KR102169066B1 - 기술정보 기반 금융리스크 모니터링 시스템 및 방법 - Google Patents

기술정보 기반 금융리스크 모니터링 시스템 및 방법 Download PDF

Info

Publication number
KR102169066B1
KR102169066B1 KR1020190000046A KR20190000046A KR102169066B1 KR 102169066 B1 KR102169066 B1 KR 102169066B1 KR 1020190000046 A KR1020190000046 A KR 1020190000046A KR 20190000046 A KR20190000046 A KR 20190000046A KR 102169066 B1 KR102169066 B1 KR 102169066B1
Authority
KR
South Korea
Prior art keywords
intellectual property
technology
risk
information
financial
Prior art date
Application number
KR1020190000046A
Other languages
English (en)
Other versions
KR20200084074A (ko
Inventor
진성호
이창선
최원진
Original Assignee
나이스평가정보 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 나이스평가정보 주식회사 filed Critical 나이스평가정보 주식회사
Priority to KR1020190000046A priority Critical patent/KR102169066B1/ko
Publication of KR20200084074A publication Critical patent/KR20200084074A/ko
Application granted granted Critical
Publication of KR102169066B1 publication Critical patent/KR102169066B1/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 기술정보 기반 금융리스크 모니터링 시스템 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법은, 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 요청이 있는지 여부를 판단하는 단계(S200); 및 모니터링 요청이 있는 경우에는, 서버(200)에서 상기 기술금융에 대한 금융리스크(R) 발생여부를 모니터링하고, 상기 기술금융에 대한 금융리스크(R) 발생시 금융기관 서버(100)로 알림회신하는 단계(S300);를 포함하는 기술정보 기반 금융리스크 모니터링 시스템에 있어서, 상기 판단하는 단계(S200)에서는, 상기 금융기관 서버(100)로부터 기술금융 대상기업 소유의 지식재산권 관련 정보(I)가 수신되었는지 판단하며, 상기 지식재산권 관련 정보(I)는, 지식재산권 번호, 지식재산권자의 사업자번호, 기술금융기간 중 어느 하나 이상을 포함하는 것을 특징으로 한다. 본 발명에 따르면, 기업이 보유하고 있는 기술인력, 연구개발비, 생산설비, 지식재산권 등의 기술정보 변동을 지속적으로 모니터링하여, 기업의 금융리스크 발생여부를 즉시 파악하여, 금융기관의 손실위험을 최소화할 수 있다.

