KR19990048215A - Corporate Insolvency Prediction and Credit Rating System - Google Patents
Corporate Insolvency Prediction and Credit Rating System Download PDFInfo
- Publication number
- KR19990048215A KR19990048215A KR1019970066843A KR19970066843A KR19990048215A KR 19990048215 A KR19990048215 A KR 19990048215A KR 1019970066843 A KR1019970066843 A KR 1019970066843A KR 19970066843 A KR19970066843 A KR 19970066843A KR 19990048215 A KR19990048215 A KR 19990048215A
- Authority
- KR
- South Korea
- Prior art keywords
- company
- financial
- credit rating
- insolvency
- bad
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
본 발명은 금융권에서 기업에 대한 여신 등 금융 거래를 하기 위한 기업 부실 예측 및 신용도를 평가하는 기준에 있어서, 비과학적 특성의 한계를 극복하고 과학적이며객관적인 분석에 근거한 기업 부실 예측 및 신용도 평가 시스템에 관한 것으로, 부실 기업과 정상기업을 분명하게 구분할 수 있는 비율을 통계적 기법인 T-test와 요인분석(FACTOR ANALYSIS)을 통하여 선정하고 이에 선정된 재무 비율들에 대하여 전문통계 프로그램(LIMDEP)을 이용하여 각 재무 비율에 대한 가중치를 결정하여 개별 기업의 부실화 정도에 대해 절대 평가 방식을 택하여 업종의 특수성과 경기 상황을 모두 반영할 수 있도록 하는 작업을 전산화한 것이 특징인 것이다.The present invention is a criterion for evaluating corporate insolvency prediction and creditworthiness for financial transactions such as credits to corporations in the financial sector, overcoming limitations of non-scientific characteristics, and related to corporate insolvency prediction and credit rating system based on scientific and objective analysis. The ratio that can clearly distinguish between insolvent companies and normal companies is selected through T-test and FACTOR ANALYSIS, which are statistical techniques, and each of these financial ratios is determined using the LIMDEP. It is characterized by computerizing the work to determine the weighting of financial ratios and to reflect both the specificity of the industry and the economic situation by taking an absolute evaluation on the degree of insolvent of individual companies.
Description
본 발명은 기업 부실 예측 및 신용도 산출 전산화 시스템에 관한 것으로, 더욱 상세하게는 금융권에서 기업에 대한 여신 등 금융 거래를 하기 위한 기업 부실 예측 및 신용도를 평가하는 기준에 있어서, 비과학적 특성의 한계를 극복하고 과학적이며 객관적인 분석에 근거한 기업 부실 예측 및 신용도 산출 전산화 시스템에 관한 것이다.The present invention relates to a system for predicting corporate insolvency and calculating credit ratings, and more particularly, to overcome the limitations of non-scientific characteristics in the criteria for assessing corporate insolvency and creditworthiness for financial transactions such as credits to corporations in the financial sector. And a computerized system for forecasting corporate default and credit calculation based on scientific and objective analysis.
일반적으로 기업 신용도 산출은 각 재무 비율의 평가 등급에 의한 점수를 합산하여 재무 평점을 산출하는 것을 일컬으며 이는 고객에게 신용을 부여하여 어음 할인(割引), 대부(貸付), 어음 인수(引受), 신용장 발행, 채무 보증 등을 하는 여신 업무를 안전하게 수행할 수 있도록 하기 위한 것이다.In general, corporate credit calculation refers to the calculation of the financial score by adding up the scores of each financial ratio's valuation grades, which grants credit to customers, giving discounts, loans, bills, This is to ensure that the credit business, such as issuing credits and guaranteeing debts, can be safely performed.
이러한 여신 업무는 고객, 즉, 기업에서 금융 거래를 원할 경우 여신을 신청하면 금융권에서 기업의 신용을 부여하게 되는 것으로 부설 가능성이 있는 기업을 판별하는 업무를 말하는 것이다.This credit service refers to a task of identifying a customer, that is, a company that is likely to settle down by applying for credit if the company wants a financial transaction.
상기와 같은 여신업무를 안전하게 수행하기 위한 현재의 기업 신용도 평가 산출 방법은 은행 연합회의 평점 방식을 따르고 있다.The current corporate credit rating calculation method for safely performing such credit business follows the rating method of the Bank Federation.
그러나, 평가를 위해 사용되고 있는 재무 비율들의 선정과 일단 선정된 각 재무비율에 대한 배점이 타당성 있는 근거에 의거 결정된 것이 아니라 통계 및 평가자들의 주먹구구식 추측에 의거 결정되었고, 각 재무 비율을 단순히 동업종에 속해 있는 다른 기업들과의 상대적인 우열에 의해(전체의 상위 10% 이내이면 A급 하위 10%이면 E급 등) 평가 등급을 정하고 있어, 각 업종의 특성, 경기 상황 등을 전혀 반영하지 못하는 문제점이 있는 것이었다.However, the selection of the financial ratios used for the evaluation and the allocation of each of the selected financial ratios were not based on valid evidence, but rather based on statistical and evaluator's guesswork. The ratings are set based on the relative superiority with other companies (e.g., if it is within the top 10% of the total class A, if it is the lowest 10% of the class A, etc.), which does not reflect the characteristics of each industry and the economic situation. It was.
