The phenomenon of corporate failure is not frequent nor of minor economic consequence. Under the influence of International Monetary Fund (IMF), the number of bankrupt companies extremely increases this year in Korea. It is obvious that such a crucial issue in corporate finance warrants careful investigation (Cadden, 1995).
Although many studies demonstrate that one technique outperforms the others for a given data set, there is often no way to tell a priori which of these techniques will be most effective to solve a specific classification problem. Alternatively, it has been suggested that a better approach to classification problem might be to integrate several different forecasting techniques. (Jo & Han, 1996; Markham & Ragsdale, 1995)
This study proposes the linearly combining methodology of different classification techniques. The methodology is developed to find the optimal combining weight and compute the weighted average of different techniques' outputs. The proposed methodology is represented as the form of mixed integer programming.
The objective function of proposed combining methodology is to minimize total misclassification cost, which is the weighted sum of two types of misclassification. To simplify the problem solving process, cutoff value is fixed and threshold function is removed.
The form of mixed integer programming is solved with the genetic algorithms and branch and bound methods. The results showed that proposed methodology classify more accurately than any of techniques individually do. It is confirmed that proposed methodology predicts significantly better than individual techniques and the other combining methods.
기업의 도산은 매우 빈번하게 발생하며 경제적으로 여러 가지 문제를 발생시키는 현상이다. 특히, 국제통화기금 (IMF: International Monetary Fund)의 상황하에서 도산 기업의 수가 급격하게 증가하고 있는 실정이다. 그러므로, 기업의 도산에 대한 연구는 주의 깊은 관찰의 대상이 되어야 한다.
도산예측은 경영학적 분류 문제의 한 분야이다. 경영학적 분류 문제는 기업 내에서 진행되는 의사 결정 과정 중 다양한 영역에 걸쳐 존재하고 있다. 도산예측, 회계방법 선정, 감사의견 결정, 대출 의사결정, 채권 및 신용 평가 등의 문제가 그 예이다.
분류란, 개체나 관찰치 들을 이미 선정해 놓은 집단으로 분류하는 것을 의미하는 데, 전통적인 경영학 연구에서 중요한 연구분야로 자리잡고 있다. 분류의 궁극적 목적은 의미 있는 결과를 제공하고, 전문가의 판단을 대체하는 것이다. 개체나 관찰치를 구분하고 할당하는 방법을 분류 기법이라 부른다.
기존의 많은 연구들이 여러 가지 분류 기법을 적용하여 그 중에서 하나의 기법이 주어진 문제에 대해 좋은 성과를 보인다는 결과를 발표하였다. 그러나, 많은 연구 결과들이 특정한 문제에 대한 동일한 결론을 도출하지는 못하였고 어떤 문제에 가장 적합한 기법이 무엇인지에 대해서는 아직 논란의 여지가 남아 있다. 그러므로, 여러 분류 기법의 비교를 통한 최적 기법에 대한 탐색 방법에 대한 대안으로 분류 기법들을 통합하는 방법론이 제시되고 있다.
본 연구는 상이한 분류 기법의 선형 통합 방법론을 제시하고 있다. 연구에서 제시된 방법론은 각각의 분류 기법을 통합할 수 있는 최적의 가중치를 찾아내오, 각 분류 기법의 가중 평균을 계산하여 최종 결과치를 산출하는 것이다. 제시된 방법론은 혼합 정수 계획법의 모양으로 구성되어 있다.
제안된 결합 방법론의 목적 함수는 총 분류 오차 비용 (total misclassification cost)을 최소화하는 것이다. 총 분류 오차 비용은 두 종류의 분류 오차의 가중 합계로 표현된다. 문제 해결 과정을 단순화하기 위하여 분류점 (cutoff point)을 고정하고 문제에 사용된 단계 함수 (threshold function)을 변환하였다.
혼합 정수 계획법의 형태로 구성된 문제는 유전 알고리즘과 분기 및 한계 기법 (branch and bound method)을 이용하여 해결하였다. 제시된 혼합 정수 계획법의 결과는 통합에 사용된 개별 기법의 결과보다 정확하게 사례를 분류하였다. 성과에 대한 비교는 통계적 방법을 이용하여 성과 차이의 유의도를 검증하였고, 제시된 방법론의 결과는 다른 개별 방법론의 결과보다 통계적으로 유의하게 좋은 성과를 나타내었다.
통합 방법론의 결과를 도출하기 위해 다양한 통계적 기법과 인공지능 기법을 이용한 도산예측 실험이 선행되었다. 사용된 통계적 방법론은 판별 분석, 로지스틱 회귀 분석이며 사례기반 추론과 인공신경망 방법이 인공지능 기법으로 사용되었다.
본 연구는 네 개의 상이한 도산예측 실험을 구성하여 진행되었다. 시기적으로 국내 경기가 호황이었던 1990년대 중반의 자료와 경제 상황이 나빠지기 시작했던 1990년대 후반의 자료를 별개의 실험에 이용하였다. 또한 기업의 규모를 구분하여 재무적 자료의 신빙성을 보장할 수 있는 대기업과 재무 자료의 분식으로 인한 자료의 무결성과 일관성이 상대적으로 떨어지는 중소기업의 자료를 각각 다른 실험에 사용하였다. 본 연구의 공헌은 상이한 기법의 결합을 통한 새로운 선형 통합 방법론을 제시한 것이다. 분류 오차 비용에 근거하여 방법론을 정립하였고, 실제 문제에 적용하기 위하여 몇 가지 가정을 함으로써 현행 수리계획법의 문제 해결 방법을 동원하여 문제를 해결할 수 있도록 만들었다.
본 연구의 한계점은 이원 분류를 위해 개발된 방법론을 다원 분류의 문제로 확장시키지 못한 것이다. 도산예측의 문제는 종속변수의 값이 두 집단으로 분류되는 문제이고, 신용 평가, 어음 평가 등의 문제는 종속 변수의 값이 세 개 이상이 문제이다. 본 연구에서 제시된 방법론을 다원 분류 분제로 확장 시키기 위해서는 분류 오차 비용의 정의와 계산 과정의 변화가 요구되는 바이다.
또한 도산예측에 근거하여 실제 금융 기관에서 이루어지는 여신 결정 절차를 분석하는 연구가 향후 기대되는 바이다. 기업의 건전 정도를 도산예측을 이용하여 평가하고, 향후 대출 금액의 결정, 대출 이자율의 결정, 대출 위험의 효율적 관리 등의 문제와 연결하여 연구할 수 있을 것이다.