Description

기술정보 기반 금융리스크 모니터링 시스템 및 방법{A SYSTEM FOR MONITORING FINANCIAL RISK BASED ON TECHNOLOGY INFORMATION AND A METHOD FOR THE SAME}
본 발명은 기술정보 기반 금융리스크 모니터링 시스템 및 방법에 관한 것으로서, 보다 상세하게는 기업이 보유하고 있는 기술인력, 연구개발비, 생산설비, 지식재산권 등의 기술정보 변동을 모니터링하여, 기업의 금융리스크 발생여부를 즉시 파악할 수 있는 시스템 및 방법에 관한 것이다.
현재 금융기관들은 재무제표에 기반한 기업의 신용정보를 토대로 기업의 금융리스크를 관리하고 있다. 그러나 재무제표 정보는 과거의 기업실적을 기반으로 한 정보로서, 현재의 기업의 금융리스크 발생여부를 판단하기 어려운 문제점이 있었다. 이를 보완하기 위해 금융기관에서는 기업의 연체정보 및 당해년도 부과세 정보 등의 추가정보를 반영하여 기업의 금융리스크 모니터링을 하고 있으나, 이또한 최근 확대되고 있는 기술금융 상품에 대한 리스크를 관리하기에는 매우 제한적인 정보로서, 사전에 금융리스크 징후를 파악하고 선제적으로 대응하기에는 한계가 있다.
기술금융(INNOVATION FINANCING/TECHNOLOGY FINANCING)이란 "아이디어와 기술의 개발/사업화 등 기술혁신 전 과정에서 필요한 자금을 지원하는 것으로, 협의의 기술금융은 미래수익 창출이 기대되는 기술과 아이디어 등에 대해 가치평가에 근거하여 필요한 자금을 공급하는 행위"(관계부처 합동, 기술금융 활성화를 위한 기술평가시스템 구축방안, 2014.01)를 의미한다. 기술금융 활성화를 위해, 2013년 11월 "창조경제 구현과 일자리창출을 위한 금융업 경쟁력 강화방안"이 발표되었으며, 내용 중에는 9대 목표 중 '기술/지식재산금융 활성화'에 대한 내용 및 기술신용평가기관(TCB, TECHNOLOGY CREDIT BUREAU)/기술정보집중 기관 TDB(TECHNOLOGY DATA BASE) 설립에 대한 내용이 포함되었다. 보다 상세히 설명하면, 기술금융은 기술력을 보유하고 있는 기업의 미래성장 가능성을 기반으로 자금을 융자하는 금융방식으로서, 위와 같은 관계부처의 노력에 의해 기술금융을 통한 자금 대출이 활발하게 이루어지고 있다.
최근 금융기관에서는 기술신용평가를 통해 기업의 필요 자금을 지원하는 기술금융 상품의 비중이 급속히 증가하고 있다. 기술신용평가는 기술평가와 신용평가가 결합된 평가방식으로서, 기술평가는 기업의 기술경쟁력과 기술사업화 역량을 평가하여 미래성장가능성을 평가하는 것이고, 신용등급은 기업의 재무상황 등을 평가하여 미래의 채무불이행 위험을 평가하는 것이며, 기술신용평가는 기술평가 결과와 신용평가 결과를 가중결합하여 기업의 미래성장가능성을 반영한 채무불이행위험을 등급으로 나타낸 것이다. 현재 민간 기술신용평가기관(TCB)은 현재 나이스평가정보, 한국기업데이터, 이크레더블, 나이스디앤비, SCI평가정보 등이 있으며, 각 기관별 노하우 등을 통해 기술신용평가 업무를 수행하고 있으며, 이에 대한 결과를 지속적으로 수집 및 관리하여 기술금융 시장을 확대해 나가고 있다.
기술신용평가 결과 및 수집정보를 토대로 기업의 신용 변동사항을 분석한 결과, 기업의 기술력은 기술개발 인프라, 생산설비, 기술인력 등 여러 가지 요인에 의해 변동될 수 있으며, 이러한 기업의 기술력 변동은 기업의 일반적인 신용상태의 변동과 함께 기술금융 상품을 운용함에 있어서 금융기관에게 큰 위험요소로 작용하고 있음을 확인하였다. 일 예로서, 부도기업과 특허 권리변동 현황 사이의 상관관계를 분석한 나이스평가정보 자료에 따르면, 특허를 보유하고 있는 기업의 연간 부도 발생 건수는 1,000건 내지 2,000건이며, 이와 같은 기업이 보유하고 있는 특허는 5,000건 내지 11,000건으로 파악되었다. 또한, 이와 같은 부도기업들의 특허 소멸 중 부도 발생 5년 이전의 소멸은 자연 소멸로 판단되었으며(부도기업들의 전체 특허 소멸의 약 25%),대부분은 부도 발생 전 5년에서 부도 발생 후 2년 사이에 집중되어(부도기업들의 전체 특허 소멸의 약 70%), 특허 권리변동과 기업의 금융리스크(EX: 부도 등) 사이에 밀접한 상관관계가 있음을 확인하였다(도 16 참조). 이와 더불어 기술인력의 유출, R&D인프라의 축소, 제품화역량(생산설비, 품질인증 등) 저하 등의 현상도 발생하는 것을 확인하였다.
이에 따라 기술금융 상품의 리스크 관리를 위해 지속적인 모니터링의 필요성이 대두되었으나, 현재 각 금융기관의 기술금융 담당 인프라(EX: 인력 등) 수준으로는 50만 건(2018년 12월 누적 기준)을 초과하는 기술금융(EX: 기술신용대출 등)에 대한 기업의 기술력 변동이력을 확인하여, 기업의 금융리스크를 지속적으로 모니터링 하는 것은 인력 및 비용 등에 한계가 있다. 따라서, 기술금융 실행 후 기업의 금융리스크 발생여부를 지속적으로 모니터링할 수 있는 시스템 및 방법에 대한 요구가 증가하고 있다.
등록지식재산공보 제10-0452971호(2004.10.14)
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 기업이 보유하고 있는 기술인력, 연구개발비, 생산설비, 지식재산권 등의 기술정보 변동을 지속적으로 모니터링하고, 기업의 금융리스크 발생여부를 즉시 파악할 수 있는 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법은, 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 요청이 있는지 여부를 판단하는 단계(S200); 및 모니터링 요청이 있는 경우에는, 서버(200)에서 상기 기술금융에 대한 금융리스크(R) 발생여부를 모니터링하고, 상기 기술금융에 대한 금융리스크(R) 발생시 금융기관 서버(100)로 알림회신하는 단계(S300);를 포함하고, 상기 판단하는 단계(S200)에서는, 상기 금융기관 서버(100)로부터 기술금융 대상기업 소유의 지식재산권 관련 정보(I)가 수신되었는지 판단하며, 상기 지식재산권 관련 정보(I)는, 지식재산권 번호, 지식재산권자의 사업자번호, 기술금융기간 중 어느 하나 이상을 포함하는 것을 특징으로 한다.
상기 알림회신하는 단계(S300)는, 상기 서버(200)의 모니터링 데이터베이스(230)를 업데이트 하는 단계(S310); 상기 모니터링 데이터베이스(230)의 업데이트 전과 후의 정보를 비교하여, 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단하는 단계(S320); 및 상기 기술금융에 대한 금융리스크(R)의 변동이 발생한 경우에는, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 기술금융에 대한 금융리스크(R)의 변동내용을 회신하는 단계(S330);를 포함하며, 상기 업데이트하는 단계(S310)에서는, 특허청 서버(300)로부터 상기 기술금융 대상기업이 보유한 지식재산권에 대한 지식재산위험정보(P)를 지식재산위험정보 데이터베이스(231)에 업데이트 하고, 기 운영중인 기술평가 시스템(400)으로부터 상기 기술금융 대상기업에 대한 기술위험정보(T)를 기술위험정보 데이터베이스(232)에 업데이트 하고, 기 운영중인 신용평가 시스템(500)으로부터 상기 기술금융 대상기업에 대한 신용위험정보(C)를 신용위험정보 데이터베이스(233)에 업데이트 하는 것을 특징으로 한다.
상기 알림회신하는 단계(S300)는, 상기 회신하는 단계(S330) 후, 상기 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 해제요청이 있는지 판단하는 단계(S340); 및 기술금융에 대한 금융리스크(R) 모니터링 해제요청이 없는 경우에는, 기설정된 모니터링 주기가 경과하였는지 판단하는 단계(S350);를 더 포함하고, 상기 판단하는 단계(S350)에서 기설정된 모니터링 주기가 경과한 것으로 판단한 경우에는, 상기 업데이트하는 단계(S310)를 다시 수행하는 것을 특징으로 한다.