본 발명은 상기와 같은 문제점을 고려하여 이루어진 것으로, 그 목적은 금융권에서 기업에 대한 여신 등 금융 거래를 하기 위한 기업 부실 예측 및 신용도를 평가하는 기준을 정함에 있어서, 비과학적 한계를 극복하고 과학적이며 객관적인 분석에 근거하도록 하는 기업 부실 예측 및 신용도 산출 전산화 시스템을 제공함에 있는 것이다.The present invention has been made in view of the above problems, and its purpose is to establish a criterion for evaluating corporate insolvency and credit rating for financial transactions such as loans to corporations in the financial sector, overcoming scientific limitations and It is to provide a computerized system for forecasting corporate default and credit calculation based on objective analysis.
이러한 목적은 부실 기업과 정상 기업을 분명하게 구분할 수 있는 비율을 통계적 기법인 T-test와 요인 분석(FACTOR ANLYSIS)을 통하여 선정하고 이에 선정된 재무 비율들에 대하여 전문 통계 프로그램(LIMDEP)을 이용하여 각 재무 비율에 대한 가중치를 결정하여 개별 기업의 부실화 정도에 대해 절대 평가 방식을 택하여 업종의 특수성과 경기 상황을 모두 반영할 수 있도록 하는 작업을 전산화한 것이 특징인 것이다.The objective is to select the ratios that can clearly distinguish between insolvent and normal firms through statistical techniques, T-test and FACTOR ANLYSIS, and to use the financial statistics program (LIMDEP). It is characterized by computerizing the work to determine the weighting of each financial ratio and to reflect both the specificity of the industry and the economic situation by taking an absolute evaluation method on the degree of insolvency of individual companies.
도 1은 본 발명의 전체적인 흐름도1 is an overall flow chart of the invention
* 도면의 주요부분에 대한 부호의 설명* Explanation of symbols for main parts of the drawings
100 : 본 시스템 1 : 기업 부실 예측부100: present system 1: corporate insolvency prediction unit
2 : 기업신용 평가부 3 : 츨력부2: Corporate Credit Evaluation Department 3: Output Department
11 : 제1 판정부 12 : 제2 판정부11: first judging unit 12: second judging unit
13 : 제3 판정부 14 : 종합판정부13: Third Judgment Unit 14: Comprehensive Judge
상기와 같은 목적을 달성하기 위한 본 발명을 상세히 설명하면 다음과 같다.Referring to the present invention in detail for achieving the above object is as follows.
첨부 도면은 본 발명의 진행 과정에 따른 흐름을 순차적으로 나타낸 순서도로서, 이외 도면 중 부호 100은 본 발명 시스템(본 시스템)을 나타낸 것이다.The accompanying drawings are flow charts sequentially showing the flow according to the progress of the present invention, in which 100 denotes the present invention system (main system).
본 시스템(100)은 기업 부실 예측부(1), 기업 신용 평가부(2) 및 출력부(3)로 구성되어 있다.The system 100 is composed of a corporate failure prediction unit 1, a corporate credit evaluation unit 2, and an output unit 3.
상기 기업 부실 예측부(1)는 제1판정부(11), 제2판정부(12), 제3판정부(13), 종합 판정부(14)로 이루어져 있다.The corporate failure prediction unit 1 includes a first decision unit 11, a second decision unit 12, a third decision unit 13, and a comprehensive determination unit 14.
즉, 기존의 다수 기업들의 재무 자료를 표본으로 한 다수 개의 재무 비율 자료들과 비교하여 부실 판정을 결정할 수 있도록 하는 체크 모형으로 된 제1판정부(11)와, 분석 자료의 특성과 크기에 의해 비교적 영향을 적게 받고 기업 부실 정도를 확률로 표시하여 줌으로써 분석 결과의 현업 적용이 용이한 로짓 분석을 통한 확률 모형으로 된 제2판정부(12)와, 일반 기업들이 부실 징후로 나타날 수 있는 몇 가지 경우들에 해당하는 가를 검사하는 부실 징후 체크 모형으로 된 제3판정부(13)와, 상기 제1, 2, 3판정부의 결과 값을 종합 판정하는 종합 판정부(14)로 구성되어 진 것이다.That is, the first judgment 11, which is a check model for determining the determination of insolvency by comparing the financial data of a plurality of companies with a sample of financial ratios, and the characteristics and size of the analysis data. Second judging (12), which is a probability model through logit analysis, in which the analysis results are relatively insignificant and the degree of corporate insolvency can be easily represented by the probable use of the analysis, and some kinds of indices that can be caused by ordinary companies It consists of a third judging unit 13 of a bad signs check model to check whether the cases correspond to the cases, and a comprehensive judging unit 14 which comprehensively determines the result values of the first, second, and third judging panels. .
