OPP approach in neural networks training can be significantly enhanced, when compared to the conventional neural networks modeling approach as well as multivariate discriminant analysis. The OPP approach has two computation methods of forward and backward, and we discuss under which circumstances one method performed better than the other. We also show the generalizability of the OPP approach.
In designing an intelligent decision support system based on neural networks for bond rating, we address the related issues. Prior neural networks applications mainly deal with the problem solving aspects. Experiments are ad hoc for solving the selected problem. The structure of problem, user need and environment are continually changing in real world. Therefore, there is a need for incorporating the problem finding stage which is essential for the adaptability to neural networks application. A structured approach is presented to formalize the exploratory nature of neural networks experiment by incorporating the problem finding aspects of neural networks application under decision support systems perspective.
기업의 채권 등급 결정은 기업의 위험도를 측정하여 채권의 회수 가능성을 평가하는 것으로서 원활한 경제활동을 위하여 필수적인 것이며 자본주의 경제가 고도화될수록 그 중요성은 커지게 된다. 신용평가회사의 채권 등급 결정 결과는 해당 기업의 채권 발행이나 금융기관의 여신 결정에서 대출 여부 및 금리 등의 조건을 결정하는데 중요한 근거가 된다. 국내 신용평가회사들은 과학적 채권 등급 결정 모형이나 기법에 의하기보다는 주로 경험에 의존한 평가를 하여 왔다. 이러한 경험적인 평가는 복잡한 채권 등급 결정 과정을 객관화시키기 어려우며 따라서 보다 객관적인 결과를 얻기에는 그 한계가 있다. 채권 등급 결정 기법으로는 다중 판별분석, 회귀분석, probit, logit 등의 통계적인 방법 등이 전통적으로 이용되어 왔으며, 1980년대 후반부터 인공지능 기법인 귀납적 학습방법, 신경망모형 등이 채권평가, 신용평가, 도산예측 등과 같은 경영학적 분류 문제에 적용될 수 있는 가능성이 연구되기 시작했다.
본 연구에서는 과학적인 평가 체계를 구축하고자 하여, 국내 기업의 채권 등급 결정 자료를 이용하여 신경망에 의한 새로운 채권 등급 결정 모형을 제안하였다. 과거의 통계적인 다변량 분석방법이나, 기존의 신경망 접근방법과는 달리 제안된 모형은 평가 그룹간의 서수 적인 관계를 고려할 수 있다는 점에서 차이가 있으며, 실제 자료를 이용한 다양한 평가 실험 결과 제안된 모형이 다른 방법들 보다 우수한 예측력을 보였다. 제안된 신경망모형에서는 학습 자료와 예측 자료를 서수적인 관계에 따라 쌍으로 나누어 신경망을 각각 학습시키는 방법을 이용하였으며 실제 재무 자료의 분포가 어떠한 형태를 취하는가에 따라 제안된 선향적 절차와 후향적 절차중 어떤 평가 절차가 보다 나은 예측력을 갖는지 보였다. 또한 분류할 그룹의 개수가 늘어남에 따라 제안된 신경망모형이 기존의 모형보다 더 우수한 예측력을 가짐을 보였다. 제안된 등급 결정 모형은 한국신용정보주식회사에서 국내 최초의 기업 평가 시스템인 NICE-TIPS의 일부로서 성공적으로 설치 운용되고 있다.
또한 신경망모형에 의한 채권등급결정을 위한 지능형 의사결정지원시스템 구현시 고려 사항들을 검토하였다. 일반적으로 신경망모형의 이용은 주로 특정 경영 문제를 해결하기 위하여 신경망모형을 설계해 내는 방향으로만 연구되어 왔다. 다시 말하여 문제 해결(problem solving) 단계에 치중되어 왔다. 그러나 실제 경영 문제는 시시각각으로 내외부 환경이 변화하며 이에 따라 모형 설정과 관계된 자료도 변화하게 된다. 이에 따라 새로운 신경망모형에 대한 설계가 수시로 요구되며 비정형화된 설계 절차를 반복해야 하는 것이 문제점이었다. 따라서 본 연구에서는 경영 환경과 문제 구조의 변화에 적절하게 대응할 수 있도록 문제 탐색(problem finding) 단계를 고려한 구조화된 신경망 접근 절차를 의사결정지원시스템적 관점에서 제시하였다.
