KR102249015B1 - 기업의 채무지불여력 산출시스템 - Google Patents

기업의 채무지불여력 산출시스템 Download PDF

Info

Publication number
KR102249015B1
KR102249015B1 KR1020190030835A KR20190030835A KR102249015B1 KR 102249015 B1 KR102249015 B1 KR 102249015B1 KR 1020190030835 A KR1020190030835 A KR 1020190030835A KR 20190030835 A KR20190030835 A KR 20190030835A KR 102249015 B1 KR102249015 B1 KR 102249015B1
Authority
KR
South Korea
Prior art keywords
target
borrowing
company
marginal
debt
Prior art date
Application number
KR1020190030835A
Other languages
English (en)
Other versions
KR20200111076A (ko
Inventor
김용표
조용식
안희진
권지민
홍민정
이정희
민의영
조현미
엄기철
최명신
이기세
김정호
Original Assignee
주식회사 포스코아이씨티
(주)이크레더블
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 주식회사 포스코아이씨티, (주)이크레더블 filed Critical 주식회사 포스코아이씨티
Priority to KR1020190030835A priority Critical patent/KR102249015B1/ko
Publication of KR20200111076A publication Critical patent/KR20200111076A/ko
Application granted granted Critical
Publication of KR102249015B1 publication Critical patent/KR102249015B1/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
    • G06Q40/03—Credit; Loans; Processing thereof
    • G06Q40/025—
    • 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
    • G06Q10/10—Office automation; Time management
    • 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
    • G06Q40/12—Accounting

Landscapes

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

Abstract

타겟기업의 신용공여정보를 포함하는 비재무데이터를 이용하여 타겟기업의 채무지불여력을 산출할 수 있는 기업의 채무지불여력 산출시스템은 타겟기업의 신용공여정보를 포함하는 비재무 데이터를 획득하는 데이터 획득부; 적어도 하나의 후보 한계차입금들 중 타겟 한계차입금을 결정하는 한계차입금 산출모델에 상기 타겟기업의 비재무데이터를 입력하여 상기 타겟기업의 타겟 한계차입금을 산출하는 한계차입금 산출부; 적어도 하나의 후보 적정차입금들 중 타겟 적정차입금을 결정하는 적정차입금 산출모델에 상기 타겟기업의 비재무 데이터를 입력하여 상기 타겟기업의 타겟 적정차입금을 산출하는 적정차입금 산출부; 및 상기 타겟 한계차입금, 상기 타겟 적정차입금, 및 상기 타겟기업의 현재 차입금을 이용하여 상기 타겟기업의 채무지불여력을 산출하는 채무지불여력 산출부를 포함하는 것을 특징으로 한다.