상기 각 판정부와 세부 사항을 표로 나타내면 다음과 같다.Each said determination part and its detail are shown as follows.
상기의 표에서 보는 바와 같이 제1판정부(11)의 체크 도형에 따른 판정 과정에서는 부도 기업과 정상 기업간 재무적 특성의 차이가 존재한다는 점에서 착안하여 각 재무 변수별로 정상 기업 군과 부도 기업군 간의 분포 구조를 비교하여 분포 구조의 특성을 이용하여 부도 기업을 판별해 낼 수 있는 주요 재무변수를 선정한 후 단계적 추출법(step-wise Method)에 의해 부도 기업을 가장 많이 판별할 수 있는 "주요 재무 변수의 조합"을 구하여 그 조합을 체크 모형으로 사용하고 이와 비교하여 부실을 판정하도록 되어 있다.As shown in the above table, in the judgment process according to the check figure of the first judging 11, there is a difference in financial characteristics between the defaulting company and the normal company. The main financial variables that can be identified the most by the step-wise method after selecting the main financial variables that can be identified by the comparison structure. The combination is used as a check model and the failure is determined by comparison.
또한 제2판정부(12)의 확률 모형 역시 정상 기업과 부도 기업의 재무적 특성의 차이를 이용하고는 있으나 체크 모형이 각 재무 변수의 개별적 특성에 의한 평가 방법임에 반하여 확률 모형은 각 재무 변수의 특성뿐만 아니라 상호 연관성을 고려하여 평가 대상 기업의 부도 가능성을 확률로 계산하는 모형으로써 통계적 기법으로서 로짓(Logit)분석 방법을 사용하여서 판정하도록 되어 있다.In addition, the probability model of the second judiciary (12) also uses the differences in the financial characteristics of normal firms and bankrupt firms, whereas the probability model is an evaluation method based on individual characteristics of each financial variable. It is a model that calculates the probability of bankruptcy of the target company by considering the correlation as well as the characteristics of. It is determined by using the logit analysis method as a statistical technique.
상기 확률 모형에 이용되는 로짓 모형은 분석 자료의 특성과 크기에 의해 비교적 영향을 적게 받고, 기업 부실 정도를 확률로 표시하여 줌으로써 분석 결과의 현업 적용이 용이한 장점을 갖은 것으로 이의 기본 구조는 다음과 같다The logit model used in the probabilistic model is relatively less affected by the characteristics and size of the analytical data, and has the advantage of easy application of the analytical results by indicating the degree of corporate failure as a probability. same
단 yi=1→ 대상기업 i가 부도 기업인 경우Yi = 1 → Target Company i is Bankrupt
yi=0→ 대상기업 i가 정상 기업인 경우yi = 0 → Target company i is a normal company
X = 정상기업과부실 기업을 판별하는 독립 변수 벡터X = independent variable vector to distinguish between normal firm and bad firm
β= 회귀계수 벡터β = regression vector
또한, 기업 신용의 부실 확률 계산에서는In addition, in calculating the probability of insolvency of corporate credit
▷ 로짓모형의 회귀 계수 추정치 벡터를 β', 신용 평가 대상 기업 k의 독립변수 벡터를 Xk라고 하면 로짓 모형으로 부터 대상기업 k의 부실확률 Pk은 다음의 식에 의하여 계산된다.▷ If the logistic model's regression coefficient estimate vector is β 'and the independent variable vector of credit rating company k is X k , the probability of failure P k of target company k is calculated from the logit model by the following equation.
▷로짓모형으로 부터 계산된 대상 기업 k의 부실 확률 Pk가 사전에 정하여진 일정 수준 P을 넘어서면 대상 기업 k는 부실기업으로 판정되고, 부실 확률 Pk의 크기에 따라 기업 여신의 의사 결정에 영향을 미치게 된다.▷ the decisions of corporate loans, depending on the size of the logit model, the target insolvency of a company k probability calculated from P k exceeds a certain level of P Gene appointed prior written target company k is determined to be insolvent companies, insolvency probability P k Will be affected.
또한 제3판정부(3)의 부실 징후 체크 모형은 비재무 정보에 의한 부실 기업 체크 모형으로서 각 금융 기관에서 통상적으로 부실 기업의 특성으로 간주하고 있거나, 금융 관련 연구에서 부실 기업에 공통적으로 발생하고 있는 사항으로 알려진 부실 징후들 중에서 10개항을 선정하여 이에 해당하는 항의 수에 따라 판정하도록 되어 있다.In addition, the 3rd tribunal 3's bad sign check model is a bad company check model based on non-financial information, and each financial institution generally regards it as a characteristic of a bad company or is common to bad companies in financial research. Ten of the insolvent signs known as matters shall be selected and judged according to the number of the corresponding clauses.
