Bankruptcy prediction is a principal area of business classification problem. This study compared the prediction accuracy by three methods: multivariate discriminant analysis, analogical reasoning, neural network. The variables used in the experiment are the financial ratios and the index. And, the new model of credit rating, CRASIM (Credit RAting System with Integrated Methods) are introduced.
First, we suggested the data refinement methods. Traditional statistical methods are useful as a refinement tool. Stepwise selection, t-test, paired correlation test, and pair matching are used.
Second, we compared the prediction accuracy among the three models including multivariate discriminant analysis, analogical reasoning, and neural network. The hit ratio, the rate of correct prediction, is not significantly different between the multivariate discriminant analysis and analogical reasoning, but neural network is superior to the other two methods.
Third, we validated the superiority of the integration model of three methods. The simple mean of the outcome of the three methods has a higher prediction accuracy than any single method.
Fourth, we introduced the conceptual model of a new credit rating system (CRASIM: Credit RAting System with Integrated Methods) which is composed of quantitative phase, qualitative phase, and integration phase.
도산 예측은 전통적인 분류 문제에서 중요한 연구분야로 인식되어 왔다. 본 연구에서는 다변량 판별분석, 유사추론, 신경회로망을 이용한 도산예측의 정확성을 비교한다. 실험에 사용된 변수는 기업의 재무지표와 재무비율이다. 그리고, 새로운 신용평가 모형인 CRASIM (Credit RAting System with Integrate Method)을 소개하였다. 본 연구에서 수행된 사항은 다음과 같은 네가지 부분으로 구성되어 있다.
첫째, 자료의 정련 방법을 제시하였다. 자료의 정련을 위해서는 전통적인 통계기법인 단계적 변수 선택, 유의성 검정, 상관관계분석, 동수추출이 사용되었는데, 단계적 변수선택과 유의성 검정이 좋은 결과를 나타내었다.
둘째, 다변량 판별분석, 유사추론, 신경회로망의 예측 결과를 비교하였는데, 상대적으로 신경회로망이 좋은 예측결과를 보여주었다.
셋째, 세가지 방법론을 통합한 방법론을 제시하였다. 통합 방법론은 세 방법의 가중평균을 이용한 예측 방법으로 독자적인 예측보다 좋은 예측 능력을 보여 주었다.
마지막으로, 새로운 신용평가 모형의 개념적 틀을 제시하였다. 새로운 모형은 정성적 단계, 정량적 단계, 통합 단계의 세부분으로 구성되어 있다.
