KR101599675B1 - 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법 - Google Patents

빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법 Download PDF

Info

Publication number
KR101599675B1
KR101599675B1 KR1020150094515A KR20150094515A KR101599675B1 KR 101599675 B1 KR101599675 B1 KR 101599675B1 KR 1020150094515 A KR1020150094515 A KR 1020150094515A KR 20150094515 A KR20150094515 A KR 20150094515A KR 101599675 B1 KR101599675 B1 KR 101599675B1
Authority
KR
South Korea
Prior art keywords
keyword
news
company
corporate
keywords
Prior art date
Application number
KR1020150094515A
Other languages
English (en)
Inventor
김태영
안병건
서용환
이준영
김연주
Original Assignee
한국기업데이터 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국기업데이터 주식회사 filed Critical 한국기업데이터 주식회사
Priority to KR1020150094515A priority Critical patent/KR101599675B1/ko
Application granted granted Critical
Publication of KR101599675B1 publication Critical patent/KR101599675B1/ko

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06F17/30318—
    • 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
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

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)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법이 개시된다. 본 발명은, 빅 데이터 기술을 이용하여 기업 뉴스를 수집하고, 수집한 기업 뉴스를 구성하는 단어를 기초로 기업 신용 위험도를 예측한다. 본 발명에 따르면, 종래의 기업 신용 평가 시스템의 한계를 보완할 수 있다.