또한 종합 판정부(14)는 상기 제1, 2, 3판정부의 판정 결과에서 1개 이상이 부실 기업으로 판정되었을 경우 부실 가능 기업으로 분류하도록 되어 있다.In addition, the comprehensive judgment part 14 is made to classify as a bad company if one or more was determined as a bad company in the determination result of the said 1st, 2nd, 3rd judgment.
또, 기업의 신용 평가부(20)에서는 평점 모형으로 기업의 신용 평점을 산출하여 판정하게 되는 것이다.In addition, the credit evaluation unit 20 of the company calculates and determines the credit score of the company by the rating model.
상기 기업 신용 평점은 제2 판정부(12)의 재무 정보 평점과 제3 판정부(13)의 비재무 정보 평점을 합한 것을 말하며 여기서 재무 정보 평점은 기업 부실 예측을 통해 계산된 부도 확률을 평점화한 것이고 비재무 정보 평점은 부실 징후 항목에 의한 비재무 항목을 평점화한 것을 말한다.The corporate credit rating refers to the sum of the financial information rating of the second determination unit 12 and the non-financial information rating of the third determination unit 13, where the financial information rating is a rating of the default probability calculated through the corporate failure prediction. Non-financial information ratings refer to ratings of non-financial items by insolvency indications.
상기와 같은 기업의 부실 예측 및 신용도 산출의 정확성을 높이기 위해서 기업의 규모 및 업종을 분류하여 각 기업의 특성에 적합한 비교값을 발췌하여 입력시켜 비교하는 것이 더욱 바람직하다 할 것이다.In order to increase the accuracy of the company's insolvency prediction and credit calculation, it is more preferable to classify the size and type of business and extract and input a comparison value suitable for each company's characteristics.
즉, 분류 중 기업 규모에 의한 분류에서는 기업 규모와 공인 회계사 회계감사 실시여부에 따른 재무제표의 질적 특성의 차이를 반영하기 위하여 총자산이 10억원 미만, 10억원 이상 비외감 기업, 60억원 이상 외감 기업의 3가지로 분류한다.In other words, in the classification by company size, the total assets are less than 1 billion won, non-overseas companies over 1 billion won, and external companies over 6 billion won to reflect the differences in the qualitative characteristics of the financial statements according to the size of the company and whether or not to conduct the audit. Classify into three.
또한, 업종에 의한 분류는 크게 제조업과 비제조업으로 분류하여 제조업은 표준 산업 분류 코드 2digit10~40 까지로 광업을 포함하여 투자 수익률과 경영 위험도를 기준으로 기업 규모별로 2∼3개씩 분류하고, 비제조업은 회계 방식 등에서 큰 차이가 있는 건설업을 별도로 분류한다.In addition, the classification by industry is largely classified into manufacturing and non-manufacturing, and the manufacturing industry is classified into two or three by company size based on investment return rate and management risk including mining with standard industry classification code 2digit10 ~ 40. Separately classifies construction industries with significant differences in accounting methods.
상기와 같은 과정 후 재무 비율 변수 및 기준값 설정을 하게 되는 것이다.After the above process, the financial ratio variable and the reference value will be set.
즉, 업종 군별로 4∼6개씩의 재무 비율을 기준 변수로 선정하게 되는데, 제조업은 6개 재무 비율을 선정하고 도소매 및 서비스는 5개 재무 비율을 선정하며 건설업은 5개의 재무 비율을 선정하게 된다.In other words, four to six financial ratios are selected as a reference variable for each industry group. The manufacturing sector selects six financial ratios, the wholesale and retail and service sectors select five financial ratios, and the construction industry selects five financial ratios. .
업종 군별로 정상 기업과 부실 기업의 재무 비율 평균값에 대해 T-test를 실시하여 두 집단간에 차이가 있는 변수를 선정하고 관련 재무 비율에서 극단치를 갖는 기업 자료에 의해 분석 결과가 왜곡되는 현상을 방지하가 위해 극단치를 제거하는 가준 값을 설정하고 해당 기업 자료는 분석에서 제외시킨다.T-tests are performed on average financial ratios of normal and insolvent firms in each sector to select variables that differ between the two groups and prevent distortion of the analysis results by company data having extreme values in the relevant financial ratios. For this purpose, we set a pseudo value that eliminates the extremes and excludes the company data from the analysis.
또한, 유사한 특성을 갖는 재무 비율의 중복 선정을 지양하기 위해 업종 군별로 요인 분석을 실시하고 T-test의 경우와 마찬가지로 극단치를 갖는 재무 자료를 제거하고 분석 결과 업종 군별로 6∼8개의 재무 비율을 그룹으로 분류된다.In addition, factor analysis was conducted for each industry group to avoid duplication of financial ratios with similar characteristics, and as in the case of the T-test, the financial data with extreme values were removed. Are classified into groups.