상기 판단하는 단계(S320)는, 상기 지식재산위험정보 데이터베이스(231)의 업데이트 전과 후의 상기 지식재산위험정보(P)를 비교하여, 상기 지식재산위험정보(P)의 변동여부를 판단하는 단계(S321); 상기 기술위험정보 데이터베이스(232)의 업데이트 전과 후의 상기 기술위험정보(T)를 비교하여, 상기 기술위험정보(T)의 변동여부를 판단하는 단계(S322); 및 상기 신용위험정보 데이터베이스(233)의 업데이트 전과 후의 상기 신용위험정보(C)를 비교하여, 상기 신용위험정보(C)의 변동여부를 판단하는 단계(S323);를 포함하고, 상기 회신하는 단계(S330)는, 상기 판단하는 단계(S321)에서 상기 지식재산위험정보(P)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 지식재산위험정보(P)의 변동내용을 회신하는 단계(S331); 상기 판단하는 단계(S322)에서 상기 기술위험정보(T)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 기술위험정보(T)의 변동내용을 회신하는 단계(S332); 및 상기 판단하는 단계(S323)에서 상기 신용위험정보(C)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 신용위험정보(C)의 변동내용을 회신하는 단계(S333);을 포함하며, 상기 판단하는 단계(S321) 내지 상기 판단하는 단계(S323)은 동시에 수행되거나, 순차적으로 수행되는 것을 특징으로 한다.
상기 지식재산위험정보(P)는 연차료 미납, 연차료 납부기간 도래, 지식재산권 소유자 변동, 권리 존속기간 만료 전 기설정된 기간 도래, 전용실시권 설정, 권리이전계약 설정, 질권 설정, 변경계약 설정, 지식재산권 소멸, 지식재산소송 발생 중 어느 하나 이상인 것을 특징으로 하고, 상기 기술위험정보(T)는 상기 지식재산권 관련 정보(I) 중 지식재산권자의 사업자번호 대상 기업의 대표자 변동, 기술인력 변동, 제품화역량 변동, R&D 인프라 변동, 시장현황 변동, 영업역량 변동 중 어느 하나 이상인 것을 특징으로 하며, 상기 신용위험정보(C)는 상기 지식재산권 관련 정보(I) 중 지식재산권자의 사업자번호 대상 기업의 세금 체납, 단기연체, 당좌거래 정지, 법정관리, 소송, 워크아웃, 현금흐름 등급악화, 부채비율 증가, 관계회사 부실판정, 대표자 개인 신용위험변동, 이자보상비율 저하, 차입금 증가, 매출액 감소, 자산 감소, 영업이익 적자, 순이익 적자, 자본잠식 중 어느 하나 이상인 것을 특징으로 한다.
본 발명의 또 다른 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법은, 상기 판단하는 단계(S200) 전, 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단요청이 있는 경우, 상기 서버(200)에서 상기 IP 담보대출에 대한 적정성(A)을 진단하고, 진단 결과를 상기 금융기관 서버(100)로 회신하는 단계(S100);를 더 포함하고, 상기 회신하는 단계(S100)는, 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단 요청 및 상기 IP 담보대출 대상 지식재산권 관련 정보(I)를 수신하는 단계(S110); 상기 특허청 서버(300)로부터 상기 서버(200)의 상기 지식재산위험정보 데이터베이스(231)를 업데이트 하는 단계(S120); 상기 지식재산위험정보 데이터베이스(231)에서 검색된, 상기 IP 담보대출 대상 지식재산의 적정성 관련정보(AI)로부터 상기 IP 담보대출에 대한 적정성(A)을 진단하는 단계(S130); 상기 진단하는 단계(S130)에서 상기 IP 담보대출에 대한 적정성(A)이 부적정한 것으로 진단된 경우에는, 부적정 의견을 상기 금융기관 서버(100)로 회신하는 단계(S140); 상기 진단하는 단계(S130)에서 상기 IP 담보대출에 대한 적정성(A)이 적정한 것으로 진단된 경우에는, 적정성 등급을 판단하는 단계(S150); 및 상기 판단하는 단계(S150) 후, 적정 의견 및 적정성 등급을 상기 금융기관 서버(100)로 회신하는 단계(S160);를 포함하는 것을 특징으로 한다.
상기 IP 담보대출 대상 지식재산의 적정성 관련정보(AI)는, 적정성 판단요소(AI-1) 및 적정성 등급 요소(AI-2)를 포함하고, 상기 적정성 판단요소(AI-1)는 지식재산권자와 사업영위자 동일여부, 전용실시권 부존재여부, 질권설정 부존재 여부, 지식재산의 제품매출 발생여부, 권리잔존기간이 5년 이상인지 여부, 대출기간 내 연차료 납부 여부 중 어느 하나 이상을 포함하고, 상기 적정성 등급 요소(AI-2)는 지식재산에 대한 심판청구 여부, 청구항 변동이력 여부, 거절결정 이력 여부, 공동 소유 여부, 패밀리 지식재산 존재여부, 다인용 선행문헌 선정여부 중 어느 하나 이상을 포함하며, 상기 진단하는 단계(S130)는, 상기 적정성 판단요소(AI-1)의 각 항목 중 어느 하나라도 만족하지 못하는 경우에는 상기 적정성(A)이 부적정한 것으로 진단하고, 상기 적정성 판단요소(AI-1)의 각 항목 모두를 만족하는 경우에는 상기 적정성(A)이 적정한 것으로 진단하는 것을 특징으로 한다.
상기 판단하는 단계(S150)는, 상기 적정성 등급 요소(AI-2)의 각 항목 별 기설정된 가중치를 부여하고, 상기 적정성 등급 요소(AI-2)의 각 항목 중 만족하는 항목 별 가중치 부여 점수를 합산하며, 기설정된 등급 구간 중 합산된 점수가 속하는 구간의 등급을 상기 IP 담보대출에 대한 적정성 등급으로 판단하는 것을 특징으로 한다.
본 발명의 또 다른 실시 예에 따른 기술정보 기반 금융리스크 모니터링 시스템은, 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 요청을 수신하거나, 기술금융에 대한 금융리스크(R) 발생시 상기 금융기관 서버(100)로 알림회신하고, 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단 요청 및 상기 IP 담보대출 대상 지식재산권 관련 정보(I)를 수신하거나, 상기 적정성(A)에 관한 의견 및 적정성 등급을 상기 금융기관 서버(100)로 회신하는 알림 정보 판단부(210); 상기 알림 정보 판단부(210)로부터 상기 기술금융 대상기업 소유의 지식재산권 관련 정보(I)를 전달받아 기술금융에 대한 금융리스크(R)를 모니터링하여, 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단하고, 상기 기술금융에 대한 금융리스크(R)의 변동이 발생한 경우에는 금융리스크(R) 변동내용을 알림 정보 판단부(210)로 전달하여, 상기 금융기관 서버(100)로 금융리스크(R) 변동내용을 회신하도록 하는 모니터링 부(220); 상기 모니터링 부(220)에서 업데이트 전과 후의 정보를 비교하여 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단하도록, 기설정된 주기 경과시 업데이트 되는 모니터링 데이터베이스(230); 및 상기 IP 담보대출 대상 지식재산권의 적정성 관련정보(AI)로부터 상기 IP 담보대출에 대한 적정성(A)을 진단하고, 적정성(A)에 관한 의견 및 적정성 등급을 알림 정보 판단부(210)로 전달하여, 상기 금융기관 서버(100)로 회신하도록 하는 적정성 진단부(240);를 포함하며, 상기 모니터링 데이터베이스(230)는, 특허청 서버(300)로부터 상기 기술금융 대상기업 소유의 지식재산위험정보(P)를 업데이트받는 지식재산위험정보 데이터베이스(231); 기 운영중인 기술평가 시스템(400)으로부터 상기 기술금융 대상기업의 기술위험정보(T)를 업데이트받는 기술위험정보 데이터베이스(232); 및 기 운영중인 신용평가 시스템(500)으로부터 상기 기술금융 대상기업의 신용위험정보(C)를 업데이트받는 신용위험정보 데이터베이스(233);를 포함하는 것을 특징으로 한다.
상기에서 살펴본 바와 같이 본 발명에 따르면, 기업이 보유하고 있는 기술인력, 연구개발비, 생산설비, 지식재산권 등의 기술정보 변동을 지속적으로 모니터링하여, 기업의 금융리스크 발생여부를 즉시 파악하여, 금융기관의 손실위험을 최소화할 수 있다.
또한, 금융기관이 IP 담보대출을 실행하기 전에, IP 담보대출 실행의 적정성을 사전 진단하여, 부적정한 IP 담보대출 실행을 방지할 수 있으므로, 금융기관의 손실위험을 최소화할 수 있다.
도 1 내지 도 4는 본 발명의 일 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법의 순서도.
도 5 내지 도 8은 본 발명의 또 다른 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법의 순서도.
도 9는 본 발명의 또 다른 실시 예에 따른 기술정보 기반 금융리스크 모니터링 시스템의 블럭도.
도 10은 적정성 판단요소(AI-1) 및 적정성 등급 요소(AI-2)의 예시도.
도 11은 지식재산위험정보(P), 기술위험정보(T), 신용위험정보(C)의 예시도.
도 12 내지 도 15는 기술평가 시스템(400) 및 신용평가 시스템(500) 결과가 반영된 기술신용보고서의 예시도.