Description

빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법{Apparatus and method for predicting degree of corporation credit risk using corporation news searching technology based on big data technology}
본 발명은 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법에 관한 것으로, 더욱 상세하게는 빅 데이터 기술을 이용하여 기업 뉴스를 수집하고, 수집한 기업 뉴스를 기초로 기업 신용 위험도를 예측하는 장치 및 방법에 관한 것이다.
금융 산업의 발전에 발맞추어 리스크 관리(Risk Management)에 대한 인식이 확산됨에 따라 금융 기관은 다양한 방법으로 기업의 신용을 평가할 수 있는 기법을 개발하고 실제 업무에 적용하고 있는 상황이다. 일반적으로, 기업의 신용 평가는 기업의 재무 정보, 매출 정보 등을 통해 이루어지고 있다.
최근 초고속 인터넷이 급속도로 보급됨에 따라 인터넷은 현대 생활에 없어서는 안 될 필수품이 되고 있다. 많은 사용자가 인터넷을 통하여 뉴스 기사 검색, 전자상거래 등의 다양한 서비스를 이용하고 있다. 이에 따라 수많은 언론사로부터 기업과 관련된 뉴스 기사(기업의 매출 홍보성 기사, 기업의 경영진 교체 기사, 기업의 지분 매각 기사, 기업의 공시 기사 등)가 생성되어 인터넷을 통해 사용자에게 배포되고 있는 상황이다.
또한, 금융 산업의 발전에 발맞추어 리스크 관리(Risk Management)에 대한 인식이 확산됨에 따라 금융 기관은 다양한 방법으로 기업의 신용을 평가할 수 있는 기법을 개발하고 실제 업무에 적용하고 있는 상황이다. 일반적으로, 기업의 신용 평가는 기업의 재무 정보, 매출 정보 등을 통해 이루어지고 있다.
한국공개특허 제2009-0001917호 (주식회사 신한은행) 2009. 1. 9. 특허문헌 1은 여신 고객에 대한 조기경보 방법 및 시스템과 이를 위한 기록매체로서, 특허문헌 1에는 소정의 조기경보 대상 기업(또는 개인)에 대한 적어도 하나 이상의 경보항목 정보와 경보항목별 등급산출 조건 정보를 연계하여 저장하고, 등록(또는 수집)된 적어도 하나 이상의 경보항목별 조기경보 점검정보를 경보항목별 등급산출 조건에 따라 분류하여 고객의 등급을 정리고객, 문제고객, 요주의고객, 요관찰고객, 정상고객 중 소정의 등급으로 산출하는 내용이 개시되어 있다. 한국공개특허 제2009-0006489호 (고려대학교 산학협력단) 2009. 1. 15. 특허문헌 2는 신용 위험 모형 구축용 툴 킷, 신용 위험 모형 구축을 통한 신용 위험 관리 방법 및 이를 기록한 기록매체로서, 특허문헌 2에는 신용도 평가를 위하여 기업 또는 개인의 재무제표에 대한 데이터를 저장하는 원자료 데이터베이스로부터 선택된 데이터의 결측치를 제거하고, 결측치가 제거된 데이터로부터 신용도 평가 모형의 변수를 선택하며, 선택된 변수로부터 로지스틱 회귀분석에 의해 데이터로부터 신용도 평가 모형을 구축하고, 구축된 신용도 평가 모형의 분석 결과를 이용하여 기업 또는 개인의 신용도를 평가하는 내용이 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는, 빅 데이터 기술을 이용하여 기업 뉴스를 수집하고, 수집한 기업 뉴스를 구성하는 단어를 기초로 기업 신용 위험도를 예측하는 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법을 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한 본 발명에 따른 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치는, 미리 지정된 업체에 대한 미리 설정된 기간 동안의 뉴스 기사를 수집하는 뉴스 수집부; 및 미리 선정된 키워드를 기초로 상기 뉴스 수집부에 의해 수집된 뉴스 기사를 분석하여 상기 미리 지정된 업체의 위험도를 분석하는 위험도 분석부;를 포함한다.
과거 부도 업체들의 뉴스 기사에서 키워드를 선정하고, 정상 업체 및 부도 업체 각각의 뉴스 기사에 선정된 키워드가 출현하는 빈도를 산출하며, 산출된 정상 업체 및 부도 업체의 출현 빈도를 기초로 선정된 키워드별로 출현 배수를 산출하는 키워드 선정부를 더 포함할 수 있다.
상기 키워드 선정부는, 부도 업체의 뉴스 기사에 키워드가 출현한 평균 횟수를 정상 업체의 뉴스 기사에 키워드가 출현한 평균 횟수로 나누어 키워드의 출현 배수를 산출할 수 있다.
상기 키워드 선정부는, 상기 과거 부도 업체들을 주기적으로 업데이트하여, 상기 키워드를 재선정하고, 재선정된 키워드별로 출현 배수를 재산출할 수 있다.
상기 위험도 분석부는, 상기 미리 선정된 키워드 중에서 상기 뉴스 수집부에 의해 수집된 뉴스 기사에 포함된 키워드를 추출하고, 상기 미리 선정된 키워드별로 미리 산출된 출현 배수를 기초로 상기 추출된 키워드와 상기 추출된 키워드별 분석 정보를 이용하여 상기 미리 지정된 업체의 위험도 지수를 산출할 수 있다.
상기 추출된 키워드별 분석 정보는, 추출된 키워드의 출현 시기 정보, 추출된 키워드의 출현 횟수 정보 및 추출된 키워드의 출현 지속성 정보를 포함할 수 있다.
상기 위험도 분석부에 의해 분석된 상기 미리 지정된 업체의 위험도를 제공하는 위험도 제공부를 더 포함할 수 있다.
상기의 기술적 과제를 달성하기 위한 본 발명에 따른 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 방법은, 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치의 기업 신용 위험도 예측 방법으로서, 미리 지정된 업체에 대한 미리 설정된 기간 동안의 뉴스 기사를 수집하는 단계; 및 미리 선정된 키워드를 기초로 수집된 뉴스 기사를 분석하여 상기 미리 지정된 업체의 위험도를 분석하는 단계;를 포함한다.
과거 부도 업체들의 뉴스 기사에서 키워드를 선정하는 단계; 정상 업체 및 부도 업체 각각의 뉴스 기사에 선정된 키워드가 출현하는 빈도를 산출하는 단계; 및 산출된 정상 업체 및 부도 업체의 출현 빈도를 기초로 선정된 키워드별로 출현 배수를 산출하는 단계;를 더 포함할 수 있다.
상기 출현 배수 산출 단계는, 부도 업체의 뉴스 기사에 키워드가 출현한 평균 횟수를 정상 업체의 뉴스 기사에 키워드가 출현한 평균 횟수로 나누어 키워드의 출현 배수를 산출하는 것으로 이루어질 수 있다.
상기 과거 부도 업체들을 주기적으로 업데이트하여, 상기 키워드를 재선정하고, 재선정된 키워드별로 출현 배수를 재산출하는 단계를 더 포함할 수 있다.