또한, 요인 분석과 T-test 결과를 반영하여 재무 비율을 선정하되 기업 부실 확률 모형과 유사하게 조정하여 상호 유기적인 연관성을 확보하고 재무 변수별 판별 기준점은 재무 변수가 정규 분포에 따른다는 가정 하에 정상 기업 평균 ±0.39×정상 기업 표준 편차로 결정하게 되는 것이다.In addition, the financial ratio is selected by reflecting the factor analysis and the T-test result, but it is adjusted similarly to the company's bad probability model to secure the organic relationship and the discriminant reference point for each financial variable is normal under the assumption that the financial variable depends on the normal distribution. It is determined by the company average ± 0.39 × normal company standard deviation.
또 기업 규모와 업종 군별로 정상 기업과 부도 기업의 재무 비율 평균값의 차이가 통계적으로 유의 한가에 대한 T-test 실시 결과를 토대로 정상 기업과 부실 기업을 판별하기 위한 로짓 모형의 추징에 사용될 독립 변수들을 선정하게 된다.In addition, the independent variables to be used in the collection of logit models to discriminate between normal firms and bad firms are selected based on the results of the T-test on whether the average difference between the average ratios of normal firms and bankrupt firms is statistically significant according to the size of the firm and the sector. Done.
예비 검토 모형에서 사용된 재무 비율 변수들과 T-test 결과 5% 수준에서 통계적으로 유의한 재무 비율 변수들 전체를 기업 부실 판별 모형의 독립 변수들로 우선적으로 고려한다.The financial ratio variables used in the preliminary review model and the statistically significant financial ratio variables at the 5% result of T-test are considered as independent variables of the corporate failure model.
기업 부실 판별 모형의 독립 변수들을 최종적으로 선정하기 위한 과정에서 고려한 요소는 다음과 같다.The factors considered in the final selection of the independent variables of the corporate failure determination model are as follows.
재무 비율의 특성인 안정성, 수익성, 활동성, 성장성, 생산성을 나타내는 대표적인 재무 비율 변수를 균형적으로 선정하고, 재무 비율의 특성이 동일안 범주에 속하더라도 요인 분석에 의하여 서로 독립적인 요인 특성을 보이는 재무 비율 변수들을 동시에 선정하고, T-test 결과에 의하여 기업 규모별 및 업종 군별에 걸쳐 통계적으로 유의한 공통적인 재무 비율 변수를 선정하고, 계수의 부호가 재무 비율의 특성과 부합되도록 재무 비율 변수를 선정하며, 선정된 재무 비율 변수들을 대상으로 한 다양한 조합에 대하여 기업 부실 판별 모형을 추정하고, 추정된 기업 부실 판별 모형의 판별력을 비교 검토하는 반복 과정을 통하여 판별력을 극대화하는 재무 비율 변수들의 조합을 최종적으로 선정하게 된다.Balanced financial ratio variables representing stability, profitability, activity, growth, and productivity, which are characteristics of financial ratios, are balanced. Select the rate variables at the same time, select statistically significant financial ratio variables across the company size and industry groups based on the T-test results, and select the financial ratio variables so that the sign of the coefficient matches the characteristics of the financial ratio. Finally, we estimate the combination of financial ratio variables that maximize discrimination through an iterative process of estimating the company's insolvency discrimination model for various combinations of selected financial ratio variables and comparing and examining the discrimination power of the estimated insolvent discrimination model. Will be selected.
상기의 각 설정된 모형이나 선정 기준에 따라 부실 기업 예측 및 신용도를 판정하는 과정을 첨부 도면에 의하여 살펴보면 다음과 같다.Referring to the accompanying drawings, a process of determining a bad company prediction and credit rating according to each set model or selection criteria described above is as follows.
먼저 기업 규모와 업종에 따라 구분되어진 상태에서 제1판정부(11)의 체크 모형의 판정 기준에 해당되는 항이 제조업의 경우 6개 변수중 5개 이상이면 부실 가능 기업으로 판정하고 비제조업의 경우 5개 변수중 4개 이상 해당되면 부실 가능 기업으로 판정하게 된다.First, if the term corresponding to the criterion of the check model of the First Judgment (11) is 5 or more out of 6 variables in the manufacturing industry, it is determined to be insolvent, and is classified as non-manufacturing industry. If four or more of the variables apply, the company will be determined to be insolvent.
상기 판정 기준의 부실 판정 변수 및 기준 값을 기업 규모 및 업종에 따라 설정된 값을 표로 나타내면 아래와 같다.Inferior judgment variables and reference values of the above criteria are shown according to the size and type of business in a table.
(가) 총 자산 규모 10억원 미만(A) Total assets less than 1 billion won
(나) 총 자산 규모 10억원 이상 60억원 미만(B) Total assets over 1 billion won and less than 6 billion won
(다) 총 자산 규모 60억원 이상(외부 감사)(C) Total assets of over 6 billion won (external audit)
또한 제2판정부(12)에서 부실 확률 모형에 의하여 부실 확률이 60% 이상이면 부실 가능 기업으로 판정하게 되는 것이다.In addition, if the probability of failure is more than 60% by the failure probability model in the second decision unit 12, it is determined that the company is insolvent.
이때 부실 확률 산출 공식은 다음과 같다.In this case, the formula for calculating the probability of insolvency is as follows.
