CFFA와 머신러닝을 이용한 비상장 건설화학기업의 부실예측

Abstract

본 연구는 Comparable firm finding algorithm (CFFA)와 랜덤 포레스트를 활용하여 비상장 건설화학 기업의 부실을 예측하였다. CFFA를 통해 기존에는 확인하기 어려웠던 비상장 기업의 시장변수를 측정하여 부족한 비상장 기업의 정보를 보완하였다. 특히 코로나-19의 영향을 중점적으로 분석하고자 2019년부터 2021년까지의 기업 데이터를 활용하여 부실 여부를 예측하였다. 성능평가 결과, CFFA로 측정한 변수를 포함할 경우 검증용 데이터의 모든 평가 지표에서 0.8 이상의 높은 정확도를 보였다. 그에 비해, CFFA로 측정한 변수를 제외할 경우 모든 평가 지표에서 성능 저하가 나타났다. 성능의 차이는 재현율(Recall)에서 가장 크게 나타났다. 따라서 CFFA로 측정한 변수가 부실예측에서 설명력 있는 변수로 적용 가능하며, 부실 기업을 식별하는 능력을 강화함을 확인하였다. 이러한 결과를 통해 본 연구는 기업 및 채권기관이 선제적인 부실관리 대응을 할 수 있는 데 기여할 것으로 기대된다.|This study uses the Comparable Firm Finding Algorithm (CFFA) and Random Forest to predict financial distress in non-listed construction chemical firms. Using CFFA, the study complements the limited information on non-listed firms by measuring their market variables, which have been difficult to obtain. In particular, to analyze the impact of the COVID-19 shock, corporate data from 2019 to 2021 was used to predict financial distress. As a result of the performance evaluation, when variables measured by CFFA were included, high scores of over 0.8 was shown in all evaluation indicators. In comparison, when variables measured by CFFA were excluded, performance deteriorated in all indicators. The difference in performance was greatest in recall. Therefore, it was confirmed that the variables measured by CFFA can be applied as explanatory variables in predicting insolvency and strengthen the ability to identify distressed companies. Based on these findings, this study is expected to contribute to enabling firms and creditor institutions to proactively respond to insolvency management.