상기 위험도 분석 단계는, 상기 미리 선정된 키워드 중에서 수집된 뉴스 기사에 포함된 키워드를 추출하는 단계; 및 상기 미리 선정된 키워드별로 미리 산출된 출현 배수를 기초로 상기 추출된 키워드와 상기 추출된 키워드별 분석 정보를 이용하여 상기 미리 지정된 업체의 위험도 지수를 산출하는 단계;를 포함할 수 있다.
상기 추출된 키워드별 분석 정보는, 추출된 키워드의 출현 시기 정보, 추출된 키워드의 출현 횟수 정보 및 추출된 키워드의 출현 지속성 정보를 포함할 수 있다.
분석된 상기 미리 지정된 업체의 위험도를 제공하는 단계를 더 포함할 수 있다.
상기의 기술적 과제를 달성하기 위한 본 발명에 따른 컴퓨터 프로그램은 컴퓨터로 읽을 수 있는 기록 매체에 저장되어 상기한 방법 중 어느 하나를 컴퓨터에서 실행시킨다.
본 발명에 따른 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법에 의하면, 빅 데이터 기술을 이용하여 기업 뉴스를 수집하고, 수집한 기업 뉴스를 구성하는 단어를 기초로 기업 신용 위험도를 예측함으로써, 종래의 기업 신용 평가 시스템의 한계를 보완할 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 기업 신용 위험도 예측 장치를 설명하기 위한 블록도이다.
도 2는 도 1에 도시한 기업 신용 위험도 예측 장치의 구성을 보다 자세히 나타낸 블록도이다.
도 3은 본 발명의 바람직한 실시예에 따른 키워드 선정 동작을 설명하기 위한 도면이다.
도 4는 본 발명의 바람직한 실시예에 따른 선정된 키워드의 출현 빈도 산출 동작을 설명하기 위한 도면이다.
도 5는 본 발명의 바람직한 실시예에 따른 선정된 키워드의 출현 배수 산출 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 바람직한 실시예에 따른 기업 신용 위험도 예측 방법을 설명하기 위한 흐름도이다.
도 7은 도 6에 도시한 키워드 선정 단계를 보다 자세히 나타낸 흐름도이다.
이하에서 첨부한 도면을 참조하여 본 발명에 따른 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
먼저, 도 1을 참조하여 본 발명의 바람직한 실시예에 따른 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치(이하 '기업 신용 위험도 예측 장치'라 한다)에 대하여 설명한다.
도 1은 본 발명의 바람직한 실시예에 따른 기업 신용 위험도 예측 장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 기업 신용 위험도 예측 장치(100)는 통신망(400)을 통해 뉴스 제공 서버(200) 및 금융 기관 서버(300)에 연결된다.
기업 신용 위험도 예측 장치(100)는 빅 데이터 기술을 이용하여 기업 뉴스를 수집한다. 여기서, 빅 데이터란 디지털 환경에서 생성되는 데이터로 그 규모가 방대하고, 생성 주기도 짧고, 형태도 수치 데이터뿐만 아니라 문자와 영상 데이터를 포함하는 대규모 데이터를 말한다.
그리고, 기업 신용 위험도 예측 장치(100)는 수집한 기업 뉴스를 구성하는 단어를 기초로 기업 신용 위험도를 예측한다. 즉, 기업 신용 위험도 예측 장치(100)는 미리 선정된 키워드를 이용하여 뉴스 제공 서버(200)로부터 수집한 뉴스 기사를 분석하여 업체의 위험도를 분석한다. 그리고, 기업 신용 위험도 예측 장치(100)는 업체의 위험도를 통신망(400)을 통해 금융 기관 서버(300)로 제공할 수 있다.
뉴스 제공 서버(200)는 신문사, 방송사 등의 언론 기관이나 다음, 네이버 등의 포털 사이트 업체에서 운영하는 장치로서, 뉴스 기사를 통신망(400)을 통해 기업 신용 위험도 예측 장치(100)로 제공한다. 이때, 뉴스 제공 서버(200)는 기업 신용 위험도 예측 장치(100)의 요청에 따라 뉴스 기사를 기업 신용 위험도 예측 장치(100)로 제공하거나, 뉴스 기사를 주기적으로 기업 신용 위험도 예측 장치(100)로 제공할 수 있다. 또한, 뉴스 제공 서버(200)는 전체 뉴스 기사 중에서 미리 선택된 특정 섹션(예컨대, 경제 기사 등)의 뉴스 기사를 기업 신용 위험도 예측 장치(100)로 제공할 수도 있다.
금융 기관 서버(300)는 은행 등의 금융 기관에서 운영하는 장치로서, 통신망(400)을 통해 기업 신용 위험도 예측 장치(100)로부터 업체의 위험도를 제공받을 수 있다. 이때, 금융 기관 서버(300)는 신용 평가 대상이 되는 업체의 목록을 기업 신용 위험도 예측 장치(100)로 제공하고, 해당 업체의 위험도를 제공받을 수도 있다.
통신망(400)은 구내 정보 통신망(local area network, LAN), 도시권 통신망(metropolitan area network, MAN), 광역 통신망(wide area network, WAN), 인터넷 등을 포함하는 데이터 통신망뿐만 아니라 전화망 등을 포함할 수 있고, 유선과 무선을 가리지 않으며, 어떠한 통신 방식을 사용하더라도 상관없다.
그러면, 도 2 내지 도 5를 참조하여 본 발명의 바람직한 실시예에 따른 기업 신용 위험도 예측 장치에 대하여 보다 자세하게 설명한다.
도 2는 도 1에 도시한 기업 신용 위험도 예측 장치의 구성을 보다 자세히 나타낸 블록도이고, 도 3은 본 발명의 바람직한 실시예에 따른 키워드 선정 동작을 설명하기 위한 도면이며, 도 4는 본 발명의 바람직한 실시예에 따른 선정된 키워드의 출현 빈도 산출 동작을 설명하기 위한 도면이고, 도 5는 본 발명의 바람직한 실시예에 따른 선정된 키워드의 출현 배수 산출 동작을 설명하기 위한 도면이다.
도 2를 참조하면, 기업 신용 위험도 예측 장치(100)는 키워드 선정부(110), 뉴스 수집부(130), 위험도 분석부(150) 및 위험도 제공부(170)를 포함할 수 있다.
키워드 선정부(110)는 과거 부도 업체들의 뉴스 기사에서 키워드를 선정한다. 즉, 키워드 선정부(110)는 과거 부도 업체들의 뉴스 기사에서 단어를 추출한다. 그리고, 키워드 선정부(110)는 추출된 단어에서 미리 설정된 불용어를 제외하여 키워드를 선정한다. 여기서, 미리 설정된 불용어는 부실의 징후와 관련성이 낮은 단어, 일반적으로 뉴스 기사에 많이 등장하는 단어, 특정 이벤트를 나타내는 단어, 특정 시기를 나타내는 단어 등을 나타내며, 관리자에 의해 미리 설정된다.
다시 말하면, 키워드 선정부(110)는 도 3에 도시된 바와 같이 과거 부도 업체들의 뉴스 기사(NA_1 내지 NA_n)에서 특정 단어를 추출하여 키워드를 선정한다.
예컨대, 키워드 선정부(110)는 다음의 [표 1]과 같이 과거 부도 업체들의 뉴스 기사에서 업체의 위험도 분석 시 이용될 키워드를 선정할 수 있다.