Description

기업의 채무지불여력 산출시스템{Calculation System for Corporate Debt Payment Capability}
본 발명은 신용평가에 관한 것으로서, 보다 구체적으로 기업의 신용평가에 관한 것이다.
기업간 거래에 있어서 거래처 기업 또는 투자처 기업(이하, '기업'이라 함)의 연체나 채무 불이행 등으로 인한 피해를 방지하기 위해 사전에 해당 기업의 채무지불여력을 산출할 필요성이 있다. 이때, 채무지불여력은 해당 기업이 현재 채무를 이행할 수 있는 금액을 의미한다.
일반적으로 채무지불여력은 기업의 재무제표를 기초로 산출될 수 있다. 하지만, 모든 기업에 대해 재무제표가 작성되는 것은 아니기 때문에 재무제표가 확보 가능한 기업을 대상으로만 기업의 채무지불여력을 산출할 수 있고, 재무제표를 확보할 수 없는 기업에 대해서는 채무지불여력을 산출할 수 없다는 한계가 있다.
또한, 재무제표를 확보할 수 있는 기업일지라도, 채무지불여력의 산출함에 있어 재무제표가 작성된 시점 이후에 발생된 채무지불여력과 연관된 정보는 반영될 수 없기 때문에 해당 기업에 대한 채무지불여력이 정확하게 산출될 수 없다는 문제점이 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 타겟기업의 신용공여정보를 포함하는 비재무데이터를 이용하여 타겟기업의 채무지불여력을 산출할 수 있는 기업의 채무지불여력 산출시스템을 제공하는 것을 그 기술적 과제로 한다.
또한, 본 발명은 비교기업의 재무제표를 기초로 생성된 재무데이터와 비재무데이터의 상관관계를 학습하여 한계차입금 산출모델 및 적정차입금 산출모델을 생성할 수 있는 채무지불여력 산출시스템을 제공하는 것을 그 기술적 과제로 한다.
상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 기업의 채무지불여력 산출시스템은 기업의 채무지불여력 산출시스템은 타겟기업의 신용공여정보를 포함하는 비재무 데이터를 획득하는 데이터 획득부; 적어도 하나의 후보 한계차입금들 중 타겟 한계차입금을 결정하는 한계차입금 산출모델에 상기 타겟기업의 비재무데이터를 입력하여 상기 타겟기업의 타겟 한계차입금을 산출하는 한계차입금 산출부; 적어도 하나의 후보 적정차입금들 중 타겟 적정차입금을 결정하는 적정차입금 산출모델에 상기 타겟기업의 비재무 데이터를 입력하여 상기 타겟기업의 타겟 적정차입금을 산출하는 적정차입금 산출부; 및 상기 타겟 한계차입금, 상기 타겟 적정차입금, 및 상기 타겟기업의 현재 차입금을 이용하여 상기 타겟기업의 채무지불여력을 산출하는 채무지불여력 산출부를 포함하는 것을 특징으로 한다.
본 발명은 타겟기업의 신용공여정보를 포함하는 비재무데이터를 이용하여 타겟기업의 채무지불여력을 산출할 수 있어, 재무제표가 존재하지 않는 타겟기업에 대해서도 채무지불여력을 산출할 수 있을 뿐만 아니라, 재무제표가 존재하는 타겟기업이라도 재무제표가 작성된 시점 이후의 타겟기업의 변동사항을 반영할 수 있어 타겟기업의 채무지불여력을 정확하게 산출할 수 있는 효과가 있다.
또한, 본 발명은 타겟기업의 채무지불여력을 산출할 수 있어, 타겟기업과의 거래 이전에 거래조건을 합리적으로 설정할 수 있을 뿐만 아니라, 거래 이후에도 타겟기업에 대해 발생된 채권을 전략적으로 관리할 수 있다는 효과가 있다.
또한, 본 발명은 비교기업의 재무데이터와 비재무데이터의 상관관계를 학습하여 한계차입금 산출모델 및 적정차입금 산출모델을 생성함으로써, 재무데이터를 이용하여 산출되는 한계차입금과 적정차입금을 비재무데이터를 이용하여 산출할 수 있다는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 기업의 채무지불여력 산출시스템의 구성을 개략적으로 보여주는 도면이다
도 2는 본 발명의 일 실시예에 따른 채무지불여력 산출시스템의 구성을 보여주는 도면이다.
도 3a는 적어도 하나의 후보적정차입금의 구간 별로 비교기업들의 실제 적정차입금이 분포의 일예를 보여주는 표이다.
도 3b는 모델링부가 적정차입금 산출모델로부터 산출되는 적정차입금의 구간들과 비교기업의 실제 적정차입금 구간들의 일치여부를 검증하는 것을 보여주는 표이다.
도 3c는 모델링부가 한계차입금 산출모델로부터 산출되는 한계차입금의 구간들과 비교기업의 실제 적정차입금 구간들의 일치여부를 검증하는 것을 보여주는 표이다.
도 4는 본 발명의 일 실시예에 따른 채무상환능력 평가부의 구성을 보여주는 도면이다.
도 5a는 본 발명의 일 실시예에 따른 등급산출부가 부실확률에 대한 등급을 산출하기 위해 확률분포를 이용하는 것을 보여주는 도면이다.
도 5b는 본 발명의 일 실시예에 따른 등급 별 구성비를 보여주는 도면이다.
도 6a는 채무상환능력 모델 별 복수개의 등급들의 우선순위가 기록된 테이블의 일예를 보여주는 도면이다.
도 6b는 채무상환능력 레벨에 대한 일예를 보여주는 도면이다.
본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 정의하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다.
"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제 3항목 중에서 적어도 하나"의 의미는 제1 항목, 제2 항목 또는 제3 항목 각각 뿐만 아니라 제1 항목, 제2 항목 및 제3 항목 중에서 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.
이하, 첨부되는 도면을 참고하여 본 발명의 실시예들에 대해 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 기업의 채무지불여력 산출시스템(이하 '채무지불여력 산출시스템'이라함)의 구성을 개략적으로 보여주는 도면이다.
사용자 단말기(10)는 채무지불여력의 평가 대상이 되는 기업(이하 '타겟기업'이라함)에 대한 식별정보를 사용자로부터 입력받아 채무지불여력 산출시스템(100)으로 전송한다. 이때, 식별정보는 사업자 번호, 상호명 등을 포함할 수 있다.
사용자 단말기(10)는 모바일 단말, 태블릿 PC, 컴퓨터 등을 포함할 수 있다.
채무지불여력 산출시스템(100)은 사용자 단말기(10)의 요청에 따라 타겟기업의 채무지불여력을 산출한다. 구체적으로 채무지불여력 산출시스템(100)은 타겟기업의 비재무데이터를 이용하여 타겟 한계차입금, 타겟 적정차입금, 및 타겟기업의 현재 차입금을 산출하고, 타겟 한계차입금, 타겟 적정차입금, 및 타겟기업의 현재 차입금을 이용하여 타겟기업의 채무지불여력을 산출할 수 있다.
이하, 도 2를 참조하여, 채무지불여력 산출시스템(100)을 보다 구체적으로 설명한다.
도 2는 본 발명의 일 실시예에 따른 채무지불여력 산출시스템(100)의 구성을 보여주는 도면이다. 도 2에 도시된 바와 같이, 채무지불여력 산출시스템(100)은 데이터 획득부(210), 파생데이터 생성부(220), 차입금 산출부(230), 채무지불여력 산출부(240), 데이터베이스(245), 모델링부(250), 한계차입금 산출모델(260), 및 적정차입금 산출모델(270)을 포함한다.
데이터획득부(210)는 타겟기업의 신용공여 정보를 포함하는 비재무데이터를 획득한다. 일 실시예에 있어서, 데이터 획득부(210)는 사용자단말기(10)로부터 타겟기업의 식별정보가 수신되면, 수신된 타겟기업의 식별정보를 외부서버(20)로 전송함으로써 외부서버(20)로부터 타겟기업의 비재무데이터를 획득할 수 있다.
데이터획득부(210)가 획득하는 비재무데이터는 금융정보, 공공조달 정보, 인적자원 정보, 패널티 정보를 포함할 수 있다. 이때, 기업정보는 기업개요를 포함할 수 있고, 금융정보는 신용공여정보를 포함할 수 있다. 공공조달정보는 투찰정보 및 계약정보 중 적어도 하나를 포함할 수 있다. 인적자원 정보는 국민연금 정보 및 채용공고 정보 중 적어도 하나를 포함할 수 있다. 패널티정보는 부정당처분 정보 및 건설면허처분 정보 중 적어도 하나를 포함할 수 있다.
파생데이터 생성부(220)는 데이터 획득부(210)에 의해 획득된 타겟기업의 비재무데이터로부터 타겟기업의 채무지불여력과 상관관계가 있는 파생데이터를 생성한다.
일 실시예에 있어서, 파생데이터는 만기구조별 현재잔고, 3개월간 평균신용공여건수, 3개월간 주석평균, 3개월간 대출건수평균, 대출한도소진율, 어음비중, 보정된 매출액 대비 차입금, 만기 3개월전 신용공여금액 대비 영역이익비율, 자본총계 법인채무비중, 자본금 대비 법인채무비중, 자기자본 대비 전월말차입금, 월별차입금의존도, 차입금계정항목-운전자금, 시설자금, 제1금융권 운전자금, 제1금융권시설자금, 차입금전체계, 제1금융권차입금계, 대출채권전체계, 제1금융권대출채권계, 신용공여전체계, 제1금융권신용공여계, 한도거래-일반자금대출, 한도거래-전자방식외매출채권담보대출, 한도거래계, 일반자금대출+전자방식외매출채권담보대출,일반자금대출+전자방식외매출채권대출+구매자금대출, 신용공여-이행지보계, 건설업여부, 3개월간 평균신용공여건수, 3개월간 주석평균, 3개월간 대출건수평균, 대출한도소진율, 어음비중, 보정 매출액대차입금, 자본총계 법인채무 비중, 자본금 대비 법인채무비중, 자기자본 대비 전월말차입금, 월별 차입금 의존도 중 적어도 하나를 포함할 수 있다.
파생데이터 생성부(220)는 타겟기업의 비재무데이터로부터 파생데이터를 생성하여 차입금 산출부(230)로 전송한다.
차입금 산출부(230)는 한계차입금 산출모델(260) 및 적정차입금 산출모델(270)을 이용하여 타겟기업의 타겟 한계차입금과 타겟기업의 타겟 적정차입금을 산출한다.