β = 회귀 계수 벡터β = regression coefficient vector
X = 정상 기업과 부실 기업을 판별하는 독립 변수 벡터X = Independent variable vector to determine normal and bad company
상기 공식에 기업 규모와 업종에 따른 재무 정보치의 X, β값을 나타내면 아래와 같다.In the above formula, X and β values of financial information values according to the company size and industry are as follows.
(가) 총 자산 규모 10억원 미만(A) Total assets less than 1 billion won
(나) 총 자산 규모 10억원 이상 60억원 미만(B) Total assets over 1 billion won and less than 6 billion won
(다) 총 자산 규모 60억원 이상(외부 감사)(C) Total assets of over 6 billion won (external audit)
또한 제3판정부(13)의 부실 징후 체크 모형은 각 금융 기관에서 통상적으로 부실 기업의 특성으로 간주하고 있거나, 금융 관련 연구에서 부실 기업에 공통적으로 발생하고 있는 사항으로 알려진 징후들을 체크 항목으로 하고 이들 부실 징후 체크 항목 중 10개를 선정하여 이 10개 중 3개 이상이 해당되면 "부실"로 판정하도록 되어 있다.In addition, the 3rd tribunal 13's bad signs check model checks for signs that are usually regarded by the financial institutions as the characteristics of bad companies or are known to be common to bad companies in financial research. Ten of these insignificant symptom check items are selected, and if three or more of the ten are applicable, the result is determined to be "insolved."
즉,In other words,
(1)최근 3년간 연속 적자인 경우.(1) When it is deficit last three years consecutively.
(2)전기 대비 매출액이 30%이상 감소한 기업으로 매출액 증가율이 동업계 평균 보다 낮은 경우.(2) The sales growth rate is lower than the industry average because the company's sales decreased by more than 30% compared to the previous year.
(3)재고 자산 회전율 및 매출 채권 회전율이 전기에 비해 낮아진 업체로 동업계 평균 회전율을 하회하는 경우.(3) The turnover of inventory assets and accounts receivables is lower than the previous year, which is lower than the industry average turnover.
(4)최근 3년간 매출액 대비 금융비용 부담률이 10% 이상인 경우.(4) The financial burden burden is more than 10% of sales over the last three years.
(5)관계 기업 중 당기 순손실, 자본 잠식, 도산 등 부실 기업이 있는 경우.(5) When there are insolvent companies, such as net loss, capital erosion or bankruptcy among affiliated companies.
(6)업체가 제출한 재무 제표에 대하여 수정을 실시하였을, 때 수정 전 재무 제표의 당기 순이익이 수정 후 재무 제표에서 당기 순손실로 바뀐 경우.(6) When the amendments are made to the financial statements submitted by the entity, the net profit from the amended financial statements is changed to net loss from the amended financial statements.
(7)산업 등급이 "IR4" 이하 (산업 등급 미판정 업체는 업종의 유망성이 "사양 산업")이고, 제품 수명 주기가 "포화기" 또는 "쇠퇴기"인 경우.(7) When the industrial grade is "IR4" or below (industrial grade undecided companies are "specified industries") and the product life cycle is "saturator" or "decay".
(8)최근 6개월 이내 연체 일수(대지급 포함) 한계가 60일 이상이거나, 수출입 업체로서 UNPAID, CLAIM 금액의 합계가 자기 자본을 초과한 경우.(8) The limit of the number of overdue days (including payments) within the last six months is 60 days or more, or the total amount of UNPAID and CLAIM as an import / export company exceeds its equity capital.
(9)최근 6개월 이내 1차 이상 당좌 부도(예금 부족) 발생 업체.(9) Companies incurring overdrafts (lack of deposit) within the first six months or more.
(10)금융 기관의 신용 정보 교환 및 관리 규약에 의한 황색 거래처.(10) A yellow client under the terms of the financial information exchange and management of a financial institution.
등의 10가지 경우에서 3가지 이상이 해당되면 부실로 판정하도록 되어 있다.In 10 cases, such as three or more cases are determined to be bad.
또한 종합 판정부(14)에서는 상기 제1, 2, 3판정부의 판정 결과에서 1개 이상이 부실 기업으로 판정되었을 경우 부실 가능 기업으로 분류하도록 되어 있다.In addition, the comprehensive determination unit 14 is to classify the company as insolvent if one or more are determined to be insolvent in the determination results of the first, second, and third judgments.
또, 기업의 신용 평가부(2)에서는 평점 모형으로 기업의 신용 평점을 산출하여 판정하게 되는 것이다.In addition, the credit evaluation unit 2 of the company calculates and determines the credit score of the company by the rating model.
또, 출력부(2)에서는 상기의 모든 결과 값을 가지고 신용 조사서, 기업 부실 예측 점검표 및 기업 신용 평가표 등을 작성하여 자료화하게 되는 것이다.In addition, the output unit 2 prepares and documents a credit report, a company insolvency forecast checklist, a company credit rating table, and the like with all the above-described result values.