도 16은 부도기업과 특허 권리변동 현황의 상관관계를 분석한 자료.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
본 명세서 및 청구범위에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시 예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다. 이하 본 발명의 바람직한 실시 예를 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1 내지 도 4는 본 발명의 일 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법의 순서도이다. 도 1 내지 도 4를 참조할 때, 상기 기술정보 기반 금융리스크 모니터링 방법은 판단하는 단계(S200) 및 알림회신하는 단계(S300)를 포함한다. 상기 기술정보 기반 금융리스크 모니터링 방법은 프로세서를 포함하는 장치에 의해 수행될 수 있고, 예를 들어 장치는 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현되는 서버일 수 있다.
상기 판단하는 단계(S200)에서는 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 요청이 있는지 여부를 판단한다. 서버는 모니터링 요청에 응답하여, 상기 금융기관 서버(100)로부터 기술금융 대상기업 소유의 지식재산권 관련 정보(I)가 수신되었는지 판단한다. 상기 지식재산권 관련 정보(I)는, 지식재산권 번호, 지식재산권자의 사업자번호, 기술금융기간 중 어느 하나 이상을 포함할 수 있다. 또한, 금융기관 서버(100)는 은행 등 금융기관의 본점 모니터링 서버, 지점 단말기, 금융기관 담당자의 휴대기기 등을 포함할 수 있다.
즉, 금융기관 서버(100)에서 서버(200)로 금융리스크(R) 모니터링 신청을 하고, 신청시 기술금융 대상기업 소유의 지식재산권 관련 정보(I)를 입력하였는지 여부를 알림정보 판단부(210)에서 판단하는 것이다.
상기 알림회신하는 단계(S300)에서는 모니터링 요청이 있는 경우에는 서버(200)에서 상기 기술금융에 대한 금융리스크(R) 발생여부를 모니터링한다. 또한, 상기 기술금융에 대한 금융리스크(R) 발생시 금융기관 서버(100)로 알림회신한다. 상기 알림회신하는 단계(S300)는, 업데이트 하는 단계(S310), 판단하는 단계(S320), 회신하는 단계(S330), 판단하는 단계(S340), 판단하는 단계(S350)를 포함한다.
상기 업데이트 하는 단계(S310)에서는 상기 서버(200)의 모니터링 데이터베이스(230)를 업데이트 한다. 보다 상세히 설명하면, 우선 특허청 서버(300)로부터 상기 기술금융 대상기업이 보유한 지식재산권에 대한 지식재산위험정보(P)를 지식재산위험정보 데이터베이스(231)에 업데이트 한다. 상기 지식재산위험정보(P)는 연차료 미납, 연차료 납부기간 도래, 지식재산권 소유자 변동, 권리 존속기간 만료 전 기설정된 기간 도래, 전용실시권 설정, 권리이전계약 설정, 질권 설정, 변경계약 설정, 지식재산권 소멸, 지식재산소송 발생 중 어느 하나 이상일 수 있다. 즉, 기술금융 대상기업이 보유한 지식재산위험정보(P)를, 특허청 서버(300)나 키프리스 등을 통해 최신 정보로 업데이트 하는 것이다(도 11 참조).
또한, 상기 업데이트 하는 단계(S310)에서는 기 운영중인 기술평가 시스템(400)으로부터 상기 기술금융 대상기업에 대한 상기 기술위험정보(T)를 기술위험정보 데이터베이스(232)에 업데이트 한다. 상기 기술위험정보(T)는 상기 기술금융 대상기업의 대표자 변동, 기술인력 변동, 제품화역량 변동, R&D 인프라 변동, 시장현황 변동, 영업역량 변동 중 어느 하나 이상일 수 있다(도 11 참조).
즉, 상기 기술위험정보(T)는 기술금융 대상기업의 기술평가에 영향을 미치는 항목인 것이다. 기술신용평가기관(TCB, TECHNOLOGY CREDIT BUREAU)은 통해 기업의 기술평가와 신용평가가 결합된 기술신용평가를 수행하고 있으며, 이를 위해 내부적으로 기술평가 시스템(400) 및 신용평가 시스템(500)을 운용하고 있다(도 12 내지 도 15 참조). 기술평가 시스템(400)에 따른 평가대상기업의 기술력은 T-1 내지 T-10의 10단계로 평가되며, 신용평가 시스템(500)에 따른 평가대상기업의 신용도는 AAA 내지 D의 18단계로 평가된다(도 15 참조). 따라서, 상기 업데이트 하는 단계(S310)에서는 기 운영중인 기술평가 시스템(400)으로부터 상기 기술위험정보(T)를 최신 정보로 업데이트 하는 것이다.
또한, 상기 업데이트 하는 단계(S310)에서는 기 운영중인 신용평가 시스템(500)으로부터 상기 기술금융 대상기업에 대한 신용위험정보(C)를 신용위험정보 데이터베이스(233)에 업데이트 한다. 상기 신용위험정보(C)는 상기 기술금융 대상기업의 세금 체납, 단기연체, 당좌거래 정지, 법정관리, 소송, 워크아웃, 현금흐름 등급악화, 부채비율 증가, 관계회사 부실판정, 대표자 개인 신용위험변동, 이자보상비율 저하, 차입금 증가, 매출액 감소, 자산 감소, 영업이익 적자, 순이익 적자, 자본잠식 중 어느 하나 이상일 수 있다(도 11 참조).
즉, 상기 신용위험정보(C)는 기술금융 대상기업의 신용평가에 영향을 미치는 항목인 것이다. 기술신용평가기관(TCB)은 내부적으로 기술평가 시스템(400) 및 신용평가 시스템(500)을 운용하고 있으며, 상기 업데이트 하는 단계(S310)에서는 기 운영중인 신용평가 시스템(500)으로부터 상기 신용위험정보(C)를 최신 정보로 업데이트 하는 것이다.
상기 판단하는 단계(S320)에서는 모니터링부(220)에서 상기 모니터링 데이터베이스(230)의 업데이트 전과 후의 정보를 비교하여, 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단하며, 상기 회신하는 단계(S330)에서는 상기 기술금융에 대한 금융리스크(R)의 변동이 발생한 경우에는 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 기술금융에 대한 금융리스크(R)의 변동내용을 회신한다. 서버는 상기 모니터링 데이터베이스(230)의 업데이트 전과 후의 정보에 적어도 하나의 가중치를 적용할 수 있다. 서버는 가중치가 적용된 정보가 미리 정의된 범위를 벗어나는 경우 금융리스크(R)의 변동이 발생한 것으로 판단할 수 있다. 서버는 가중치가 적용된 정보가 미리 정의된 범위를 벗어난 정도를 계량화하여 금융리스크(R)의 변동에 대응하는 값을 생성할 수 있다.
일실시예에 따르면, 서버는 딥러닝을 기반으로 금융리스크(R)에 대응하는 값을 추정할 수 있다. 금융리스크(R)의 값은 미리 정의된 유형으로 표현될 수 있다.
서버는 지식재산위험정보(P), 기술위험정보(T) 및 신용위험정보(C)에 기초하여 제1 입력 벡터를 생성할 수 있다. 여기서, 벡터는 one-hot 벡터, 실수 벡터 등 설계 의도에 따라 다양한 형태로 정의될 수 있다. 제1 입력 벡터 생성 시 지식재산위험정보(P), 기술위험정보(T) 및 신용위험정보(C)에 각각 가중치들이 적용될 수 있다. 여기서, 가중치들은 뉴럴 네트워크의 학습 시 최적화될 수 있다. 서버는 제1 입력 벡터를 기 학습된 제1 뉴럴 네트워크로 인가할 수 있다. 제1 입력 벡터는 제1 뉴럴 네트워크의 입력 레이어에 대응할 수 있다.
서버는 제1 입력 벡터가 인가된 제1 뉴럴 네트워크로부터 생성된 제1 출력 벡터를 생성할 수 있다. 제1 출력 벡터는 제1 뉴럴 네트워크의 출력 레이어에 대응할 수 있다. 서버는 제1 출력 벡터에 기초하여 금융리스크(R)의 값을 생성할 수 있다. 금융리스크(R)의 값은 복수의 등급들과 같이 이산화되어 표현되거나 연속된 값으로 표현될 수 있다.
일실시예에 따르면, 서버는 딥러닝을 기반으로 금융리스크(R)를 모니터링하기 위한 주기에 대응하는 값을 추정할 수 있다. 주기의 값은 미리 정의된 유형으로 표현될 수 있다. 서버는 금융리스크(R)와 지식재산위험정보(P), 기술위험정보(T) 및 신용위험정보(C)와 같은 변수들을 이용하여 모니터링 주기를 변경할 수 있다. 서버는 금융리스크(R)와 다양한 위험정보가 설명하는 정보에 따라 모니터링 주기를 줄일 수 있다. 서버는 모니터링의 빈도를 높여 금융리스크(R)의 발생 위험을 사전에 차단할 수 있다.