과거 부도 업체들의
뉴스





금호 구조조정 아직도 '산넘어 산' '대우건설 풋백옵션 합의' 한고비 넘겼지만… 비협약 채권자 달래기·대우건설 인수 등 난관 금호타이어 노조 파업투표 가결… 악영향 우려 20100309004113 대우건설 풋백옵션 처리를 둘러싸고 채권단과 재무적 투자자(FI) 간 협상이 타결됨에 따라 금호산업 등 금호아시아나그룹 계열사 4곳에 대한 구조조정은 일단 고비를 넘기게 됐다. 그러나 금호산업 비협약 채권자들과의 협상, 금호타이어의 노사 대립, 산업은행의 대우건설 인수 등을 둘러싼 난관이 버티고 있어 구조조정이 순항할 것인지 예견하기에는 아직 이르다. ◆금호그룹 구조조정=10일 금융권에 따르면 금호산업 워크아웃(기업개선작업)을 추진 중인 채권단은 기업구조조정촉진법 적용 대상이 아닌 기업어음(CP), 회사채 등을 보유한 비협약 채권자들과 채무조정 등에 대한 협상을 시작했다. 채권단은 비협약 채권자도 어느 정도 손실을 감수해야 한다는 입장인 반면 비협약 채권자들은 반발하고 있는 실정이다. 비협약 채권자들의 반발이 거세지면 2007년 팬택계열의 워크아웃에서처럼 구조조정에 차질이 빚어질 가능성이 크다. 채권단 일각에서는 만기연장을 통해 투자원금과 이자를 보장하는 방법으로 비협약 채권자들을 달래 워크아웃의 속도를 높이자는 주장도 나오고 있다. 그러나 주채권은행인 우리은행은 부담이 크다는 이유를 들어 부정적인 입장을 취하고 있다. ◆대우건설 인수=산업은행의 대우건설 인수작업 역시 순탄치만은 않을 것으로 전망된다. 산은은 사모주식펀드(PEF)를 조성, 이달 중 전략적 투자자(SI)를 모집해 이르면 6월 내로 인수작업을 마무리할 계획이다. 산은은 대우건설에 관심이 있는 기업들이 있는 만큼 인수작업이 무난하게 진행될 것으로 기대하고 있다. 그러나 대우건설 인수에 참여할 대기업 SI가 뚜렷하게 드러나지 않고 있는 데다 인수 의사를 밝혔어도 자금조달 능력이 의문시된다는 점이 문제다. 대우건설 인수후보로 거론돼온 포스코, LG그룹 등 재무상태가 튼튼한 대기업은 이를 부인하고 있으며, 인수 의사를 밝혀온 동국제강과 TR아메리카는 인수자금을 조달할 수 있을지를 놓고 회의적인 시각이 적지 않다.

선정된
키워드

풋백옵션, 채권자, 난관, 파업, 악영향, 구조조정, 기업어음, 회사채, 만기연장, 사모주식펀드, 자금조달, 회의적 등
또한, 키워드 선정부(110)는 정상 업체 및 부도 업체 각각의 뉴스 기사에 선정된 키워드가 출현하는 빈도를 산출한다. 즉, 키워드 선정부(110)는 정상 업체 및 부도 업체 각각의 뉴스 기사에서 선정된 키워드가 출현하는 횟수를 산출한다. 그리고, 키워드 선정부(110)는 선정된 키워드별로 정상 업체 및 부도 업체 각각의 뉴스 기사에서 키워드가 출현한 평균 횟수를 산출한다.
다시 말하면, 키워드 선정부(110)는 도 4에 도시된 바와 같이 정상 업체의 뉴스 기사(NN_1 내지 NN_n)에 키워드가 출현한 빈도를 선정된 키워드별로 산출하고, 부도 업체의 뉴스 기사(BN_1 내지 BN_n)에 키워드가 출현한 빈도를 선정된 키워드별로 산출한다.
예컨대, 키워드 선정부(110)는 다음의 [표 2]와 같이 선정된 키워드별로 정상 업체 및 부도 업체 뉴스 기사의 출현 빈도를 산출할 수 있다.


키워드

정상 업체의 뉴스 기사


키워드

부도 업체의 뉴스 기사

총 출현 횟수

평균 횟수

총 출현 횟수

평균 횟수
가압류 94 0.23 가압류 6 0.97
갈등 853 2.11 갈등 15 2.42
감가상각 60 0.15 감리 5 0.81
감리 263 0.65 감사 31 5.00
감사 1364 3.37 감소 22 3.55
감소 946 2.34 감자 21 3.39
감자 638 1.58 감축 9 1.45
감축 380 0.94 거래정지 28 4.52
거래정지 410 1.01 거절 13 2.10
거래중지 6 0.01 검찰 13 2.10
거절 202 0.50 결여 2 0.32
검찰 905 2.24 경고 11 1.77
결여 113 0.28 경매 5 0.81
경고 527 1.30 경영난 12 1.94
경매 494 1.22 고금리 1 0.16
경영난 286 0.71 고발 4 0.65
고객이탈 24 0.06 고전 6 0.97
고금리 140 0.35 공백 2 0.32
고발 354 0.88 공시요구 16 2.58
또한, 키워드 선정부(110)는 산출된 정상 업체 및 부도 업체의 출현 빈도를 기초로 선정된 키워드별로 출현 배수를 산출한다. 여기서, 키워드의 출현 배수는 부도 업체의 뉴스 기사에 키워드가 출현한 평균 횟수를 정상 업체의 뉴스 기사에 키워드가 출현한 평균 횟수로 나누어서 산출할 수 있다.
즉, 키워드 선정부(110)는 도 5에 도시된 바와 같이 위의 [표 2]와 같은 출현 빈도 테이블(KAN)을 이용하여 선정된 키워드별로 출현 배수를 산출한다.
예컨대, 키워드 선정부(110)는 다음의 [표 3]과 같이 선정된 키워드별로 출현 배수를 산출할 수 있다.