상기와 같은 본 발명은 기업 규모 및 업종에 따라 각 기업군의 특성에 적합한 모형과 부실 가능성을 다단계로 선정하여 과학적이며 객관적인 분석을 통해 기업 부실 및 신용도의 비교 예측시 정확성이 향상되는 효과를 기대할 수 있는 것이다.As described above, the present invention can be expected to have an effect of improving accuracy in predicting the comparison of corporate insolvency and creditworthiness through scientific and objective analysis by selecting a model suitable for the characteristics of each corporate group and the possibility of insolvency according to the size and type of business. will be.
또한, 예비 검토 과정에서 여신 신청 기업 중 부실 가능성이 높은 기업을 미리 제거하고 판정하도록 하여 신용 조사와 신용 평가에 따르는 노력과 비용의 절감 효과를 갖는 것이다.In addition, in the preliminary review process, it is possible to eliminate and decide in advance the companies that are likely to be insolvent among credit requesting companies, thereby reducing the effort and cost of the credit check and credit evaluation.
Claims (8)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019970066843A KR19990048215A (en) | 1997-12-09 | 1997-12-09 | Corporate Insolvency Prediction and Credit Rating System |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019970066843A KR19990048215A (en) | 1997-12-09 | 1997-12-09 | Corporate Insolvency Prediction and Credit Rating System |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR19990048215A true KR19990048215A (en) | 1999-07-05 |
Family
ID=66088092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019970066843A KR19990048215A (en) | 1997-12-09 | 1997-12-09 | Corporate Insolvency Prediction and Credit Rating System |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR19990048215A (en) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010008034A (en) * | 2000-11-03 | 2001-02-05 | 이은우 | Direct Appraisal Analysis System Based On Internet Using Web-Site |
| KR20010088520A (en) * | 2001-08-01 | 2001-09-28 | 안효기 | An Investment Return System Using Internet And Storage Medium Thereof |
| KR20010096181A (en) * | 2000-04-17 | 2001-11-07 | 김창기 | Method for offering information of investment with online |
| KR20010107330A (en) * | 2000-05-26 | 2001-12-07 | 김성욱 | System for evaluating and improving the value of an enterprise and Method thereof |
| KR20020021240A (en) * | 2000-09-14 | 2002-03-20 | 강일찬 | realtime comfidence information method of an enterprise using the internet |
| KR20030019118A (en) * | 2001-08-28 | 2003-03-06 | 가부시키가이샤 히타치세이사쿠쇼 | Business performance index processing system |
| KR100414180B1 (en) * | 2000-11-20 | 2004-01-07 | 이밸류(주) | Method for servicing after predicting the dishonored probability of enterprise by using option pricing theory |
| KR100432188B1 (en) * | 2001-09-25 | 2004-05-17 | 안중욱 | Supplier Relationship Management System and Method by using Digital Credit Certificate |
| KR20040073046A (en) * | 2003-02-13 | 2004-08-19 | 한국신용평가정보주식회사 | Risk and relationship manager system with on-line |
| WO2007148867A1 (en) * | 2006-06-20 | 2007-12-27 | Industry-Academic Cooperation Foundation, Yonsei University | Method of technology evaluation |
| KR100914307B1 (en) * | 2007-07-11 | 2009-08-27 | 고려대학교 산학협력단 | System of constructing credit risk model, method of managing credit risk using credit risk model construction and Recording medium thereof |
| KR20140047863A (en) * | 2012-10-15 | 2014-04-23 | 주식회사 우리은행 | Method of estimating credit statis, server performing the same and system performing the same |
| KR20170079159A (en) * | 2015-12-30 | 2017-07-10 | 주식회사 솔리드웨어 | Target information prediction system using big data and machine learning and method thereof |
| KR20180082214A (en) * | 2017-01-10 | 2018-07-18 | 서울대학교산학협력단 | Risk value evaluating system for unclaimed construction and risk value evaluating apparatus for unclaimed construction |
| CN113919407A (en) * | 2021-10-29 | 2022-01-11 | 深圳壹账通智能科技有限公司 | Enterprise typing method, device, equipment and medium |
| CN115578043A (en) * | 2022-12-13 | 2023-01-06 | 深圳市中诺思科技股份有限公司 | Logistics big data real-time monitoring and analysis processing system based on artificial intelligence |
-
1997
- 1997-12-09 KR KR1019970066843A patent/KR19990048215A/en not_active Application Discontinuation
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010096181A (en) * | 2000-04-17 | 2001-11-07 | 김창기 | Method for offering information of investment with online |
| KR20010107330A (en) * | 2000-05-26 | 2001-12-07 | 김성욱 | System for evaluating and improving the value of an enterprise and Method thereof |
| KR20020021240A (en) * | 2000-09-14 | 2002-03-20 | 강일찬 | realtime comfidence information method of an enterprise using the internet |
| KR20010008034A (en) * | 2000-11-03 | 2001-02-05 | 이은우 | Direct Appraisal Analysis System Based On Internet Using Web-Site |
| KR100414180B1 (en) * | 2000-11-20 | 2004-01-07 | 이밸류(주) | Method for servicing after predicting the dishonored probability of enterprise by using option pricing theory |