이를 위해, 차입금 산출부(230)는 한계차입금 산출부(310) 및 적정차입금 산출부(320)를 포함한다.
한계차입금 산출부(310)는 미리 정해진 적어도 하나의 후보 한계차입금들 중 타겟 한계차입금을 결정하는 한계차입금 산출모델(260)에 타겟기업의 비재무데이터를 입력하여 타겟기업의 타겟 한계차입금을 산출한다. 이때, 한계차입금이란 영업활동, 자산, 산업 평균 등을 고려하여 타겟기업이 한계치까지 부담할 수 있는 차입금을 의미한다. 각 후보 한계차입금은 최대값과 최소값을 갖는 구간으로 설정될 수 있다.
일 실시예에 있어서, 후보 한계차입금의 각 구간은 타겟기업의 기업유형에 따라 구간의 크기 및 구간의 개수가 설정될 수 있다. 이때 타겟기업의 기업유형은 외감기업, 비외감기업, 비외감기업 중 소기업(이하 '소기업'이라함), 및 개인사업자 중 적어도 하나를 포함할 수 있다. 이러한 실시예를 따를때, 구간의 크기는 구간 별로 다르게 설정될 수 있다.
일예로, 타겟기업이 외감기업인 경우 각 구간이 0-1000, 1000-2000, 2000-3000, 3000-5000, 5000-7000, 7000-10000, 10000-15000, 15000-20000, 20000-40000, 및 40000 이상으로 설정될 수 있다 이때, 단위는 10000일 수 있다.
소기업인 경우 각 구간이 0-100, 100-200, 200-300, 300-500, 500-700, 700-1000, 1000-1500, 1500-2000, 2000-4000, 4000 이상으로 설정될 수 있다. 이때 단위는 10000일 수 있다.
일 실시예에 있어서, 한계차입금 산출부(310)는 타겟기업의 기업유형에 매칭되는 한계차입금 산출모델(260)을 선택할 수 있다. 이러한 실시예를 따르는 경우, 한계차입금 산출부(310)는 선택된 한계차입금 산출모델(260)에 타겟기업의 비재무데이터를 입력하여 타겟 한계차입금을 산출할 수 있다.
예컨대, 타겟기업이 개인사업자인 경우, 한계차입금 산출부(310)는 모델링부(250)에 의해 기업유형 별로 생성된 한계차입금 산출모델(260) 중 개인사업자에 해당하는 한계차입금 산출모델(260)을 선택할 수 있다. 한계차입금 산출부(310)는 개인사업자에 해당하는 한계차입금 산출모델(260)에 타겟기업의 비재무데이터를 입력하여 타겟 한계차입금을 산출할 수 있다.
일 실시예에 있어서, 한계차입금 산출부(310)는 한계차입금 산출모델(260)에 파생데이터 생성부(220)에 의해 생성된 타겟기업의 파생데이터를 추가로 입력할 수 있다.
적정차입금 산출부(320)는 적어도 하나의 복수개의 후보 적정차입금들 중 적정차입금을 선택하는 적정차입금 산출모델(270)에 타겟기업의 비재무데이터를 입력하여 타겟기업의 타겟 적정차입금을 산출한다. 이때, 적정차입금이란 영업활동을 수행하며 타겟기업이 금융비용을 부담할 수 있는 차입금을 의미한다. 각 후보 적정차입금은 최대값과 최소값을 갖는 구간으로 설정될 수 있다
일 실시예에 있어서, 후보 적정차입금의 각 구간은 타겟기업의 기업유형에 따라 구간의 크기 및 구간의 개수가 설정될 수 있다. 이때 타겟기업의 기업유형은 외감기업, 비외감기업, 소기업, 및 개인사업자 중 적어도 하나를 포함할 수 있다. 이러한 실시예를 따를때, 구간의 크기는 구간 별로 다르게 설정될 수 있다.
일예로, 타겟기업이 외감기업인 경우 각 구간이 0-1000, 1000-2000, 2000-3000, 3000-5000, 5000-7000, 7000-10000, 10000-15000, 15000-20000, 20000-40000, 및 40000 이상으로 설정될 수 있다 이때, 단위는 10000일 수 있다.
소기업인 경우 각 구간이 0-100, 100-200, 200-300, 300-500, 500-700, 700-1000, 1000-1500, 1500-2000, 2000-4000, 4000 이상으로 설정될 수 있다. 이때 단위는 10000일 수 있다.
일 실시예에 있어서, 적정차입금 산출부(320)는 타겟기업의 기업유형에 매칭되는 적정차입금 모델(270)을 선택할 수 있다. 이러한 실시예를 따르는 경우, 적정차입금 산출부(320)는 선택된 적정차입금 모델(260)에 타겟기업의 비재무데이터를 입력하여 타겟 적정차입금을 산출할 수 있다.
예컨대, 타겟기업이 개인사업자인 경우, 적정차입금 산출부(320)는 모델링부(250)에 의해 기업유형 별로 생성된 적정차입금 산출모델(270) 중 개인사업자에 해당하는 적정차입금 산출모델(270)을 선택할 수 있다. 적정차입금 산출부(320)는 개인사업자에 해당하는 적정차입금 산출모델(270)에 타겟기업의 비재무데이터를 입력하여 타겟 적정차입금을 산출할 수 있다.
일 실시예에 있어서, 적정차입금 산출부(320)는 적정차입금 산출모델(270)에 파생데이터 생성부(220)에 의해 생성된 타겟기업의 파생데이터를 추가로 입력할 수 있다.
채무지불여력 산출부(240)는 타겟 한계차입금, 타겟 적정차입금, 및 타겟기업의 현재 차입금을 이용하여 타겟기업의 채무지불여력을 산출한다. 이때, 타겟기업의 현재 차입금은 타겟기업의 비재무데이터로 산출될 수 있다. 예컨대, 타겟기업의 현재 차입금은 타겟기업의 비재무데이터 중 신용공여 정보에 포함된 차입금 정보로 산출될 수 있다.
일 실시예에 있어서, 채무지불여력 산출부(240)는 최종 최소값 및 최종 최대값을 구간으로 하는 타겟기업의 채무지불여력을 산출한다. 이를 위해, 채무지불여력 산출부(240)는 후보 한계차입금들 중 한계차입금 산출부(220)에 의해 결정된 타겟 한계차입금의 제1 타겟구간 및 타겟 적정차입금의 제2 타겟구간을 이용하여 최종 최소값 및 최종 최대값을 산출할 수 있다.
일 실시예에 있어서, 채무지불여력 산출부(240)는 각 후보 한계차입금들 중 결정된 제1 타겟구간의 제1 최소값과 후보 적정 차입금들 중 결정된 제2 타겟구간의 제2 최소값을 기초로 결정된 값을 최종 최소값으로 하고, 각 후보 한계차입금들 중 결정된된 제1 타겟구간의 제1 최대값과 후보 적정차입금들 중 선택된 제2 타겟구간의 제2 최대값을 기초로 결정된 값을 최종 최대값으로 한다.
일 실시예에 있어서, 채무지불여력 산출부(240)는 제1 최소값 및 제1 최대값에 현재 차입금을 감산하여 최종 최소값 및 최종 최대값을 산출할 수 있다.
일례로, 채무지불여력 산출부(240)는 최종 최소값을 제1 최소값과 제2 최소값 중 더 작은 값에서 현재 차입금을 감산하여 산출하고, 최종 최대값을 제1 최대값과 제2 최대?? 중 더 큰 값에서 현재 차입금을 감산하여 산출할 수 있다.
예컨대, 타겟 한계차입금 제1 타겟구간이 1000-2000이고, 타겟 적정차입금의 제2 타겟구간이 1500-2500이며, 타겟기업의 현재차입금이 500이면, 채무지불여력 산출부(240)는 제1 타겟구간의 최소값(1000)과 제2 타겟구간의 최소값(1500) 중 작은값인 제1 타겟구간의 최소값(1000)을 제1 최소값으로 결정하고, 제1 타겟구간의 최대값(2000)과 제2 타겟구간의 최대값(2500) 중 큰 값이 제2 타겟구간의 최대값(2500)을 제2 최대값으로 결정할 수 있다. 이에 따라 제1 최소값과 제2 최대값에 현재 차입금을 감산하여 최종 최소값(500)과 최종 최대값(2000)을 산출할 수 있다. 타겟기업의 채무지불여력은 500-2000이 될 수 있다.
일 실시예에 있어서, 채무지불여력 산출부(240)는 채무상환능력 평가부(290)의 최종 채무상환능력 평가결과에 따라 타겟기업의 채무지불여력을 산출할 수 있다. 구체적으로, 채무지불여력 산출부(240)는 채무상환능력 평가결과에 따라 타겟 적정차입금 제1 타겟구간과 타겟 적정차입금 제2 타겟구간의 최소값 및 최대값 중 어느 하나를 제1 최소값과 제1 최대값으로 결정하여 채무지불여력을 산출할 수 있다.
예컨대, 타겟 한계차입금 구간이 1000-2000이고, 타겟 적정차입금 구간이 1500-2500이며, 타겟기업의 현재차입금이 500이고, 채무상환능력 평가결과가 미리 정해진 기준보다 낮은 경우, 채무지불여력 산출부(240)는 타겟 한계차입금 제1 타겟구간의 최소값(1000)과 타겟 한계차입금 제2 타겟구간의 최소값(1500)을 제1 최소값 및 제1 최대값으로 결정할 수 있다. 이에 따라 채무지불여력 산출부(240)는 제1 최소값(1000) 및 제1 최대값(1500)에 타겟기업의 현재 차입금(500)을 감산하여 최종 최소값(500) 및 최종 최대값(1000)을 산출할 수 있다. 채무지불여력 산출부(240)는 채무지불여력을 500-1000으로 산출할 수 있다.
또한, 채무상환능력 평가결과가 미리 정해진 기준보다 높은 경우, 채무지불여력 산출부(240)는 타겟 한계차입금 제1 타겟구간의 최대값(2000)과 타겟 한계차입금 제2 타겟구간의 최대값(2500)을 제1 최소값(2000) 및 제1 최대값(2500)으로 결정할 수 있다, 이에 따라 채무지불여력 산출부(240)는 제1 최소값(2000) 및 제1 최대값(2500)에 타겟기업의 현재 차입금(500)을 감산하여 최종 최소값(2000) 및 최종 최대값(2500)을 산출할 수 잇다. 채무지불여력 산출부(240)는 채무지불여력을 1500-2000으로 산출할 수 있다.
데이터베이스(245)에는 모델링부(250)가 한계차입금 산출 모델(260) 및 적정차입금 산출 모델(270)을 생성하기 위해 기업(이하 '비교기업' 이라 함)들의 재무제표를 기초로 획득된 재무데이터 및 비재무데이터가 저장되고, 파생데이터 생성부(220)에 의해 생성된 비교기업의 파생데이터가 저장된다. 이때, 비교기업에는 타겟기업이 포함될 수 있다.