키워드

출현 배수
상환청구 18.63
부실징후 15.52
적자지속 10.87
투자주의 9.88
관리종목 9.6
자구계획 8.58
적자전환 8.45
의견거절 7.67
추정손실 6.52
채권은행 6.23
대위변제 5.67
공시요구 5.55
불성실 4.96
권리락 4.93
모면 4.66
거래정지 4.45
그리고, 키워드 선정부(110)는 과거 부도 업체들을 주기적으로 업데이트하여 키워드를 주기적으로 재선정할 수 있다. 즉, 키워드 선정부(110)는 최신 부도 정보를 이용하여 키워드의 적정성을 주기적으로 체크하고, 그 결과에 따라 기존의 키워드를 탈락시키거나 신규 키워드를 등록할 수 있다. 또한, 키워드 선정부(110)는 키워드가 재선정되는 경우 재선정된 키워드별로 출현 배수를 재산출할 수 있다.
뉴스 수집부(130)는 미리 지정된 업체에 대한 미리 설정된 기간(예컨대, 3년, 1년, 6월 등) 동안의 뉴스 기사를 통신망(400)을 통해 뉴스 제공 서버(200)로부터 수집한다. 이때, 뉴스 수집부(130)는 뉴스 기사를 뉴스 제공 서버(200)로 요청하고, 해당 뉴스 기사를 뉴스 제공 서버(200)로부터 수집할 수 있다. 또한, 뉴스 수집부(130)는 뉴스 제공 서버(200)로부터 제공되는 뉴스 기사를 주기적으로 수집할 수도 있다.
위험도 분석부(150)는 키워드 선정부(110)를 통해 미리 선정된 키워드를 기초로 뉴스 수집부(130)에 의해 수집된 뉴스 기사를 분석하여 미리 지정된 업체의 위험도를 분석한다.
즉, 위험도 분석부(150)는 미리 선정된 키워드 중에서 뉴스 수집부(130)에 의해 수집된 뉴스 기사에 포함된 키워드를 추출한다.
그리고, 위험도 분석부(150)는 미리 선정된 키워드별로 미리 산출된 출현 배수를 기초로 추출된 키워드와 추출된 키워드별 분석 정보를 이용하여 미리 지정된 업체의 위험도 지수를 산출한다.
여기서, 키워드의 출현 배수는 위험도 지수와 양의 상관관계를 가지게 된다. 즉, 키워드의 출현 배수는 정상 업체의 뉴스 기사 대비 부도 업체의 뉴스 기사에 출현한 횟수가 많을수록 증가하게 되므로, 키워드의 출현 배수가 커질수록 위험도 지수도 커지게 된다.
또한, 추출된 키워드별 분석 정보는 추출된 키워드의 출현 시기 정보, 추출된 키워드의 출현 횟수 정보, 추출된 키워드의 출현 지속성 정보를 포함할 수 있다. 여기서, 추출된 키워드의 출현 시기 정보는 추출된 키워드가 뉴스 기사에 출현된 일시를 나타내는 정보로서, 최근에 출현된 키워드일수록 위험도 지수가 커지게 된다. 그리고, 추출된 키워드의 출현 횟수 정보는 추출된 키워드가 뉴스 기사에 출현된 횟수를 나타내는 정보로서, 많이 출현된 키워드일수록 위험도 지수가 커지게 된다. 아울러, 추출된 키워드의 출현 지속성 정보는 추출된 키워드가 뉴스 기사에 지속적으로 출현되는지를 나타내는 정보로서, 지속적으로 출현된 키워드일수록 위험도 지수가 커지게 된다.
이와 같이, 위험도 분석부(150)는 위험도 지수와 키워드의 출현 배수 및 추출된 키워드별 분석 정보의 미리 설정된 상관관계(예컨대, '양의 상관관계', '음의 상관 관계' 등)를 기초로 해당 업체의 위험도 지수를 산출할 수 있다.
위험도 제공부(170)는 위험도 분석부(150)에 의해 분석된 미리 지정된 업체의 위험도를 통신망(400)을 통해 금융 기관 서버(300)에 제공한다. 즉, 위험도 제공부(170)는 위험도 분석부(150)에 의해 분석된 해당 업체의 위험도 지수를 금융 기관 서버(300)에 제공할 수 있다.
그러면, 도 6을 참조하여 본 발명의 바람직한 실시예에 따른 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 방법(이하 '기업 신용 위험도 예측 방법'이라 한다)에 대하여 설명한다
도 6은 본 발명의 바람직한 실시예에 따른 기업 신용 위험도 예측 방법을 설명하기 위한 흐름도이다.
도 6을 참조하면, 기업 신용 위험도 예측 장치(100)는 과거 부도 업체들의 뉴스 기사에서 키워드를 선정한다(S110). 즉, 기업 신용 위험도 예측 장치(100)는 과거 부도 업체들의 뉴스 기사에서 단어를 추출한다. 그리고, 기업 신용 위험도 예측 장치(100)는 추출된 단어에서 미리 설정된 불용어를 제외하여 키워드를 선정한다.