서버는 제1 출력 벡터, 지식재산위험정보(P), 기술위험정보(T) 및 신용위험정보(C)에 기초하여 제2 입력 벡터를 생성할 수 있다. 제2 입력 벡터 생성 시 제1 출력 벡터, 지식재산위험정보(P), 기술위험정보(T) 및 신용위험정보(C)에 각각 가중치들이 적용될 수 있다. 여기서, 가중치들은 뉴럴 네트워크의 학습 시 최적화될 수 있다.
서버는 제2 입력 벡터를 기 학습된 제2 뉴럴 네트워크로 인가할 수 있다. 제2 입력 벡터는 제2 뉴럴 네트워크의 입력 레이어에 대응할 수 있다.
서버는 제2 입력 벡터가 인가된 제2 뉴럴 네트워크로부터 생성된 제2 출력 벡터를 생성할 수 있다. 제2 출력 벡터는 제2 뉴럴 네트워크의 출력 레이어에 대응할 수 있다. 서버는 제2 출력 벡터에 기초하여 모니터링 주기의 값을 생성할 수 있다. 모니터링 주기의 값은 복수의 시간들과 같이 이산화되어 표현되거나 연속된 값으로 표현될 수 있다.
뉴럴 네트워크는 트레이닝 샘플들이 입력되는 입력 레이어와 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 금융리스크들 및 모니터링 주기들에 기초하여 정의될 수 있다. 뉴럴 네트워크는 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.
학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크를 학습시킬 수 있다. 학습 장치는 뉴럴 네트워크의 출력들 및 레이블들 의해 설계된 손실 함수를 이용할 수 있다.
학습 장치는 미리 정의된 손실 함수(loss function)을 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 뉴럴 네트워크 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.
학습 장치는 역전파(backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 뉴럴 네트워크 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.
서버는 학습이 완료된 뉴럴 네트워크를 이용하여 제1 출력 벡터 및 제2 출력 벡터를 획득하고, 금융리스크(R) 및 모니터링 주기를 추정할 수 있다.
상기 판단하는 단계(S320)는 판단하는 단계(S321), 판단하는 단계(S322), 판단하는 단계(S323)를 포함하고, 상기 회신하는 단계(S330)는 회신하는 단계(S331), 회신하는 단계(S332), 회신하는 단계(S333)를 포함한다.
판단하는 단계(S321)에서는 상기 지식재산위험정보 데이터베이스(231)의 업데이트 전과 후의 상기 지식재산위험정보(P)를 비교하여, 상기 지식재산위험정보(P)의 변동여부를 판단한다. 예를 들어, 지식재산위험정보 데이터베이스(231)의 업데이트 전 상기 기술금융 대상기업이 보유한 지식재산권에는 전용실시권이 설정되지 않았으나, 지식재산위험정보 데이터베이스(231)의 업데이트 후 지식재산권에는 전용실시권이 설정되었는지 여부 등을 판단하는 것이다
상기 회신하는 단계(S331)는 상기 판단하는 단계(S321)에서 상기 지식재산위험정보(P)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 지식재산위험정보(P)의 변동내용을 회신한다. 예를 들어, 지식재산위험정보 데이터베이스(231)의 업데이트 전과 후의 지식재산 소유자(지식재산권자)가 변동된 경우에는 알림정보 판단부(210)에서 이를 금융기관 서버(100)로 회신하는 것이다.
또한, 판단하는 단계(S322)에서는 상기 기술위험정보 데이터베이스(232)의 업데이트 전과 후의 상기 기술위험정보(T)를 비교하여, 상기 기술위험정보(T)의 변동여부를 판단한다. 예를 들어, 상기 기술위험정보 데이터베이스(232)의 업데이트 전 기술금융 대상기업의 대표자와 상기 기술위험정보 데이터베이스(232)의 업데이트 후 기술금융 대상기업의 대표자를 비교하여 변동여부를 판단하는 것이다.
상기 회신하는 단계(S332)에서는 상기 판단하는 단계(S322)에서 상기 기술위험정보(T)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 기술위험정보(T)의 변동내용을 회신한다. 예를 들어, 상기 기술위험정보 데이터베이스(232)의 업데이트 전/후의 기술금융 대상기업의 대표자가 변동된 경우에는 알림정보 판단부(210)에서 이를 금융기관 서버(100)로 회신하는 것이다.
또한, 판단하는 단계(S323)에서는 상기 신용위험정보 데이터베이스(233)의 업데이트 전과 후의 상기 신용위험정보(C)를 비교하여, 상기 신용위험정보(C)의 변동여부를 판단한다. 예를 들어, 상기 신용위험정보 데이터베이스(233)의 업데이트 전 기술금융 대상기업의 매출액과 상기 신용위험정보 데이터베이스(233)의 업데이트 후 기술금융 대상기업의 매출액을 비교하여, 매출액이 기설정된 범위를 초과하여 감소하였는지 여부를 판단하는 것이다. 이때 상기 기설정된 범위는 0% 내지 30%로 설정될 수 있으나 반드시 이에 한정되는 것은 아니고, 설계자의 의도에 따라 달리 설정될 수 있다.
상기 회신하는 단계(S333)에서는 상기 판단하는 단계(S323)에서 상기 신용위험정보(C)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 신용위험정보(C)의 변동내용을 회신한다. 예를 들어, 상기 신용위험정보 데이터베이스(233)의 업데이트 전/후의 기술금융 대상기업의 매출액을 비교하여, 매출액이 기설정된 범위를 초과하여 감소한 경우에는 알림정보 판단부(210)에서 이를 금융기관 서버(100)로 회신하는 것이다. 예를 들어, 상기 신용위험정보 데이터베이스(233)의 업데이트 전/후의 기술금융 대상기업의 매출액 비교시 매출액이 35% 감소한 경우에는 알림정보 판단부(210)에서 이를 금융기관 서버(100)로 회신하는 것이다.
이때, 상기 판단하는 단계(S321) 내지 상기 판단하는 단계(S323)은 동시에 수행될 수 있다(도 4의 S320 참조). 또한, 상기 판단하는 단계(S321) 내지 상기 판단하는 단계(S323)는 순차적으로 수행될 수도 있다(도 3의 S320 참조). 순차적으로 수행되는 경우에는 도 3과 같이 S321 내지 S323 순서로 수행될 수 있으나, 반드시 이에 한정되는 것은 아니고, S321 내지 S323 중 어느 하나가 먼저 수행되고 남은 두 개의 단계 중 다른 하나가 수행되며 마지막으로 남은 단계가 수행될 수도 있다.
상기 알림회신하는 단계(S300)는, 판단하는 단계(S340) 및 판단하는 단계(S350)를 더 포함할 수 있다. 상기 판단하는 단계(S340)에서는 상기 회신하는 단계(S330) 후, 상기 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 해제요청이 있는지 판단한다. 예를 들어, 기술금융(대출)이 상환된 경우 금융기관 서버(100)로부터 금융리스크(R) 모니터링 해제요청을 받을 수 있고, 이 경우에는 금융리스크 모니터링을 종료하는 것이다.
또한, 판단하는 단계(S350)에서는 금융리스크 모니터링 해제요청이 없는 경우에는 기설정된 모니터링 주기가 경과하였는지 판단한다. 기설정된 모니터링 주기는 1일, 1월, 1년 등으로 설정될 수 있으며, 실시간 모니터링이 필요한 경우에는 1분 또는 1초 등으로 설정할 수도 있다. 즉, 기설정된 모니터링 주기는 설계자의 의도에 따라 달리 설정될 수 있다. 상기 판단하는 단계(S350)에서 기설정된 모니터링 주기가 경과한 것으로 판단한 경우에는, 상기 업데이트하는 단계(S310)를 다시 수행한다. 이에 따라 기설정된 주기마다 최신 정보가 업데이트 되며, 최신 정보를 토대로 지속적으로 금융리스크 모니터링이 가능한 것이다.
도 5 내지 도 8은 본 발명의 또 다른 실시 예에 따른 기술정보 기반 금융리스크 모니터링 방법의 순서도이다. 도 5 내지 도 8을 참조할 때, 상기 기술정보 기반 금융리스크 모니터링 방법은 회신하는 단계(S100)를 더 포함한다.
상기 회신하는 단계(S100)는 상기 판단하는 단계(S200) 전 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단요청이 있는 경우, 상기 서버(200)에서 상기 IP 담보대출에 대한 적정성(A)을 진단하고, 진단 결과를 상기 금융기관 서버(100)로 회신한다. 상기 회신하는 단계(S100)는 수신하는 단계(S110), 업데이트 하는 단계(S120), 진단하는 단계(S130), 회신하는 단계(S140), 판단하는 단계(S150), 회신하는 단계(S160)를 포함하며, 적정성 판단부(240)에서 수행된다.