| KR20010088520A (en) * | 2001-08-01 | 2001-09-28 | 안효기 | An Investment Return System Using Internet And Storage Medium Thereof |
| KR20030019118A (en) * | 2001-08-28 | 2003-03-06 | 가부시키가이샤 히타치세이사쿠쇼 | Business performance index processing system |
| KR100432188B1 (en) * | 2001-09-25 | 2004-05-17 | 안중욱 | Supplier Relationship Management System and Method by using Digital Credit Certificate |
| KR20040073046A (en) * | 2003-02-13 | 2004-08-19 | 한국신용평가정보주식회사 | Risk and relationship manager system with on-line |
| WO2007148867A1 (en) * | 2006-06-20 | 2007-12-27 | Industry-Academic Cooperation Foundation, Yonsei University | Method of technology evaluation |
| KR100914307B1 (en) * | 2007-07-11 | 2009-08-27 | 고려대학교 산학협력단 | System of constructing credit risk model, method of managing credit risk using credit risk model construction and Recording medium thereof |
| KR20140047863A (en) * | 2012-10-15 | 2014-04-23 | 주식회사 우리은행 | Method of estimating credit statis, server performing the same and system performing the same |
| KR20170079159A (en) * | 2015-12-30 | 2017-07-10 | 주식회사 솔리드웨어 | Target information prediction system using big data and machine learning and method thereof |
| KR20180082214A (en) * | 2017-01-10 | 2018-07-18 | 서울대학교산학협력단 | Risk value evaluating system for unclaimed construction and risk value evaluating apparatus for unclaimed construction |
| CN113919407A (en) * | 2021-10-29 | 2022-01-11 | 深圳壹账通智能科技有限公司 | Enterprise typing method, device, equipment and medium |
| CN115578043A (en) * | 2022-12-13 | 2023-01-06 | 深圳市中诺思科技股份有限公司 | Logistics big data real-time monitoring and analysis processing system based on artificial intelligence |
| CN115578043B (en) * | 2022-12-13 | 2023-06-27 | 深圳市中诺思科技股份有限公司 | Logistics big data real-time monitoring and analysis processing system based on artificial intelligence |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chowdhury et al. | Working capital management practiced in Pharmaceutical companies in Dhaka stock | |
| Cerqueiro et al. | Rules versus discretion in loan rate setting | |
| US8799150B2 (en) | System and method for predicting consumer credit risk using income risk based credit score | |
| Brunner et al. | Information production in credit relationship: On the role of internal ratings in commercial banking | |
| Antunes et al. | Firm default probabilities revisited | |
| WO2012018968A1 (en) | Method and system for quantifying and rating default risk of business enterprises | |
| KR19990048215A (en) | Corporate Insolvency Prediction and Credit Rating System | |
| Vochozka et al. | Financial analysis of an average transport company in the Czech Republic | |
| Welc | Financial statement analysis | |
| Shisia et al. | An in-depth analysis of the Altman’s failure Prediction model on corporate financial distress in Uchumi supermarket in Kenya | |
| Ershadi et al. | Customer validation using hybrid logistic regression and credit scoring model: a case study | |
| CN112232377A (en) | Method and device for constructing ESG (electronic service guide) three-excellence credit model of enterprise | |
| Hayden | Are credit scoring models sensitive with respect to default definitions? Evidence from the Austrian market | |
| KR102157275B1 (en) | Method of rating financial grade based on financial statement, financial grade modelling module performing the same and loan approval server including the same | |
| Kemboi | The validity of Altman failure prediction model in predicting corporate financial distress in Uchumi supermarket in Kenya | |
| Minussi et al. | Statistical modelling to predict corporate default for Brazilian companies in the context of Basel II using a new set of financial ratios | |
| Saeed et al. | Bank concentration and firm investment: Empirical evidence from India | |
| Saygılı et al. | An analysis of factors affecting credit scoring performance in SMEs | |
| Białek-Jaworska et al. | Corporate bonds or bank loans? The choice of funding sources and information disclosure of Polish listed companies | |
| Vintilă et al. | Measuring and Analyzing the Efficiency of Firms in the Insurance Industry Using DEA Techniques | |
| Agegnew | The effect of working capital management on profitability: The case of selected manufacturing and merchandising companies in Hawassa city administration | |
| Kalakkar | Key factors in determining the financial performance of the Indian banking sector | |
| Nguyen et al. | Applying appropriate models to predict bankruptcy for Vietnamese listed construction companies | |
| Čavlin et al. | Mogućnost primene klasičnih bilansnih modela za prognozi solventnosti–primer MSP u ruralnim područjima Republike Srbije | |
| Abdollah Zadeh et al. | A study of the impact of cash and earning persistence on stock return in the Tehran Stock Exchange |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |