It is important to increase the prediction level of bankruptcy because bankruptcy is a significant social and economic problem when it happens. There have been many studies on bankruptcy prediction models. They are focused on traditional regression modeling or data mining using AI (Artificial Intelligence).
There also have been studies on the statistical characteristics of financial ratios, but financial ratios, which is usually used as quantitative data in bankruptcy prediction models, present only part of the available information in financial statement.
In this research, we use complementary ratios as supplements of financial ratios and Rotated Residual Plot (RRP) to raise the explanatory potential of financial ratios in the bankruptcy prediction models. By using Logistic Regressing model, we examine whether complementary ratios (and RRP) raise explanatory potential of financial ratios in each uni-factor models and a multi-factor model.
In result, complementary ratios and RRP increase explanatory potential of financial ratios. R-squares and hit ratios of logistic regression models using each complementary financial ratios are increased except one ratio.
기업의 부도가 사회경제적으로 중대한 영향을 끼친다는 점에서 부도예측은 중요하다. 부도예측 모형과 부도 예측 모형에 정량적 데이터로 쓰이는 재무비율에 대한 연구는 오랜 기간 지속되어 왔으나 재무 비율에 대한 연구가 부도예측모형에 원활히 반영되지 않았다. 재무비율은 재무 변수가 지니고 있는 정보, 특히 규모에 대한 정보를 활용하지 못하므로 재무비율의 통계적 특성과 규모를 함께 고려하는 보완적 비율을 이용한다면 부도예측에 있어 그 설명력을 높일 수 있다. 1991년부터 1996년까지의 부도 기업과 비부도 기업의 재무 데이터를 가지고, 재무비율과 보완 비율을 각 변수로 가지는 Rotated Residual Plot (RRP)의 설명력을 부도 예측 모형인 logit model에서 분석하였다. 그 결과, 부도 예측 모형에서 단순 검정을 통해 제외 될 수 있는 재무 비율들이 RRP로 변환되었을 때는 유의함을 보였으며, 단변수 모형과 다변수 모형에서 모두 재무비율보다 높은 설명력과 명중률을 가짐을 알 수 있다.