상기 수신하는 단계(S110)에서는 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단 요청 및 상기 IP 담보대출 대상 지식재산권 관련 정보(I)를 수신한다. 즉, 금융기관에서 IP 담보대출을 실행하기 전에 IP 담보대출의 적정성 진단을 요청하는 단계이다. 이때, IP 담보대출은 기술금융의 일종으로서, 기업이 보유한 지식재산권(IP, INTELLECTUAL PROPERTY)의 가치평가를 통하여 지식재산권을 담보로 자금을 조달하는 대출방식이다.
상기 업데이트 하는 단계(S120)에서는 상기 특허청 서버(300)로부터 상기 서버(200)의 상기 지식재산위험정보 데이터베이스(231)를 업데이트 한다. 이는, IP 담보대출의 적정성(A)을 진단하기 위해, 우선 IP 담보대출 대상 지식재산권에 관한 지식재산권 관련 정보(I)를 최신 정보로 업데이트 하는 것이다.
상기 진단하는 단계(S130)에서는 상기 지식재산위험정보 데이터베이스(231)에서 검색된, 상기 IP 담보대출 대상 지식재산권의 적정성 관련정보(AI)로부터 상기 IP 담보대출에 대한 적정성(A)을 진단한다. 상기 IP 담보대출 대상 지식재산권의 적정성 관련정보(AI)는, 적정성 판단요소(AI-1) 및 적정성 등급 요소(AI-2)를 포함한다. 상기 적정성 판단요소(AI-1)는 지식재산권자와 사업영위자 동일여부, 전용실시권 부존재여부, 질권설정 부존재여부, 지식재산권의 제품매출 발생여부, 권리잔존기간이 5년 이상인지 여부, 대출기간 내 지식재산권 연차료 납부 여부 중 어느 하나 이상일 수 있다. 또한, 상기 적정성 등급 요소(AI-2)는 지식재산에 대한 심판청구 여부, 청구항 변동이력 여부, 거절결정 이력 여부, 공동 소유 여부, 패밀리 지식재산 존재여부, 다인용 선행문헌 선정여부 중 어느 하나 이상일 수 있다.
상기 진단하는 단계(S130)는 상기 적정성 판단요소(AI-1)의 각 항목 중 어느 하나라도 만족하지 못하는 경우에는 상기 적정성(A)이 부적정한 것으로 진단하고, 상기 적정성 판단요소(AI-1)의 각 항목 모두를 만족하는 경우에는 상기 적정성(A)이 적정한 것으로 진단한다. 예를 들어, 도 10의 예시도의 경우에는 상기 적정성 판단요소(AI-1)의 각 항목 모두를 만족하였으므로, 적정성(A)이 적정한 것으로 진단되는 것이다.
상기 회신하는 단계(S140)에서는 상기 진단하는 단계(S130)에서 상기 IP 담보대출에 대한 적정성(A)이 부적정한 것으로 진단된 경우, 부적정 의견을 상기 금융기관 서버(100)로 회신한다. 예를 들어, IP 담보대출 대상 지식재산권에 전용실시권이 설정되어 있는 경우에는, 알림정보 판단부(210)에서 금융기관 서버(100)로 부적정 의견을 회신하는 것이다.
상기 판단하는 단계(S150)는 상기 진단하는 단계(S130)에서 상기 IP 담보대출에 대한 적정성(A)이 적정한 것으로 진단된 경우, 적정성 등급을 판단한다. 보다 상세히 설명하면, 상기 판단하는 단계(S150)는 상기 적정성 등급 요소(AI-2)의 각 항목 별 기설정된 가중치를 부여하고, 상기 적정성 등급 요소(AI-2)의 각 항목 중 만족하는 항목 별 가중치 부여 점수를 합산하며, 기설정된 등급 구간 중 합산된 점수가 속하는 구간의 등급을 상기 IP 담보대출에 대한 적정성 등급으로 판단하는 것이다.
예를 들어, 도 10의 예시도의 경우에는 상기 적정성 등급 요소(AI-2) 중 지식재산에 대한 심판청구 여부에 가중치가 1이 부여되고, 청구항 변동이력 여부(보정/정정 등)에 가중치가 1이 부여되었다. 또한, 거절결정 이력 여부에 가중치가 2가 부여되고, 공동 소유 여부에 가중치가 1이 부여되었다. 그 밖에도, 패밀리 지식재산 존재여부에 가중치가 2가 부여되고, 다인용 선행문헌 선정여부(심사시 활용되는 다인용 선행문헌으로 선정된 경우)에 가중치가 3이 부여되었다. 또한, 패밀리 지식재산 존재여부 및 다인용 선행문헌 선정여부를 만족하고 있다. 따라서, 합산 점수는 5점이 된다.
도 10의 예시도의 경우에는, 기설정된 등급구간이 5개 등급으로서, 9점이상은 A등급, 7점이상 9점 미만은 B등급, 5점이상 7점미만은 C등급, 3점이상 5점미만은 D등급, 3점미만은 E등급으로 설정되어 있다. 따라서, 합산 점수 5점인 경우에는 C등급이 부여되는 것이다. 단, 항목별 가중치 및 기설정된 등급구간은 설계자의 의도에 따라 달리 설정될 수도 있다.
상기 회신하는 단계(S160)는 상기 판단하는 단계(S150) 후, 알림정보 판단부(210)를 통해 적정 의견 및 적정성 등급을 상기 금융기관 서버(100)로 회신한다. 도 10의 예시도의 경우에는, 알림정보 판단부(210)에서 금융기관 서버(100)로 적정 의견 및 C등급을 회신하는 것이다.
도 9는 본 발명의 또 다른 실시 예에 따른 기술정보 기반 금융리스크 모니터링 시스템의 블럭도이다. 도 9를 참조할 때, 상기 기술정보 기반 금융리스크 모니터링 시스템은, 알림 정보 판단부(210), 모니터링 부(220), 모니터링 데이터베이스(230) 및 적정성 진단부(240)를 포함한다.
상기 알림 정보 판단부(210)는 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 요청을 수신하거나, 기술금융에 대한 금융리스크(R) 발생시 상기 금융기관 서버(100)로 알림회신하는 역할을 한다. 또한, 상기 알림 정보 판단부(210)는 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단 요청 및 상기 IP 담보대출 대상 지식재산권 관련 정보(I)를 수신하거나, 적정성(A)에 관한 의견 및 적정성 등급을 상기 금융기관 서버(100)로 회신하는 역할도 함께 수행한다.
상기 모니터링 부(220)는 상기 알림 정보 판단부(210)로부터 상기 기술금융 대상기업 소유의 지식재산권 관련 정보(I)를 전달받아 기술금융에 대한 금융리스크(R)를 모니터링하여, 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단한다. 또한, 상기 IP 담보대출에 대한 금융리스크(R)의 변동이 발생한 경우에는 금융리스크 변동내용을 알림 정보 판단부(210)로 전달하여, 상기 금융기관 서버(100)로 금융리스크 변동내용을 회신하도록 한다.
상기 모니터링 데이터베이스(230)는 상기 모니터링 부(220)에서 업데이트 전과 후의 정보를 비교하여 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단하도록, 기설정된 주기 경과시 업데이트 된다. 상기 모니터링 데이터베이스(230)는 지식재산위험정보 데이터베이스(231), 기술위험정보 데이터베이스(232) 및 신용위험정보 데이터베이스(233)를 포함한다.
상기 지식재산위험정보 데이터베이스(231)는 특허청 서버(300)로부터 상기 기술금융 대상기업 소유의 지식재산위험정보(P)를 업데이트 받게 된다. 기술위험정보 데이터베이스(232)는 기 운영중인 기술평가 시스템(400)으로부터 상기 기술금융 대상기업의 기술위험정보(T)를 업데이트 받게 된다. 또한, 신용위험정보 데이터베이스(233)는 기 운영중인 신용평가 시스템(500)으로부터 상기 기술금융 대상기업의 신용위험정보(C)를 업데이트 받게 된다.
상기 적정성 진단부(240)는 상기 IP 담보대출 대상 지식재산의 적정성 관련정보(AI)로부터 상기 IP 담보대출에 대한 적정성(A)을 진단한다. 또한, 적정성(A)에 관한 의견 및 적정성 등급을 알림 정보 판단부(210)로 전달하여, 상기 금융기관 서버(100)로 회신하도록 한다.
앞서 살펴본 실시 예는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자(이하 '당업자'라 한다)가 본 발명을 용이하게 실시할 수 있도록 하는 바람직한 실시 예일 뿐, 전술한 실시 예 및 첨부한 도면에 한정되는 것은 아니므로 이로 인해 본 발명의 권리범위가 한정되는 것은 아니다. 따라서, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 당업자에게 있어 명백할 것이며, 당업자에 의해 용이하게 변경 가능한 부분도 본 발명의 권리범위에 포함됨은 자명하다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100 금융기관 서버
200 서버
210 알림정보 판단부
220 모니터링부
230 모니터링 데이터베이스
231 지식재산위험정보 데이터베이스
232 기술위험정보 데이터베이스
232 신용위험정보 데이터베이스
240 적정성 진단부
300 특허청 서버
400 기술평가 시스템
500 신용평가 시스템
AI-1 적정성 판단 요소
AI-2 적정성 등급 요소
P 지식재산위험정보
T 기술위험정보
C 신용위험정보

