머신러닝 기법을 사용한 이익예측 모형

Abstract

본 논문에서는 단계적 로짓 회귀(Stepwise Logit Regressioin) 모델과 머신러닝(Machine Learning) 기법인 랜덤 포레스트(Random Forest) 모델, 익스트림 그레이디언트 부스팅(Extreme Gradient Boosting) 모델, 인공신경망(Artificial Neural Network) 모델을 사용하여 미래의 희석주당이익(DEPS)의 증가를 예측하고, 각각의 예측 모델의 정확도를 비교한다. 선행연구에서 이익의 증가를 예측할 수 있도록 하는 중요 변수를 사용하여 본 연구를 진행하고 네 개의 모델에서 중요 변수를 추출하고 선행연구의 중요 변수와 비교한다. 그리고 재무상태표와 손익계산서에서 얻을 수 있는 변수들을 확보하여 총자산과 총매출로 변수를 조정한 후 예측 변수에 추가하여 미래 희석주당이익의 증가를 추가적으로 예측하고, 중요 변수를 추출하고 비교한다. 분석 결과 선행연구와 동일하게 랜덤포레스트모델의 예측 정확도가 단계적 로짓 회귀 모델의 예측 정확도보다 높았다. 그리고 랜덤 포레스트 모델의 예측 정확도가 나머지 예측 모델보다 예측 정확도가 가장 높았으며 다음으로 익스트림 그레이디언트 부스팅 모델의 예측 정확도가 높았다. 추가 분석 결과 랜덤 포레스트 모델, 익스트림 그레이디언트 부스팅 모델과 인공신경망 모델의 예측 정확도가 좋았으며, 인공신경망 모델의 경우 예측 변수를 추가하기 전보다 예측 정확도가 가장 큰 폭으로 향상되는 것을 확인하였다. 본 연구는 머신러닝 모델을 활용하여 회계이익을 예측할 경우, 기존의 이익 예측 모형인 회귀모형 보다 회계이익을 정확하게 예측할 수 있다는 점을 시사한다. 그리고 머신러닝 모델과 딥러닝 모델을 활용한 연구가 회계학에서도 충분히 활용될 수 있다는 증거를 제시하고, 머신러닝 방법론과 딥러닝 방법론을 회계학에 도입하는데 발판을 마련하고자 한다.|This study investigates the effectiveness of machine learning algorithms in predicting future diluted earnings per share(DEPS). Using Stepwise Logit Regression model, Random Forest model, Extreme Gradient Boosting model, and Artificial Neural Network model to assess their predictive capabilities. The variables in this study that are the most important predictor variables in the prior study, after that this study investigates which predictor variables are most important to compare with prior study. Additionally, This study predicts the increase of the future diluted earnings per share with additional variables obtained from balance sheet and income statement, adjusted with total assets and total sales. Also, this study investigates the most important variables in additional analysis. This study reveals that Random Forest model outperforms the stepwise logit regression model, demonstrating superior predictive accuracy. In additional analysis, this study finds that RandomForest model, Extreme Gradient Boosting model, and Artificial Neural Network model all demonstrated strong prediction accuracy. Interestingly, the Artificial Neural Network model exhibits the most significant improvement in predictive accuracy when incorporating these additional variables. This study findings suggest that machine learning algorithms offer a more accurate approach to earnings prediction compared to traditional regression models. Moreover, this study highlights the potential of machine learning and deep learning models in accounting research.