이후, 기업 신용 위험도 예측 장치(100)는 미리 지정된 업체에 대한 뉴스 기사를 수집한다(S130). 즉, 기업 신용 위험도 예측 장치(100)는 미리 지정된 업체에 대한 미리 설정된 기간(예컨대, 3년, 1년, 6월 등) 동안의 뉴스 기사를 통신망(400)을 통해 뉴스 제공 서버(200)로부터 수집한다. 이때, 기업 신용 위험도 예측 장치(100)는 뉴스 기사를 뉴스 제공 서버(200)로 요청하고, 해당 뉴스 기사를 뉴스 제공 서버(200)로부터 수집할 수 있다. 또한, 기업 신용 위험도 예측 장치(100)는 뉴스 제공 서버(200)로부터 제공되는 뉴스 기사를 주기적으로 수집할 수도 있다.
그런 다음, 기업 신용 위험도 예측 장치(100)는 미리 선정된 키워드를 기초로 수집된 뉴스 기사를 분석하여 업체의 위험도를 분석한다(S150). 즉, 기업 신용 위험도 예측 장치(100)는 미리 선정된 키워드 중에서 수집된 뉴스 기사에 포함된 키워드를 추출한다. 그리고, 기업 신용 위험도 예측 장치(100)는 미리 선정된 키워드별로 미리 산출된 출현 배수를 기초로 추출된 키워드와 추출된 키워드별 분석 정보를 이용하여 미리 지정된 업체의 위험도 지수를 산출한다. 여기서, 추출된 키워드별 분석 정보는 추출된 키워드의 출현 시기 정보, 추출된 키워드의 출현 횟수 정보, 추출된 키워드의 출현 지속성 정보를 포함할 수 있다.
이와 같이, 기업 신용 위험도 예측 장치(100)는 위험도 지수와 키워드의 출현 배수 및 추출된 키워드별 분석 정보의 미리 설정된 상관관계를 기초로 해당 업체의 위험도 지수를 산출할 수 있다.
이후, 기업 신용 위험도 예측 장치(100)는 분석된 미리 지정된 업체의 위험도를 통신망(400)을 통해 금융 기관 서버(300)에 제공한다. 즉, 기업 신용 위험도 예측 장치(100)는 분석된 해당 업체의 위험도 지수를 금융 기관 서버(300)에 제공할 수 있다.
한편, 기업 신용 위험도 예측 장치(100)는 과거 부도 업체들을 주기적으로 업데이트하여 키워드를 주기적으로 재선정할 수 있다. 즉, 기업 신용 위험도 예측 장치(100)는 최신 부도 정보를 이용하여 키워드의 적정성을 주기적으로 체크하고, 그 결과에 따라 기존의 키워드를 탈락시키거나 신규 키워드를 등록할 수 있다. 또한, 기업 신용 위험도 예측 장치(100)는 키워드가 재선정되는 경우 재선정된 키워드별로 출현 배수를 재산출할 수 있다.
그러면, 도 7을 참조하여 본 발명의 바람직한 실시예에 따른 키워드 선정 단계에 대하여 보다 자세하게 설명한다.
도 7은 도 6에 도시한 키워드 선정 단계를 보다 자세히 나타낸 흐름도이다.
도 7을 참조하면, 기업 신용 위험도 예측 장치(100)는 과거 부도 업체들의 뉴스 기사에서 키워드를 선정한다(S111).
그런 다음, 기업 신용 위험도 예측 장치(100)는 정상 업체 및 부도 업체 각각의 뉴스 기사에 선정된 키워드가 출현하는 빈도를 산출한다(S113). 즉, 기업 신용 위험도 예측 장치(100)는 정상 업체 및 부도 업체 각각의 뉴스 기사에서 선정된 키워드가 출현하는 횟수를 산출한다. 그리고, 기업 신용 위험도 예측 장치(100)는 선정된 키워드별로 정상 업체 및 부도 업체 각각의 뉴스 기사에서 키워드가 출현한 평균 횟수를 산출한다.
이후, 기업 신용 위험도 예측 장치(100)는 산출된 정상 업체 및 부도 업체의 출현 빈도를 기초로 선정된 키워드별로 출현 배수를 산출한다(S115). 여기서, 키워드의 출현 배수는 부도 업체의 뉴스 기사에 키워드가 출현한 평균 횟수를 정상 업체의 뉴스 기사에 키워드가 출현한 평균 횟수로 나누어서 산출할 수 있다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터로 읽을 수 있는 기록 매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 롬(ROM), 램(RAM), 씨디-롬(CD-ROM), 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 유무선 통신망으로 연결된 컴퓨터 장치에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 다음의 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
100 : 기업 신용 위험도 예측 장치, 110 : 키워드 선정부,
130 : 뉴스 수집부, 150 : 위험도 분석부,
170 : 위험도 제공부, 200 : 뉴스 제공 서버,
300 : 금융 기관 서버, 400 : 통신망

Claims (15)

  1. 과거 부도 업체들의 뉴스 기사에서 키워드를 선정하고, 정상 업체 및 부도 업체 각각의 뉴스 기사에 선정된 키워드가 출현하는 빈도를 산출하며, 산출된 정상 업체 및 부도 업체의 출현 빈도를 기초로 선정된 키워드별로 출현 배수를 산출하는 키워드 선정부;
    미리 지정된 업체에 대한 미리 설정된 기간 동안의 뉴스 기사를 수집하는 뉴스 수집부; 및
    상기 키워드 선정부를 통해 미리 선정된 키워드 중에서 상기 뉴스 수집부에 의해 수집된 뉴스 기사에 포함된 키워드를 추출하고, 상기 미리 선정된 키워드별로 상기 키워드 선정부를 통해 미리 산출된 출현 배수를 기초로 상기 추출된 키워드와 상기 추출된 키워드별 분석 정보를 이용하여, 위험도 지수와 상기 미리 선정된 키워드별 출현 배수 및 상기 추출된 키워드별 분석 정보의 미리 설정된 상관관계를 기초로 상기 미리 지정된 업체의 위험도 지수를 산출하여 상기 미리 지정된 업체의 위험도를 분석하는 위험도 분석부;
    를 포함하며,
    상기 키워드 선정부는, 부도 업체의 뉴스 기사에 키워드가 출현한 평균 횟수를 정상 업체의 뉴스 기사에 키워드가 출현한 평균 횟수로 나누어 키워드의 출현 배수를 산출하고,
    상기 추출된 키워드별 분석 정보는, 추출된 키워드의 출현 시기 정보, 추출된 키워드의 출현 횟수 정보 및 추출된 키워드의 출현 지속성 정보를 포함하는 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치.
  2. 삭제
  3. 삭제
  4. 제1항에서,
    상기 키워드 선정부는, 상기 과거 부도 업체들을 주기적으로 업데이트하여, 상기 키워드를 재선정하고, 재선정된 키워드별로 출현 배수를 재산출하는 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치.
  5. 삭제
  6. 삭제
  7. 제1항에서,
    상기 위험도 분석부에 의해 분석된 상기 미리 지정된 업체의 위험도를 제공하는 위험도 제공부를 더 포함하는 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치.
  8. 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치의 기업 신용 위험도 예측 방법으로서,
    상기 기업 신용 위험도 예측 장치가 과거 부도 업체들의 뉴스 기사에서 키워드를 선정하는 단계;
    상기 기업 신용 위험도 예측 장치가 정상 업체 및 부도 업체 각각의 뉴스 기사에 선정된 키워드가 출현하는 빈도를 산출하는 단계;
    상기 기업 신용 위험도 예측 장치가 산출된 정상 업체 및 부도 업체의 출현 빈도를 기초로 선정된 키워드별로 출현 배수를 산출하는 단계;
    상기 기업 신용 위험도 예측 장치가 미리 지정된 업체에 대한 미리 설정된 기간 동안의 뉴스 기사를 수집하는 단계;
    상기 기업 신용 위험도 예측 장치가 미리 선정된 키워드 중에서 수집된 뉴스 기사에 포함된 키워드를 추출하는 단계; 및
    상기 기업 신용 위험도 예측 장치가 상기 미리 선정된 키워드별로 미리 산출된 출현 배수를 기초로 상기 추출된 키워드와 상기 추출된 키워드별 분석 정보를 이용하여, 위험도 지수와 상기 미리 선정된 키워드별 출현 배수 및 상기 추출된 키워드별 분석 정보의 미리 설정된 상관관계를 기초로 상기 미리 지정된 업체의 위험도 지수를 산출하여 상기 미리 지정된 업체의 위험도를 분석하는 단계;
    를 포함하며,
    상기 출현 배수 산출 단계는, 부도 업체의 뉴스 기사에 키워드가 출현한 평균 횟수를 정상 업체의 뉴스 기사에 키워드가 출현한 평균 횟수로 나누어 키워드의 출현 배수를 산출하고,
    상기 추출된 키워드별 분석 정보는, 추출된 키워드의 출현 시기 정보, 추출된 키워드의 출현 횟수 정보 및 추출된 키워드의 출현 지속성 정보를 포함하는 기업 신용 위험도 예측 방법.
  9. 삭제
  10. 삭제
  11. 제8항에서,
    상기 기업 신용 위험도 예측 장치가 상기 과거 부도 업체들을 주기적으로 업데이트하여, 상기 키워드를 재선정하고, 재선정된 키워드별로 출현 배수를 재산출하는 단계를 더 포함하는 기업 신용 위험도 예측 방법.
  12. 삭제
  13. 삭제
  14. 제8항에서,
    상기 기업 신용 위험도 예측 장치가 분석된 상기 미리 지정된 업체의 위험도를 제공하는 단계를 더 포함하는 기업 신용 위험도 예측 방법.
  15. 제8항, 제11항 및 제14항 중 어느 한 항에 기재된 기업 신용 위험도 예측 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록 매체에 저장된 컴퓨터 프로그램.
KR1020150094515A 2015-07-02 2015-07-02 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법 KR101599675B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150094515A KR101599675B1 (ko) 2015-07-02 2015-07-02 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150094515A KR101599675B1 (ko) 2015-07-02 2015-07-02 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101599675B1 true KR101599675B1 (ko) 2016-03-03

Family

ID=55535682

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150094515A KR101599675B1 (ko) 2015-07-02 2015-07-02 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101599675B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190059449A (ko) * 2017-11-23 2019-05-31 지속가능발전소 주식회사 Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
KR20190110084A (ko) * 2019-09-20 2019-09-27 지속가능발전소 주식회사 Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
CN110414716A (zh) * 2019-07-03 2019-11-05 北京科技大学 一种基于LightGBM的企业失信概率预测方法及系统
WO2020122487A1 (ko) * 2018-12-12 2020-06-18 지속가능발전소 주식회사 기업 부도 예측 시스템 및 이의 동작 방법
KR20200074414A (ko) * 2018-12-17 2020-06-25 지속가능발전소 주식회사 협력업체 공급망 리스크 분석 방법, 이를 수행하기 위한 기록매체
KR20200134975A (ko) * 2019-05-24 2020-12-02 주식회사 질링스 기업 가치 평가 시스템
KR20210016248A (ko) 2019-08-03 2021-02-15 선태군 도매업자 네트워크 시스템 및 그의 처리 방법
KR20220102181A (ko) 2021-01-11 2022-07-20 대한민국(행정안전부 국립재난안전연구원장) 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090001917A (ko) 2007-05-29 2009-01-09 주식회사 신한은행 여신 고객에 대한 조기경보 방법 및 시스템과 이를 위한기록매체
KR20090006489A (ko) 2007-07-11 2009-01-15 고려대학교 산학협력단 신용 위험 모형 구축용 툴 킷, 신용 위험 모형 구축을 통한신용 위험 관리 방법 및 이를 기록한 기록매체
KR20130010789A (ko) * 2011-07-19 2013-01-29 메타라이츠(주) 재난 전조 정보를 제공하는 방법 및 그 장치
US8671040B2 (en) * 2010-07-23 2014-03-11 Thomson Reuters Global Resources Credit risk mining
KR101531970B1 (ko) * 2013-12-26 2015-06-26 주식회사 코스콤 소셜 미디어 데이터 및 증시 관련 웹데이터 분석을 통한 주가 예측 방법 및 이를 적용한 주가 예측 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090001917A (ko) 2007-05-29 2009-01-09 주식회사 신한은행 여신 고객에 대한 조기경보 방법 및 시스템과 이를 위한기록매체
KR20090006489A (ko) 2007-07-11 2009-01-15 고려대학교 산학협력단 신용 위험 모형 구축용 툴 킷, 신용 위험 모형 구축을 통한신용 위험 관리 방법 및 이를 기록한 기록매체
US8671040B2 (en) * 2010-07-23 2014-03-11 Thomson Reuters Global Resources Credit risk mining
KR20130010789A (ko) * 2011-07-19 2013-01-29 메타라이츠(주) 재난 전조 정보를 제공하는 방법 및 그 장치
KR101531970B1 (ko) * 2013-12-26 2015-06-26 주식회사 코스콤 소셜 미디어 데이터 및 증시 관련 웹데이터 분석을 통한 주가 예측 방법 및 이를 적용한 주가 예측 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김유신. "주가지수 예측을 위한 뉴스 빅데이터 오피니언마이닝 모형". 국민대학교 비즈니스IT전문대학원 학위논문. 2012. 12.* *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102026304B1 (ko) * 2017-11-23 2019-09-30 지속가능발전소 주식회사 Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
KR20190059449A (ko) * 2017-11-23 2019-05-31 지속가능발전소 주식회사 Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
KR20200075120A (ko) 2018-12-12 2020-06-26 지속가능발전소 주식회사 기업 부도 예측 시스템 및 이의 동작 방법
WO2020122487A1 (ko) * 2018-12-12 2020-06-18 지속가능발전소 주식회사 기업 부도 예측 시스템 및 이의 동작 방법
US11610168B2 (en) 2018-12-17 2023-03-21 Isd Inc. Method for analyzing risk of cooperrator supply chain
KR102202139B1 (ko) 2018-12-17 2021-01-12 지속가능발전소 주식회사 협력업체 공급망 리스크 분석 방법, 이를 수행하기 위한 기록매체
KR20200074414A (ko) * 2018-12-17 2020-06-25 지속가능발전소 주식회사 협력업체 공급망 리스크 분석 방법, 이를 수행하기 위한 기록매체
WO2020130418A1 (ko) * 2018-12-17 2020-06-25 지속가능발전소 주식회사 협력업체 공급망 리스크 분석 방법
KR20200134975A (ko) * 2019-05-24 2020-12-02 주식회사 질링스 기업 가치 평가 시스템
KR102282144B1 (ko) * 2019-05-24 2021-07-28 주식회사 질링스 기업 가치 평가 시스템
CN110414716A (zh) * 2019-07-03 2019-11-05 北京科技大学 一种基于LightGBM的企业失信概率预测方法及系统
KR20210016248A (ko) 2019-08-03 2021-02-15 선태군 도매업자 네트워크 시스템 및 그의 처리 방법
KR102105319B1 (ko) * 2019-09-20 2020-04-28 지속가능발전소 주식회사 Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
KR20190110084A (ko) * 2019-09-20 2019-09-27 지속가능발전소 주식회사 Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
KR20220102181A (ko) 2021-01-11 2022-07-20 대한민국(행정안전부 국립재난안전연구원장) 부정뉴스 탐색장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체

Similar Documents

Publication Publication Date Title
KR101599675B1 (ko) 빅 데이터 기술에 기반한 기업 뉴스 검색 기술을 이용한 기업 신용 위험도 예측 장치 및 방법
US10699349B2 (en) Computerized system and method for data field pre-filling and pre-filling prevention
Charalambakis et al. On corporate financial distress prediction: What can we learn from private firms in a developing economy? Evidence from Greece
Terblanche et al. The influence of integrated reporting and internationalisation on intellectual capital disclosures
US9830663B2 (en) System and method for determination of insurance classification and underwriting determination for entities
US7664693B1 (en) Financial methodology for the examination and explanation of spread between analyst targets and market share prices
US7904367B2 (en) Credit portfolio benchmarking system and method
JP5566422B2 (ja) 高リスク調達の解析およびスコアリング・システム
US10902520B2 (en) Automated compliance scoring system that analyzes network accessible data sources
Guo et al. Innovation capability and post-IPO performance
CN104866484A (zh) 一种数据处理方法和装置
US20120059771A1 (en) Financial methodology to valuate and predict the news impact of major events on financial instruments
KR20190064749A (ko) 지능형 증권 투자 의사결정 지원 방법 및 그 장치
KR102551906B1 (ko) 기업정보를 이용한 기업 평가 시스템
Amin et al. Application of optimistic and pessimistic OWA and DEA methods in stock selection
Matthies et al. Computer-aided text analysis of corporate disclosures-demonstration and evaluation of two approaches
Vivek et al. Identification and analysing of risk factors affecting cost of construction projects
Anauati et al. Differences in citation patterns across journal tiers: The case of economics
Chi et al. Debt rating model based on default identification: Empirical evidence from Chinese small industrial enterprises
Hege et al. The impact of corporate Climate action on financial markets: Evidence from climate-related patents
Endo et al. Coming to financial close in PPPs: Identifying critical factors in the case of toll road projects in Indonesia
Saunders et al. Data assets and industry competition: Evidence from 10-K filings
CN113283806A (zh) 企业信息评估方法、装置、计算机设备及存储介质
Wang et al. How does the pandemic change operational risk? Evidence from textual risk disclosures in financial reports
Dzhavdatovna et al. Influence of corporate social responsibility (CSR) on financial efficiency of company

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190129

Year of fee payment: 4