[발표논문] 인공신경망과 Support Vector Machine의 기업부도예측 성과 비교-Support Vector Machine의 유용성을 중심으로-

금융기관에서 부도예측모형으로 가장 많이 활용하고 있는 분석기법으로는 통계적 기법인 로지스틱 희귀분석과 인공지능기법인 인공신경망을 들 수 있다. 특히 인공신경망은 단기 예측력에서 로지스틱 희귀분석보다 우수한 성과를 나타내는 것으로 알려져 있다. 그러나 이러한 우수한 예측력에도 불구하고 인공신정망은 학습과정에서의 과대적합 현상으로 인한 안정성 문제와 도출된 결과에 대한 해석이 근본적으로 불가능하다는 점이 한계로 지적되어 왔다. 본 연구에서는 최근 인공신경망이 가지고 있는 과대적합 운제를 해결하는 동시에 높은 예측력과 우수한 설명력을 제공하는 것으로 알려진 Support Vector Machine (SVM)을 기업부도예축모형에 적용하고자 한다. SVM은 데이터를 고차원 공간으로 투자시켜 분리경계자 매우 복잡한 문제를 선형판별함수의 사용이 가능한 단순한 운재로 변환시키는 기법으로 다양한 분야의 분류문제에 적용되고 있다. 본 연구에서는 기앙부도예측 모형으로서 SVM의 적합성을 판단하기 위하여 예측력이 우수하다고 알려진 인공신경망 (다층퍼셉트론)과의 비교분석을 수행하고자 한다. 본 연구의 결과 SVM은 향후 기업부도예측에 있어 인공신경망을 대체할 수 있는 유용한 기법임을 확인할 수 있었다.