Claims (9)

  1. 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 요청이 있는지 여부를 판단하는 단계(S200); 및
    모니터링 요청이 있는 경우에는, 서버(200)에서 상기 기술금융에 대한 금융리스크(R) 발생여부를 모니터링하고, 상기 기술금융에 대한 금융리스크(R) 발생시 금융기관 서버(100)로 알림회신하는 단계(S300);
    를 포함하고,
    상기 판단하는 단계(S200)에서는,
    상기 금융기관 서버(100)로부터 기술금융 대상기업 소유의 지식재산권 관련 정보(I)가 수신되었는지 판단하며,
    상기 지식재산권 관련 정보(I)는,
    지식재산권 번호, 지식재산권자의 사업자번호 및 기술금융기간을 포함하고,
    상기 알림회신하는 단계(S300)는,
    상기 서버(200)의 모니터링 데이터베이스(230)를 업데이트 하는 단계(S310);
    상기 모니터링 데이터베이스(230)의 업데이트 전과 후의 정보를 비교하여, 상기 기술금융에 대한 금융리스크(R)의 변동여부를 판단하는 단계(S320); 및
    상기 기술금융에 대한 금융리스크(R)의 변동이 발생한 경우에는, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 기술금융에 대한 금융리스크(R)의 변동내용을 회신하는 단계(S330);
    를 포함하며,
    상기 업데이트하는 단계(S310)에서는,
    특허청 서버(300)로부터 상기 기술금융 대상기업이 보유한 지식재산권에 대한 지식재산위험정보(P)를 지식재산위험정보 데이터베이스(231)에 업데이트 하고,
    기 운영중인 기술평가 시스템(400)으로부터 상기 기술금융 대상기업에 대한 기술위험정보(T)를 기술위험정보 데이터베이스(232)에 업데이트 하고,
    기 운영중인 신용평가 시스템(500)으로부터 상기 기술금융 대상기업에 대한 신용위험정보(C)를 신용위험정보 데이터베이스(233)에 업데이트 하고,
    상기 판단하는 단계(S200)는
    상기 지식재산위험정보(P), 상기 기술위험정보(T) 및 상기 신용위험정보(C)에 각각 가중치들을 적용하여, 제1 입력 벡터를 생성하는 단계;
    상기 제1 입력 벡터를 제1 뉴럴 네트워크-상기 제1 뉴럴 네트워크는 금융리스크들에 기초하여 정의되는 제1 레이블들 및 제1 트레이닝 출력들에 기초하여 학습됨-의 입력 레이어로 인가하는 단계;
    상기 제1 입력 벡터가 인가된 상기 제1 뉴럴 네트워크의 출력 레이어에 의해 생성된 제1 출력 벡터를 획득하는 단계;
    상기 제1 출력 벡터에 기초하여, 복수의 등급들로 이산화된 금융리스크(R)의 값을 생성하는 단계;
    상기 금융리스크(R)에 대응하는 상기 제1 출력 벡터, 상기 지식재산위험정보(P), 상기 기술위험정보(T) 및 상기 신용위험정보(C)에 각각 가중치들을 적용하여, 제2 입력 벡터를 생성하는 단계;
    상기 제2 입력 벡터를 제2 뉴럴 네트워크-상기 제2 뉴럴 네트워크는 모니터링 주기들에 기초하여 정의되는 제2 레이블들 및 제2 트레이닝 출력들에 기초하여 학습됨-의 입력 레이어로 인가하는 단계;
    상기 제2 입력 벡터가 인가된 상기 제2 뉴럴 네트워크의 출력 레이어에 의해 생성된 제2 출력 벡터를 획득하는 단계; 및
    상기 제2 출력 벡터에 기초하여, 복수의 시간들로 이산화된 모니터링 주기의 값을 생성하는 단계
    를 포함하고,
    상기 판단하는 단계(S200) 전, 상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단요청이 있는 경우, 상기 서버(200)에서 상기 IP 담보대출에 대한 적정성(A)을 진단하고, 진단 결과를 상기 금융기관 서버(100)로 회신하는 단계(S100);
    를 더 포함하고,
    상기 회신하는 단계(S100)는,
    상기 금융기관 서버(100)로부터 IP 담보대출에 대한 적정성(A) 진단 요청 및 상기 IP 담보대출 대상 지식재산권 관련 정보(I)를 수신하는 단계(S110);
    상기 특허청 서버(300)로부터 상기 서버(200)의 상기 지식재산위험정보 데이터베이스(231)를 업데이트 하는 단계(S120);
    상기 지식재산위험정보 데이터베이스(231)에서 검색된, 상기 IP 담보대출 대상 지식재산의 적정성 관련정보(AI)로부터 상기 IP 담보대출에 대한 적정성(A)을 진단하는 단계(S130);
    상기 진단하는 단계(S130)에서 상기 IP 담보대출에 대한 적정성(A)이 부적정한 것으로 진단된 경우에는, 부적정 의견을 상기 금융기관 서버(100)로 회신하는 단계(S140);
    상기 진단하는 단계(S130)에서 상기 IP 담보대출에 대한 적정성(A)이 적정한 것으로 진단된 경우에는, 적정성 등급을 판단하는 단계(S150); 및
    상기 판단하는 단계(S150) 후, 적정 의견 및 적정성 등급을 상기 금융기관 서버(100)로 회신하는 단계(S160);
    를 포함하는 것을 특징으로 하는,
    기술정보 기반 금융리스크 모니터링 방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 알림회신하는 단계(S300)는,
    상기 회신하는 단계(S330) 후, 상기 금융기관 서버(100)로부터 기술금융에 대한 금융리스크(R) 모니터링 해제요청이 있는지 판단하는 단계(S340); 및
    기술금융에 대한 금융리스크(R) 모니터링 해제요청이 없는 경우에는, 기설정된 모니터링 주기가 경과하였는지 판단하는 단계(S350);
    를 더 포함하고,
    상기 판단하는 단계(S350)에서 기설정된 모니터링 주기가 경과한 것으로 판단한 경우에는, 상기 업데이트하는 단계(S310)를 다시 수행하는 것을 특징으로 하는 기술정보 기반 금융리스크 모니터링 방법.
  4. 제 1항에 있어서,
    상기 판단하는 단계(S320)는,
    상기 지식재산위험정보 데이터베이스(231)의 업데이트 전과 후의 상기 지식재산위험정보(P)를 비교하여, 상기 지식재산위험정보(P)의 변동여부를 판단하는 단계(S321);
    상기 기술위험정보 데이터베이스(232)의 업데이트 전과 후의 상기 기술위험정보(T)를 비교하여, 상기 기술위험정보(T)의 변동여부를 판단하는 단계(S322); 및
    상기 신용위험정보 데이터베이스(233)의 업데이트 전과 후의 상기 신용위험정보(C)를 비교하여, 상기 신용위험정보(C)의 변동여부를 판단하는 단계(S323);
    를 포함하고,
    상기 회신하는 단계(S330)는,
    상기 판단하는 단계(S321)에서 상기 지식재산위험정보(P)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 지식재산위험정보(P)의 변동내용을 회신하는 단계(S331);
    상기 판단하는 단계(S322)에서 상기 기술위험정보(T)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 기술위험정보(T)의 변동내용을 회신하는 단계(S332); 및
    상기 판단하는 단계(S323)에서 상기 신용위험정보(C)의 변동이 발생한 경우, 상기 서버(200)에서 상기 금융기관 서버(100)로 상기 신용위험정보(C)의 변동내용을 회신하는 단계(S333);
    을 포함하며,
    상기 판단하는 단계(S321) 내지 상기 판단하는 단계(S323)은 동시에 수행되거나, 순차적으로 수행되는 것을 특징으로 하는 기술정보 기반 금융리스크 모니터링 방법.
  5. 제 4항에 있어서,
    상기 지식재산위험정보(P)는 연차료 미납, 연차료 납부기간 도래, 지식재산권 소유자 변동, 권리 존속기간 만료 전 기설정된 기간 도래, 전용실시권 설정, 권리이전계약 설정, 질권 설정, 변경계약 설정, 지식재산권 소멸, 지식재산소송 발생 중 어느 하나 이상인 것을 특징으로 하고,
    상기 기술위험정보(T)는 상기 지식재산권 관련 정보(I) 중 지식재산권자의 사업자번호 대상 기업의 대표자 변동, 기술인력 변동, 제품화역량 변동, R&D 인프라 변동, 시장현황 변동, 영업역량 변동 중 어느 하나 이상인 것을 특징으로 하며,
    상기 신용위험정보(C)는 상기 지식재산권 관련 정보(I) 중 지식재산권자의 사업자번호 대상 기업의 세금 체납, 단기연체, 당좌거래 정지, 법정관리, 소송, 워크아웃, 현금흐름 등급악화, 부채비율 증가, 관계회사 부실판정, 대표자 개인 신용위험변동, 이자보상비율 저하, 차입금 증가, 매출액 감소, 자산 감소, 영업이익 적자, 순이익 적자, 자본잠식 중 어느 하나 이상인 것을 특징으로 하는 기술정보 기반 금융리스크 모니터링 방법.
  6. 삭제
  7. 제 1항에 있어서,
    상기 IP 담보대출 대상 지식재산의 적정성 관련정보(AI)는, 적정성 판단요소(AI-1) 및 적정성 등급 요소(AI-2)를 포함하고,
    상기 적정성 판단요소(AI-1)는 지식재산권자와 사업영위자 동일여부, 전용실시권 부존재여부, 질권설정 부존재 여부, 지식재산의 제품매출 발생여부, 권리잔존기간이 5년 이상인지 여부, 대출기간 내 연차료 납부 여부 중 어느 하나 이상을 포함하고,
    상기 적정성 등급 요소(AI-2)는 지식재산에 대한 심판청구 여부, 청구항 변동이력 여부, 거절결정 이력 여부, 공동 소유 여부, 패밀리 지식재산 존재여부, 다인용 선행문헌 선정여부 중 어느 하나 이상을 포함하며,
    상기 진단하는 단계(S130)는,
    상기 적정성 판단요소(AI-1)의 각 항목 중 어느 하나라도 만족하지 못하는 경우에는 상기 적정성(A)이 부적정한 것으로 진단하고,
    상기 적정성 판단요소(AI-1)의 각 항목 모두를 만족하는 경우에는 상기 적정성(A)이 적정한 것으로 진단하는 것을 특징으로 하고,
    상기 판단하는 단계(S150)는,
    상기 적정성 등급 요소(AI-2)의 각 항목 별 기설정된 가중치를 부여하고,
    상기 적정성 등급 요소(AI-2)의 각 항목 중 만족하는 항목 별 가중치 부여 점수를 합산하며,
    기설정된 등급 구간 중 합산된 점수가 속하는 구간의 등급을 상기 IP 담보대출에 대한 적정성 등급으로 판단하는 것을 특징으로 하는,
    기술정보 기반 금융리스크 모니터링 방법.
  8. 삭제
  9. 삭제
KR1020190000046A 2019-01-02 2019-01-02 기술정보 기반 금융리스크 모니터링 시스템 및 방법 KR102169066B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190000046A KR102169066B1 (ko) 2019-01-02 2019-01-02 기술정보 기반 금융리스크 모니터링 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190000046A KR102169066B1 (ko) 2019-01-02 2019-01-02 기술정보 기반 금융리스크 모니터링 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200084074A KR20200084074A (ko) 2020-07-10
KR102169066B1 true KR102169066B1 (ko) 2020-10-22

Family

ID=71603966

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190000046A KR102169066B1 (ko) 2019-01-02 2019-01-02 기술정보 기반 금융리스크 모니터링 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102169066B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102533108B1 (ko) * 2021-05-28 2023-05-16 주식회사 아이피나우 특허 관리서버 및 이를 포함하는 특허 관리시스템
CN117196816A (zh) * 2023-05-22 2023-12-08 山东浪潮爱购云链信息科技有限公司 一种基于金融风控的供应链交易方法、设备及介质
CN117649188B (zh) * 2023-11-08 2024-06-11 广州易云信息技术有限公司 一种基于大数据的数字化产业金融平台

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007026038A (ja) * 2005-07-15 2007-02-01 Nec Corp パス監視システム，パス監視方法，およびパス監視プログラム
JP2015143935A (ja) * 2014-01-31 2015-08-06 大日本印刷株式会社 物品判別システム及び物品判別プログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100452971B1 (ko) 2002-12-10 2004-10-14 한국신용평가정보주식회사 고객 신용평가 시스템 및 신용정보사의 서버에서실행가능한 고객 신용평가 방법
KR20100022130A (ko) * 2008-08-14 2010-03-02 (주)한국아이피보호기술연구소 특허침해감시 모니터링 시스템 및 그 방법
KR20140040368A (ko) * 2012-09-26 2014-04-03 주식회사 우리은행 지적재산권 리스크 관리 방법, 이를 실행하는 서버 및 이를 실행하는 시스템
KR101553107B1 (ko) * 2013-03-22 2015-09-14 주식회사 만도 협력사 리스크 매니지먼트 시스템
KR20150050106A (ko) * 2013-10-31 2015-05-08 주식회사 우리은행 지식재산권 담보 대출 방법 및 이를 실행하는 금융기관 서버

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007026038A (ja) * 2005-07-15 2007-02-01 Nec Corp パス監視システム，パス監視方法，およびパス監視プログラム
JP2015143935A (ja) * 2014-01-31 2015-08-06 大日本印刷株式会社 物品判別システム及び物品判別プログラム

Also Published As

Publication number Publication date
KR20200084074A (ko) 2020-07-10

Similar Documents

Publication Publication Date Title
US20170091861A1 (en) System and Method for Credit Score Based on Informal Financial Transactions Information
US20100082476A1 (en) Comprehensive method for increasing credit scores
US20120290486A1 (en) Automated method and system for interactive compulsory reporting of lease application adjudication decisions, ongoing tenancy histories and debtor collections
KR102169066B1 (ko) 기술정보 기반 금융리스크 모니터링 시스템 및 방법
AU2014297918A1 (en) System and method for automatically providing A/R-based lines of credit to businesses
Ogundipe et al. Interest rates and loan performance of deposit money banks in Nigeria
Kordlouie et al. Role of accounting conservatism on the quality of financial statements
Collins et al. Mortgage modification and the decision to strategically default: A game theoretic approach
Klieštik et al. Prediction of financial health of business entities in transition economies
Wei [Retracted] A Machine Learning Algorithm for Supplier Credit Risk Assessment Based on Supply Chain Management
Gumparthi et al. Design and development of credit rating model for public sector banks in India: Special reference to small and medium enterprises
KR20220030445A (ko) 매출채권 거래소의 거래위험 평가 방법 및 시스템
Ibrahem et al. Comparative Mathematical Model for Predicting of Financial Loans Default using Altman Z-Score and Neutrosophic AHP Methods.
KR20110114181A (ko) 예측 정확성이 향상된 대출 심사 방법
Coste et al. One size fits some: Analysing profitability, capital and liquidity constraints of custodian banks through the lens of the SREP methodology
Qu et al. An asset value evaluation for docking finance lease problems in the peer-to-peer platform
Skocdopole Financial Analysis as a Basis for Creation of the Financial Plan of the Selected Business Entity–Case Study
Ajator Financial Engineering and Project Risk Management: Imperatives for Professional Quantity Surveyors
Matoussi et al. Using a neural network-based methodology for credit–risk evaluation of a Tunisian bank
Brownbridge et al. Can prompt corrective action rules work in the developing world?
JP2003242344A (ja) コピュラ関数を用いた金融商品もしくは保険商品の価格計算方法およびそのプログラム
Oppusunggu et al. Risk Profile Assessment ofRisk profile assessment of core capital adequacy: capital adequacy tier-book strategy Core Capital Adequacy: Capital Adequacy Tier-Book Strategy
Suarez A neural network model to predict business failure in construction companies, in the United States of America
Sintha et al. Risk profile assessment of core capital adequacy: capital adequacy tier-book strategy
Omelková A Financial Analysis of a Selected Company

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right