일 실시예에 있어서, 재무데이터는 재무제표정보, 재무비율정보, 재무모형정보, 및 차입금정보 중 적어도 하나를 포함할 수 있다. 이때, 재무제표정보는 재무상태표정보, 손익계산서정보, 현금흐름정보 중 적어도 하나를 포함하고, 재무비율정보는 일반 재무비율정보 및 재무모형투입변수 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에 있어서, 데이터 베이스(245)에는 데이터획득부(210)에 의해 외부서버(20)로부터 비교기업들의 재무데이터 및 비재무데이터가 획득되어 저장될 수 있다.
모델링부(250)는 한계차입금 산출모델(260)을 생성한다. 구체적으로, 모델링부(250)는 타겟 한계차입금을 산출할 수 있도록 비교기업의 재무데이터와 비교기업의 비재무데이터의 상관관계를 학습하여 한계차입금 산출 모델(260)을 생성한다.
일 실시예에 있어서, 모델링부(250)는 미리 정해진 복수개의 비교기업들의 재무제표를 기초로 획득된 재무데이터로 산출된 각 기업의 한계차입금과 해당 비교기업의 비재무데이터의 상관관계를 학습하여 한계차입금 산출모델(260)을 생성할 수 있다.
본 발명에 따른 모델링부(250)가 재무데이터, 비재무데이터, 및 비교기업의 한계차입금의 상관관계를 학습하여 한계차입금 산출모델(260)을 생성함으로써, 본 발명은 재무데이터로만 산출할 수 있던 한계차입금을 비재무데이터로 산출할 수 있어 재무제표가 없는 기업에 대해서도 한계차입금을 산출할 수 있을 뿐만 아니라, 재무제표가 존재하는 기업에 대해서도 재무제표 작성 시점 이후에 발생된 상황을 반영되는 비재무데이터를 이용하여 한계차입금을 산출하기 때문에 정확한 한계차입금을 산출할 수 있다는 효과가 있다.
일 실시예에 있어서 모델링부(250)는 비교기업의 비재무데이터로부터 생성된 파생데이터를 추가로 학습하여 한계차입금 산출모델(260)을 생성할 수 있다. 이러한 실시예를 따를 때, 모델링부(250)는 재무데이터를 이용하여 산출된 비교기업의 한계차입금과 파생데이터의 상관관계를 학습하여 한계차입금 산출 모델(260)을 생성할 수 있다.
본 발명에 따른 모델링부(250)가 비재무데이터로부터 생성된 파생데이터를 추가로 학습함으로써, 한계차입금 산출모델(260)의 정합도가 향상된다는 효과가 있다.
일 실시예에 있어서, 모델링부(250)는 미리 정해진 기업유형 별로 한계차입금 산출모델(260)을 생성할 수 있다. 이때, 기업유형은 외감기업, 비외감기업, 소기업, 개인사업자 중 적어도 하나를 포함할 수 있다. 이러한 실시예를 따르는 경우 모델링부(250)는 비교기업을 기업유형 별로 분류하고, 각 기업유형 별로 분류된 비교기업의 재무데이터 및 비재무데이터의 상관관계를 학습하여 기업유형 별 한계차입금 산출모델(260)을 생성할 수 있다.
예컨대, 모델링부(250)는 개인사업자에 해당하는 비교기업의 한계차입금 및 비재무데이터의 상관관계를 학습하여 개인사업자에 대한 한계차입금 산출모델(260)을 생성할 수 있다.
이러한 실시예를 따를 때, 모델링부(250)에 의해 생성된 기업유형 별 한계차입금 산출모델(260) 중 한계차입금 산출부(310)에 의해 타겟기업의 기업유형에 매칭되는 한계차입금 산출모델(260)이 선택될 수 있다. 선택된 한계차입금 산출모델(260)은 타겟기업의 한계차입금을 산출할 수 있다.
본 발명에 따른 모델링부(250)가 기업유형 별로 한계차입금 산출모델(260)을 생성하는 이유는, 기업유형에 따라 한계차입금이 산출되는 특성이 달라질 수 있기 때문이다.
이에 따라 본 발명에 따른 모델링부(250)가 기업유형 별로 한계차입금 산출모델(260)을 생성함으로써, 한계차입금 산출모델(260)이 산출하는 타겟기업의 한계차입금의 정확도가 향상된다는 효과가 있다.
모델링부(250)는 적정차입금 산출모델(270)을 생성한다. 구체적으로, 모델링부(250)는 타겟 적정차입금을 산출할 수 있도록 비교기업의 재무데이터와 비교기업의 비재무데이터의 상관관계를 학습하여 적정차입금 산출 모델(270)을 생성한다.
일 실시예에 있어서, 모델링부(250)는 미리 정해진 복수개의 비교기업들의 재무제표를 기초로 획득된 재무데이터로 산출된 각 기업의 적정차입금과 해당 비교기업의 비재무데이터의 상관관계를 학습하여 적정차입금 산출모델(270)을 생성할 수 있다.
본 발명에 따른 모델링부(250)가 재무데이터, 비재무데이터, 및 비교기업의 적정차입금의 상관관계를 학습하여 적정차입금 산출모델(270)을 생성함으로써, 본 발명은 재무데이터로만 산출할 수 있던 적정차입금을 비재무데이터로 산출할 수 있어 재무제표가 없는 기업에 대해서도 적정차입금을 산출할 수 있을 뿐만 아니라, 재무제표가 존재하는 기업에 대해서도 재무제표 작성 시점 이후에 발생된 상황을 반영되는 비재무데이터를 이용하여 적정차입금을 산출하기 때문에 정확한 적정차입금을 산출할 수 있다는 효과가 있다.
일 실시예에 있어서 모델링부(250)는 비교기업의 비재무데이터로부터 생성된 파생데이터를 추가로 학습하여 적정차입금 산출모델(270)을 생성할 수 있다. 이러한 실시예를 따를 때, 모델링부(250)는 재무데이터를 이용하여 산출된 비교기업의 적정차입금과 파생데이터의 상관관계를 학습하여 적정차입금 산출 모델(270)을 생성할 수 있다.
본 발명에 따른 모델링부(250)가 비재무데이터로부터 생성된 파생데이터를 추가로 학습함으로써, 적정차입금 산출모델(270)의 정합도가 향상된다는 효과가 있다.
일 실시예에 있어서, 모델링부(250)는 미리 정해진 기업유형 별로 적정차입금 산출모델(270)을 생성할 수 있다. 이때, 기업유형은 외감기업, 비외감기업, 소기업, 개인사업자 중 적어도 하나를 포함할 수 있다. 이러한 실시예를 따르는 경우 모델링부(250)는 비교기업을 기업유형 별로 분류하고, 각 기업유형 별로 분류된 비교기업의 재무데이터 및 비재무데이터의 상관관계를 학습하여 기업유형 별 적정차입금 산출모델(270)을 생성할 수 있다.
예컨대, 모델링부(250)는 개인사업자에 해당하는 비교기업의 적정차입금 및 비재무데이터의 상관관계를 학습하여 개인사업자에 대한 적정차입금 산출모델(270)을 생성할 수 있다.
이러한 실시예를 따를 때, 모델링부(250)에 의해 생성된 기업유형 별 적정차입금 산출모델(270) 중 적정차입금 산출부(320)에 의해 타겟기업의 기업유형에 매칭되는 적정차입금 산출모델(270)이 선택될 수 있다. 선택된 적정차입금 산출모델(270)은 타겟기업의 적정차입금을 산출할 수 있다.
본 발명에 따른 모델링부(250)가 기업유형 별로 적정차입금 산출모델(270)을 생성하는 이유는, 기업유형에 따라 적정차입금이 산출되는 특성이 달라질 수 있기 때문이다.
이에 따라 본 발명에 따른 모델링부(250)가 기업유형 별로 적정차입금 산출모델(270)을 생성함으로써, 적정차입금 산출모델(270)이 산출하는 타겟기업의 적정차입금의 정확도가 향상된다는 효과가 있다.
모델링부(250)는 생성된 한계차입금 산출모델(260) 및 적정차입금 산출모델(270)을 검증할 수 있다.
예컨대, 모델링부(250)는 도 3a에 도시된 바와 같이 미리 정해진 적정차입금 별로 비교기업들의 실제 적정차입금이 분포되어 있는 경우, 이 중 일부의 비교기업들의 비재무데이터를 적정차입금 산출모델(270)에 입력한다. 모델링부(250)는 도 3b에 도시된 바와 같이 적정차입금 산출모델(270)로부터 산출되는 적정차입금의 구간들과 비교기업의 실제 적정차입금 구간들의 일치여부를 검증할 수 있다. 또한, 모델링부(250)는 도 3c에 도시된 바와 같이 한계차입금 산출모델(260)로부터 산출되는 한계차입금의 구간들과 비교기업의 실제 적정차입금 구간들의 일치여부를 검증할 수 있다.
일 실시예에 있어서, 모델링부(250)는 Random Forest 알고리즘을 이용하여 한계차입금 산출모델(260) 및 적정차입금 산출모델(270)을 생성할 수 있다. 이때, Random Forest 알고리즘은 학습데이터를 랜덤 샘플링하여 다수의 결정트리 모델을 만들고 모델 결과들 중 최종결과를 다수결을 통해 도출하는 알고리즘이다.
상술한 실시예와 달리, 모델링부(250)는 GBM(Gradient Boosting Machine) 알고리즘, DNN(Deep Neural Network) 알고리즘 등을 이용하여 한계차입금 산출모델(260) 및 적정차입금 산출모델(270)을 생성할 수 있다.
한계차입금 산출 모델(260)은 한계차입금 산출부(310)에 의해 타겟기업의 비재무데이터가 입력되면 적어도 하나의 후보 한계차입금들 중 타겟 한계차입금을 결정한다. 이때, 후보 한계차입금은 최대값과 최소값을 갖는 구간으로 설정될 수 있다. 이때 타겟 한계차입금의 제1 타겟구간은 타겟기업의 기업유형에 따라 구간의 크기 및 구간의 개수가 설정될 수 있다.
일 실시예에 있어서, 한계차입금 산출 모델(260)은 미리 정해진 복수개의 비교기업들의 재무제표를 기초로 획득된 재무데이터를 이용하여 산출된 비교기업의 한계차입금과 해당 비교기업의 비재무데이터의 상관관계를 학습하여 생성될 수 있다.
이에 따라 본 발명에 따른 한계차입금 산출 모델(260)은 타겟기업의 비재무데이터만으로 타겟기업의 타겟 한계차입금의 제1 타겟구간을 산출할 수 있다.
일 실시예에 있어서, 한계차입금 산출 모델(260)은 기업유형 별로 복수개가 생성될 수 있다. 이러한 실시예를 따를 때, 한계차입금 산출부(310)에 의해 복수개의 한계차입금 산출 모델(260) 중 타겟기업의 기업유형에 매칭되는 한계차입금 산출 모델(260)이 선택되어 타겟기업의 한계차입금 제1 타겟구간을 산출할 수 있다.
적정차입금 산출 모델(270)은 적정차입금 산출부(320)에 의해 타겟기업의 비재무데이터가 입력되면 적어도 하나의 후보 적정차입금 중 타겟 적정차입금을 결정할 수 있다. 이때, 후보 한계차입금은 최대값과 최소값을 갖는 구간으로 설정될 수 있다. 이때, 타겟 적정차입금 제2 타겟구간은 타겟기업의 기업유형에 따라 구간의 크기 및 구간의 개수가 설정될 수 있다.
일 실시예에 있어서, 적정차입금 산출 모델(270)은 미리 정해진 복수개의 비교기업들의 재무제표를 기초로 획득된 재무데이터를 이용하여 산출된 비교기업의 적정차입금과 해당 비교기업의 비재무데이터의 상관관계를 학습하여 생성될 수 있다.
이에 따라 본 발명에 따른 적정차입금 산출 모델(270)은 타겟기업의 비재무데이터만으로 타겟기업의 적정차입금의 제2 타겟구간을 산출할 수 있다.
일 실시예에 있어서, 적정차입금 산출 모델(270)은 기업유형 별로 복수개가 생성될 수 있다. 이러한 실시예를 따를 때, 적정차입금 산출부(320)에 의해 복수개의 적정차입금 모델(270) 중 타겟기업의 기업유형에 매칭되는 적정차입금 산출 모델(270)이 선택되어 타겟기업의 적정차입금의 제2 타겟구간을 산출할 수 있다.
한편, 채무지불여력 산출시스템(100)은 도 2에 도시된 바와 같이 계약금 수정부(280)를 더 포함할 수 있다.
계약금 수정부(280)는 타겟기업과의 계약금의 수정여부를 판단하여 타겟기업의 계약금을 수정할 수 있다. 구체적으로, 계약금 수정부(280)는 사용자단말기(10)로부터 타겟기업과의 계약금이 입력되면, 타겟기업의 채무지불여력에 따라 계약금을 수정할 수 있다.
일 실시예에 있어서, 계약금 수정부(280)는 계약금이 타겟기업의 채무지불여력의 구간 밖에 위치하면 채무지불여력의 구간 내에 미리 정해진 금액으로 계약금을 수정할 수 있다. 이때, 미리 정해진 금액은, 최종 최소값과 최종 최대값의 평균값일 수 있다.
계약금 수정부(280)는 타겟기업과의 계약금이 수정되면, 사용자단말기(10)로 계약금 수정정보를 전송할 수 있다.
한편, 채무지불여력 산출시스템(100)은 도 2에 도시된 바와 같이 채무상환능력 평가부(290)를 더 포함할 수 있다.
채무상환능력 평가부(290)는 타겟기업의 채무상환능력을 평가한다. 구체적으로, 채무상환능력 평가부(290)는 타겟기업의 재무데이터 및 비재무데이터를 복수개의 채무상환능력 평가모델에 입력하여 미리 정해진 예측기간 별로 각각 분석하여 타겟기업의 채무상환능력을 평가할 수 있다.
이러한 실시예를 따를 때, 데이터 획득부(210)에 의해 타겟기업의 재무데이터가 추가로 획득될 수 있다.
이하, 도 4를 참조하여 채무상환능력 평가부(290)를 보다 구체적으로 설명한다.
도 4는 본 발명의 일 실시예에 따른 채무상환능력 평가부(290)의 구성을 보여주는 도면이다. 도 4에 도시된 바와 같이 채무상환능력 평가부(290)는 제1 산출부(410), 제2 산출부(420), 채무상환능력평가 모델링부(430), 및 채무상환능력평가 모델(440)를 포함한다.
제1 산출부(410)는 타겟기업의 채무상환능력 평가결과를 산출한다. 구체적으로 제1 산출부(410)는 평가시점부터 평가시점 이후인 미리 정해진 예측시점까지의 예측기간을 복수개의 서브 예측기간으로 분할한다. 제1 산출부(410)는 각 서브 예측기간에 대응되는 복수개의 채무상환능력 평가모델(440)에 타겟기업의 재무데이터 및 비재무데이터를 입력하여 각 채무상환능력 평가모델 별로 타겟기업의 채무상환능력 평가결과를 산출한다. 이때, 평가시점은 채무상환능력을 평가하는 시점을 의미한다.
상술한 실시예에 있어서, 제1 산출부(410)는 재무데이터 및 비재무 데이터만을 이용하는 것으로 설명하였지만, 제1 산출부(410)는 파생데이터 생성부(220)에 의해 생성된 파생데이터를 추가로 이용하여 타겟기업의 채무상환능력 평가결과를 산출할 수도 있다. 이러한 실시예를 따르는 경우, 파생데이터 생성부(220)에 의해 재무데이터에 대한 파생데이터가 생성될 수 있다.
일 실시예에 있어서, 제1 산출부(410)는 미리 정해진 예측기간이 분할된 서브예측기간 별로 채무상환능력을 평가하는 복수개의 채무상환능력 평가모델(440)에 타겟기업의 재무데이터 및 비재무데이터를 입력하여 각 서브예측기간 별로 타겟기업의 부실이벤트 발생가능성을 나타내는 타겟등급을 산출한다.
구체적으로, 제1 산출부(410)는 복수개의 채무상환능력 평가모델(440)에 타겟기업의 재무데이터 및 비재무데이터를 입력하여 각 서브예측기간 별로 타겟기업의 부실확률을 산출하고, 각 서브예측기간 별로 산출된 부실확률을 미리 정해진 기준에 따라 타겟등급으로 산출한다.
일 실시예에 있어서, 제1 산출부(410)는 각 서브예측기간 별로 산출된 부실확률이 기준 부실확률분포상에서 위치하는 구간에 따라 타겟등급으로 산출할 수 있다. 이때, 기준 부실확률분포는 각 채무상환능력 평가모델(440)에 복수개의 테스트데이터를 입력하여 산출된 복수개의 테스트 부실확률의 확률분포를 의미한다. 기준 부실확률분포 상에는 각 등급 별 구성비에 따라 각 등급의 구간이 설정되어 있을 수 있다.
예컨대, 도 5a및 5b에 도시된 바와 같이 기준 부실확률분포 상에는 각 등급별 구성비에 따라 구간 별로 등급이 설정될 수 있다. 이에 따라, 제1 산출부(410)는 각 서브예측기간 별로 산출된 부실확률이 기준 부실확률분포 상에 위치하는 구간에 따라 타겟등급을 산출할 수 있다. 도 5b에서는 7개의 등급이 존재하는 것으로 도시하였으나, 이는 하나의 예일 뿐 6개 이하의 등급이 존재할 수 8개 이상의 등급이 존재할 수도 있다.
본 발명에 따른 제1 산출부(410)가 각 채무상환능력 평가모델(440)별로 산출된 부실확률을 타겟등급으로 산출하는 이유는, 각 채무상환능력 평가모델(440)은 서로 다른 부실예정기간에 생성된 부실기업의 재무데이터, 비재무데이터, 및 파생데이터를 학습하여 생성되었기 때문에 각 부실확률 간에 우위를 판단할 수 없어 각 채무상환능력 평가모델(440)에서 산출된 부실확률을 타겟등급으로 변환하여 타겟등급간에 우위를 판단함으로써 하나의 결과값으로 산출하기 위함이다.
일 실시예에 있어서, 제1 산출부(410)는 타겟기업의 기업유형을 분류기준에 따라 판단하여 판단된 타겟기업의 기업유형에 따라 복수개의 채무상환능력 평가모델(440)을 선택할 수 있다. 이때, 분류기준은 업종, 기업규모, 외감기업여부 등을 포함할 수 있다. 이러한 실시예를 따르는 경우, 제1 산출부(410) 타겟기업의 기업유형에 따라 선택된 복수개의 채무상환능력 평가모델(440)에 타겟기업의 재무데이터, 비재무데이터, 및 파생데이터를 입력하여 서브예측기간 별 타겟등급을 산출할 수 잇다.
예컨대, 제1 산출부(410)는 타겟기업이 외감기업으로 판단된 경우, 외감기업에 대한 복수개의 채무상환능력 평가모델(440)에 타겟기업의 재무데이터, 비재무데이터, 및 파생데이터를 입력하여 예측기간 별 타겟등급을 산출할 수 있다.
제2 산출부는(240)는 제1 산출부(410)에 의해 채무상환능력 평가모델(440) 별로 산출된 채무상환능력 평가결과를 이용하여 타겟기업의 최종 채무상환능력 평가결과를 산출한다.
일 실시예에 있어서, 제2 산출부(420)는 제1 산출부(410)에 의해 산출된 복수개의 타겟등급을 이용하여 타겟기업의 타겟 채무상환능력 레벨을 산출한다. 구체적으로, 제2 산출부(230)는 각 서브예측기간 별로 산출된 복수개의 타겟등급 중 어느 하나인 최종 등급을 이용하여 타겟기업의 타겟 채무상환능력 레벨을 산출할 수 있다.
일 실시예에 있어서, 제2 산출부(420)는 평가시점부터 복수개의 채무상환능력 평가모델들의 각 서브예측기간에 포함된 기준시점까지 시간 축 상의 거리에 따라 채무상환능력 평가모델(440) 별 복수개의 등급들의 우선순위가 기록된 테이블을 이용하여 타겟기업의 타겟 채무상환능력 레벨을 산출할 수 있다. 이때, 평가시점은 채무상환능력을 평가하는 시점을 의미한다. 기준시점은 각 예측기간의 기산점 또는 종결점을 포함할 수 있다.
제2 산출부(420)는 각 채무상환능력 평가모델(440) 별로 산출된 타겟등급 중 어느 하나인 최종등급을 이용하여 타겟기업의 타겟 채무상환능력 레벨을 산출할 수 있다. 일 실시예에 있어서, 제2 산출부(420)는 평가시점으로부터 복수개의 채무상환능력 평가모델들의 각 서브예측기간에 포함된 기준시점까지 시간축 상 거리에 따라 채무상환능력 평가모델 별 복수개의 등급들의 우선순위가 기록된 테이블을 이용하여 상기 최종등급을 결정할 수 있다.
일례로, 제2 산출부(420)는 복수개의 타겟등급 중 테이블 상에서 각 타겟등급에 매칭되는 우선순위가 가장 높은 타겟등급을 최종등급으로 결정할 수 있다.
일 실시예에 있어서, 테이블은 상기 채무상환능력 평가모델 별 복수개의 등급들이 적어도 하나 이상의 그룹으로 그룹핑되어 그룹 별 채무상환능력 레벨이 설정될 수 있다. 일례로, 테이블은 채무상환능력 평가모델 별 복수개의 등급 중 일부 등급들이 서로 다른 채무상환능력 평가모델의 동일한 등급들간에 그룹핑되고, 다른 등급들이 동일한 채무상환능력 평가모델의 서로 다른 연속적인 등급들간에 그룹핑될 수 있다. 이에 따라 그룹들은 채무상환능력 레벨이 설정될 수 있다.
예컨대, 도 6a에 도시된 바와 같이 제1 내지 제4 모델의 1등급들은 제1 그룹으로 그룹핑되고, 제1그룹은 1 레벨로 설정될 수 있다. 제1 내지 제4 모델의 2등급간들은 제2 그룹으로 그룹핑되고, 제2그룹은 2 레벨로 설정될 수 있다. 제1 내지 제4 모델의 3등급들은 제3 그룹으로 그룹핑되고, 제3그룹은 3 레벨로 설정될 수 있다. 제1 내지 제4 모델의 4등급들은 제4 그룹으로 그룹핑되고, 제4그룹은 4 레벨로 설정될 수 있다. 제1 내지 제4 모델의 7등급들은 제7 그룹으로 그룹핑되고, 제7그룹은 7 레벨로 설정될 수 있다.
또한, 제1 모델의 5 내지 6등급은 제6B그룹으로 그룹핑되고 제6B 그룹은 6B레벨로 설정될 수 있다. 제2 모델의 5 내지 6등급은 제6A그룹으로 그룹핑되고 제6A 그룹은 6A레벨로 설정될 수 있다. 제3 모델의 5 내지 6등급은 제5B 그룹으로 그룹핑되고 제5B 그룹은 5B레벨로 설정될 수 있다. 제4 모델의 5 내지 6등급은 제5A그룹으로 그룹핑되고 제5A 그룹을 5A레벨로 설정될 수 있다.
도 6b에 도시된 바와 같이 설정된 채무상환능력 레벨은 오름차순으로 타겟기업의 채무상환능력이 낮아지는 것을 의미할 수 있다. 1 및 2 레벨은 타겟기업의 채무상환능력이 정상으로 볼 수 있고, 3 및 4레벨은 타겟기업의 채무상환능력에 관찰이 필요하다는 것을 의미할 수 있고, 5 내지 7레벨은 채무상환능력에 문제가 있다는 것을 의미할 수 있다.
일 실시예에 있어서 제2 산출부(420)는 결정된 최종등급이 포함되는 그룹에 설정된 채무상환능력 레벨을 타겟 채무상환능력 레벨로 산출할 수 있다.
제2 산출부(420)는 타겟 채무상환능력 레벨을 채무상환능력 점수로 변환할 수 있다. 일 실시예에 있어서, 제2 산출부(420)는 선택된 최종등급이 위치하는 필드에 기록된 우선순위를 미리 정해진 수학식에 입력하여 타겟 채무상환능력 레벨을 타겟기업의 채무상환능력 점수로 변환할 수 있다. 일례로, 미리 정해진 수학식은 아래의 수학식1 일 수 있다.
Figure 112019027796083-pat00001
수학식 1에서 Y는 채무상환능력 점수를 의미하고, X는 우선순위를 의미한다.
본 발명에 따른 제2 산출부(420)가 채무상환능력 점수를 산출하는 이유는, 타겟기업의 채무상환능력 레벨을 더욱 세분화하여 정확한 채무상환능력을 사용자에게 제공하기 위함이다
한편, 상술한 실시예에서는 제2 산출부(420)가 우선순위가 기록된 테이블을 이용하여 복수개의 타겟등급을 타겟 채무상환능력 레벨로 산출하나, 변형된 실시예에서는 제2 산출부(420)가 등급별 가중치를 이용하여 복수개의 타겟등급을 타겟 채무상환능력 레벨로 산출할 수 있다.
제2 산출부(420)는 데이터획득부(210)로부터 기 부실이벤트 발생정보를 수신하면, 타겟기업의 채무상환능력 레벨을 실제 부실이벤트 발생을 나타내는 레벨로 산출할 수 있다. 예컨대, 도 6b에 도시된 바와 같이, 제2 산출부(420)는 타겟기업에 기 부실이벤트가 발생되었으면 7 레벨을 산출할 수 있다.
제2 산출부(420)는 산출된 채무상환능력 레벨 및 채무상환능력 점수를 사용자단말기(10)로 전송하고, 채무지불여력 산출부(240)로 전송한다.
제2 모델링부(430)는 채무상환능력 평가모델(440)을 생성한다. 일 실시예에 있어서, 제2 모델링부(430)는 데이터베이스(245)에 저장된 비교기업의 재무데이터, 비재무데이터, 및 파생데이터를 학습하여 복수개의 채무상환능력 평가모델(440)을 생성한다.
특히 본 발명에 따른 제2 모델링부(430)는 비교기업 중 부실이벤트가 발생된 부실기업의 재무데이터, 비재무데이터, 및 파생데이터를 학습하여 서브예측기간 별로 타겟기업의 채무상환능력을 평가하는 복수개의 채무상환능력 평가모델(440)을 생성한다. 이때, 부실이벤트는 단기연체, 공공연체, 금융연체, 카드연체, 상거래연체, 및 휴폐업 중 적어도 하나를 포함할 수 있다.
일 실시예에 있어서, 제2 모델링부(430)는 부실이벤트가 발생된 부실기업의 재무데이터, 비재무데이터, 및 파생데이터 중 각 서브예측기간에 대응되는 부실예정기간에 발생된 재무데이터, 비재무데이터, 및 파생데이터를 학습하여 각 채무상환능력 평가모델을 생성할 수 있다.
이때 부실예정기간은 타겟기업이 부실이벤트가 발생한 부실시점부터 부실시점 이전인 미리 정해진 시점까지의 제1 기간이 분할된 기간을 의미한다. 이에 따라 제1 기간은 예측기간에 대응되고, 부실예정기간은 서브예측기간에 대응될 수 있다.
일 실시예에 있어서 제2 모델링부(430)는 부실이벤트가 발생된 부실기업의 기업유형 별로 복수개의 채무상환능력 평가모델(440)을 각각 생성할 수 있다. 이때, 기업유형은 외감기업, 비외감기업, 소기업, 및 개인사업자 중 적어도 하나를 포함할 수 있다.
복수개의 채무상환능력 평가모델(440)은 타겟기업의 재무데이터, 및 비재무데이터를 입력받아 미리 정해진 서브예측기간 별로 타겟기업에 부실이벤트가 발생될 부실확률을 산출한다. 구체적으로, 복수개의 채무상환능력 평가모델(440)은 제1 산출부(410)에 의해 타겟기업의 재무데이터, 및 비재무데이터가 입력되면, 각 채무상환능력 평가모델은 미리 정해진 서브예측기간 별로 타겟기업에 부실이벤트가 발생될 부실확률을 산출한다.
일 실시예에 있어서, 복수개의 채무상환능력 평가모델(260)은 제1 산출부(410)에 의해 파생데이터를 추가로 입력받아, 서브예측기간 별로 타겟기업에 부실이벤트가 발생될 부실확률을 산출할 수 잇다.
일 실시예에 있어서, 서브예측기간은 일별, 월별, 분기별 중 적어도 하나로 결정될 수 있다. 이러한 실시예를 따르는 경우, 복수개의 채무상환능력평가 모델(440)은 일별, 월별, 분기별 중 적어도 하나의 각 예측기간에 따라 타겟기업의 채무상환능력을 평가할 수 있다.
일 실시예에 있어서, 각 채무상환능력 평가모델(440)은 제2 모델링부(430)에 의해 부실이벤트가 발생된 부실기업의 재무데이터, 비재무데이터, 및 파생데이터 중 각 서브예측기간에 대응되는 부실예정기간에 발생된 부실기업의 재무데이터, 비재무데이터, 및 파생데이터가 학습될 수 있다.
한편, 채무상환능력 평가부(290)은 도 4에 도시된 바와 같이 채무상환능력의 정확도를 향상시키기 위해 채무상환능력평가 보정모델(450) 및 보정부(460)를 더 포함할 수 있다.
제1 산출부(410)는 복수개의 채무상환능력평가 보정모델(450)에 타겟기업의 재무데이터, 비재무데이터, 및 파생데이터 입력하고, 추가로 타겟기업의 상거래데이터를 입력하여 각 예측기간 별로 타겟기업의 보정 부실확률을 산출하고, 각 예측기간 별로 산출된 보정 부실확률을 미리 정해진 기준에 따라 타겟 보정등급으로 산출한다. 일 실시예에 있어서, 상거래데이터는 기업 내부 거래내역데이터로써, 채권 미회수정보를 포함할 수 있다. 이러한 실시예를 따를 때, 데이터획득부(210)에 의해 타겟기업의 상거래데이터가 추가로 획득될 수있다.
제2 산출부(420)는 제1 산출부(410)에 의해 산출된 복수개의 타겟 보정등급을 이용하여 타겟기업의 타겟 채무상환능력 보정레벨을 산출한다. 구체적으로, 제2 산출부(230)는 각 예측기간 별로 산출된 복수개의 타겟보정등급 중 어느 하나인 최종 보정등급을 이용하여 타겟기업의 타겟 채무상환능력 보정레벨을 산출할 수 있다.
제2 모델링부(430)는 부실이벤트가 발생된 부실기업의 재무데이터, 비재무데이터, 및 파생데이터뿐 만 아니라, 부실기업의 상거래데이터를 추가로 학습하여 미리 정해진 서브예측기간 내에서 타겟기업의 채무상환능력을 평가하는 복수개의 채무상환능력평가 보정모델(450)을 생성한다.
본 발명에 따른 제2 모델링부(430)가 상거래데이터를 추가로 학습하여 채무상환능력평가 보정모델(450)을 생성하는 이유는, 일반적으로 기업 부실 진행에 있어 가장 우선하여 나타나는 증거가 거래처에 대한 상거래 연체이기 때문에, 이에 대한 정보를 포함하고 있는 상거래데이터를 학습하여 복수개의 채무상환능력평가 보정모델(450)을 생성함으로써, 타겟기업의 채무상환능력을 더욱 정확하게 평가할 수 있게 하기 위함이다.
복수개의 채무상환능력평가 보정모델(450)은 미리 정해진 서브예측기간 별로 타겟기업에 부실이벤트가 발생될 보정 부실확률을 산출한다. 구체적으로, 복수개의 채무상환능력평가 보정모델(450)은 제1 산출부(410)에 의해 타겟기업의 재무데이터, 비재무데이터, 파생데이터, 및 상거래데이터가 입력되면, 각 채무상환능력평가 보정모델(450)은 미리 정해진 서브예측기간 별로 타겟기업에 부실이벤트가 발생될 보정 부실확률을 산출한다.
보정부(460)는 제2 산출부(420)에 의해 산출된 타겟 채무상환능력평가 레벨 및 보정레벨을 비교하여 채무상환능력평가 레벨과 채무상환능력평가 보정레벨이 미리 정해진 기준값 이상 차이가 나면, 타겟 채무상환능력평가 레벨을 타겟 채무상환능력평가 보정레벨로 보정한다. 보정부(460)는 보정된 타겟 채무상환능력평가 보정레벨을 사용자 단말기(10) 및 채무지불여력 산출부(240)로 전송한다.
다시 도 1을 참조하면, 외부서버(20)는 타겟기업에 대한 재무데이터 및 타겟기업에 대한 비재무데이터를 수집하여 채무상환능력 평가시스템(100)으로 전송한다. 일 실시예에 있어서 외부서버(20)는 타겟기업에 기 부실이벤트가 발생되었으면, 기 부실이벤트 발생정보를 데이터 획득부(210)를 통해 제2 산출부(420)로 전송할 수 있다.
본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.
그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 기업의 채무상환능력 평가시스템
210: 데이터획득부 220: 파생데이터 생성부
230: 차입금 산출부 240: 채무지불여력 산출부
245: 데이터베이스 250: 모델링부
260: 한계차입금 산출모델 270: 적정차입금 산출모델
280: 계약금 수정부 290: 채무상환능력 평가부

Claims (14)

  1. 타겟기업의 신용공여정보를 포함하는 비재무 데이터를 획득하는 데이터 획득부;
    적어도 하나의 후보 한계차입금들 중 상기 타겟기업이 차입할 수 있는 최대치 수준의 차입금인 타겟 한계차입금을 결정하는 한계차입금 산출모델에 상기 타겟기업의 비재무데이터를 입력하여 상기 타겟기업의 타겟 한계차입금을 산출하는 한계차입금 산출부;
    적어도 하나의 후보 적정차입금들 중 상기 타겟기업이 금융비용을 부담할 수 있는 수준의 차입금인 타겟 적정차입금을 결정하는 적정차입금 산출모델에 상기 타겟기업의 비재무 데이터를 입력하여 상기 타겟기업의 타겟 적정차입금을 산출하는 적정차입금 산출부; 및
    상기 타겟 한계차입금, 상기 타겟 적정차입금, 및 상기 타겟기업의 현재 차입금을 이용하여 상기 타겟기업의 채무지불여력을 산출하는 채무지불여력 산출부를 포함하고,
    상기 한계차입금 산출모델은 미리 정해진 복수개의 비교기업들의 재무데이터로부터 산출된 각 비교기업의 한계 차입금과 해당 비교기업의 비재무 데이터 간의 상관관계를 학습하여 생성되고,
    상기 적정차입금 산출모델은 상기 복수개의 비교기업들의 재무데이터로부터 산출된 각 비교기업의 적정차입금과 해당 비교기업의 비재무 데이터 간의 상관관계를 학습하여 생성되는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  2. 제1항에 있어서,
    각 후보 한계차입금은 최대값과 최소값을 갖는 구간으로 설정되고, 각 후보 적정 차입금은 최대값과 최소값을 갖는 구간으로 설정되며,
    상기 채무지불여력 산출부는 상기 타겟기업의 채무지불여력을 최종 최소값과 최종 최대값을 갖는 구간으로 산출하되,
    상기 최종 최소값은 상기 각 후보 한계차입금의 구간들 중 결정된 제1 타겟구간의 제1 최소값과 각 후보 적정 차입금의 구간들 중 결정된 제2 타겟구간의 제2 최소값을 기초로 결정되고, 상기 최종 최대값은 상기 제1 타겟구간의 제1 최대값과 상기 제2 타겟구간의 제2 최대값을 기초로 결정되는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  3. 제2항에 있어서,
    상기 채무지불여력 산출부는 상기 제1 최소값과 상기 제2 최소값 중 작은 값에서 상기 현재 차입금을 감산하여 상기 최종 최소값을 산출하고, 상기 제1 최대값과 상기 제2 최대값 중 큰 값에서 상기 현재 차입금을 감산하여 상기 최종 최대값을 산출하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 타겟기업의 비재무데이터로부터 파생데이터를 생성하는 파생데이터 생성부를 더 포함하고,
    상기 한계차입금 산출부는 상기 파생데이터를 상기 한계차입금 산출모델에 추가로 입력하여 상기 타겟기업의 타겟 한계차입금을 산출하고,
    상기 적정차입금 산출부는 상기 파생데이터를 상기 적정차입금 산출모델에 추가로 입력하여 상기 타겟기업의 타겟 적정차입금을 산출하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  7. 제1항에 있어서,
    상기 복수개의 비교기업들의 재무데이터로부터 산출된 각 비교기업의 한계 차입금과 해당 비교기업의 비재무 데이터의 상관관계를 학습하여 상기 한계차입금 산출모델을 생성하거나, 상기 복수개의 비교기업들의 재무데이터로부터 산출된 각 비교기업의 적정차입금과 해당 비교기업의 비재무 데이터의 상관관계를 학습하여 상기 적정차입금 산출모델을 생성하는 모델링부를 더 포함하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  8. 삭제
  9. 제7항에 있어서,
    상기 모델링부는,
    상기 비교기업의 비재무데이터로부터 생성된 파생데이터를 추가로 학습하여 상기 한계차입금 산출모델 및 상기 적정차입금 산출모델 중 적어도 하나를 생성하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  10. 제7항에 있어서,
    상기 모델링부는 미리 정해진 기업유형 별로 상기 한계차입금 산출모델 또는 상기 적정차입금 모델을 생성하고,
    상기 한계차입금 산출부는 상기 타겟기업의 기업유형에 매칭되는 한계차입금 산출모델을 선택하여 타겟기업의 타겟 한계차입금을 산출하며,
    상기 적정차입금 산출부는 상기 타겟기업의 기업유형에 매칭되는 적정차입금 산출모델을 선택하여 타겟기업의 타겟 적정차입금을 산출하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  11. 제1항에 있어서,
    상기 비재무데이터는 투찰정보, 계약정보, 국민연금 정보, 채용공고 정보, 부정당처분 정보, 및 건설면허처분 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  12. 제1항에 있어서,
    상기 타겟기업과의 계약금이 상기 채무지불여력의 구간을 벗어나면, 상기 계약금이 상기 채무지불여력의 구간 내에 포함되도록 상기 계약금을 수정하는 계약금수정부를 더 포함하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  13. 제1항에 있어서,
    상기 타겟기업의 재무제표를 기초로 획득된 재무데이터 및 상기 비재무데이터를 이용하여 타겟기업의 채무상환능력 평가결과를 산출하는 채무상환능력 평가부를 더 포함하고,
    상기 채무지불여력 산출부는 상기 채무상환능력 평가결과를 추가로 이용하여 상기 타겟기업의 채무지불여력을 산출하는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
  14. 제13항에 있어서,
    각 후보 한계차입금은 최대값과 최소값을 갖는 구간으로 설정되고, 각 후보 적정 차입금은 최대값과 최소값을 갖는 구간으로 설정되며, 상기 채무지불여력 산출부는 상기 타겟기업의 채무지불여력을 최종 최소값과 최종 최대값을 갖는 구간으로 산출하되,
    상기 타겟기업의 채무상환능력 평가결과가 미리 정해진 기준보다 낮은 경우, 상기 최종 최소값은 상기 각 후보 한계차입금의 구간들 중 결정된 제1 타겟구간의 제1 최소값에서 상기 현재 차입금을 감산하여 결정되고, 상기 최종 최대값은 상기 각 후보 적정 차입금의 구간들 중 결정된 제2 타겟구간의 제2 최소값에서 상기 현재 차입금을 감산하여 결정되며,
    상기 타겟기업의 채무상환능력 평가결과가 상기 기준보다 높은 경우, 상기 최종 최소값은 상기 제1 타겟구간의 최대값에서 상기 현재 차입금을 감산하여 결정되고, 상기 최종 최대값은 상기 제2 타겟구간의 최대값에서 상기 현재 차입금을 감산하여 결정되는 것을 특징으로 하는 기업의 채무지불여력 산출시스템.
KR1020190030835A 2019-03-18 2019-03-18 기업의 채무지불여력 산출시스템 KR102249015B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190030835A KR102249015B1 (ko) 2019-03-18 2019-03-18 기업의 채무지불여력 산출시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190030835A KR102249015B1 (ko) 2019-03-18 2019-03-18 기업의 채무지불여력 산출시스템

Publications (2)

Publication Number Publication Date
KR20200111076A KR20200111076A (ko) 2020-09-28
KR102249015B1 true KR102249015B1 (ko) 2021-05-06

Family

ID=72800961

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190030835A KR102249015B1 (ko) 2019-03-18 2019-03-18 기업의 채무지불여력 산출시스템

Country Status (1)

Country Link
KR (1) KR102249015B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101326177B1 (ko) * 2012-12-14 2013-11-07 전문건설공제조합 단기지급능력 평가시스템
JP2018049400A (ja) * 2016-09-20 2018-03-29 株式会社ココペリインキュベート 財務情報分析システム、及びプログラム
KR101908353B1 (ko) * 2017-09-01 2018-10-22 대한민국(우정사업본부) 기업 평가 시스템 및 그 평가 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090030457A (ko) * 2007-09-20 2009-03-25 주식회사 트리플리치매니지먼트 온라인망을 기반으로 하는 대출상품 관리 시스템
KR102044205B1 (ko) * 2015-12-30 2019-11-13 주식회사 솔리드웨어 빅데이터와 기계학습을 이용한 타겟 정보 예측 시스템 및 예측 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101326177B1 (ko) * 2012-12-14 2013-11-07 전문건설공제조합 단기지급능력 평가시스템
JP2018049400A (ja) * 2016-09-20 2018-03-29 株式会社ココペリインキュベート 財務情報分析システム、及びプログラム
KR101908353B1 (ko) * 2017-09-01 2018-10-22 대한민국(우정사업본부) 기업 평가 시스템 및 그 평가 방법

Also Published As

Publication number Publication date
KR20200111076A (ko) 2020-09-28

Similar Documents

Publication Publication Date Title
US11922435B2 (en) Detecting and reducing bias (including discrimination) in an automated decision making process
Amani et al. Data mining applications in accounting: A review of the literature and organizing framework
KR102246782B1 (ko) 상거래데이터를 이용한 ai기반의 평가모델을 포함하는 기업의 채무상환능력 평가시스템
Emel et al. A credit scoring approach for the commercial banking sector
US20120296806A1 (en) Computer-Implemented Risk Evaluation Systems And Methods
CN111754116B (zh) 一种基于标签画像技术的信用评估方法及装置
MXPA01008620A (es) Modelos de prediccion de valoracion en situaciones con entradas perdidas.
MXPA01008622A (es) Evaluacion rapida de portafolios de activos tales como instrumentos financieros.
MXPA01008619A (es) Metodos y sistemas para optimizar el valor de devolucion y el presente.
US20150363875A1 (en) System and Method for Filtering and Analyzing Transaction Information
MXPA01008623A (es) Metodos y sistemas para muestrear de manera eficiente carteras para suscripcion optima.
CN112801529B (zh) 财务数据分析方法及装置、电子设备及介质
So et al. Using a transactor/revolver scorecard to make credit and pricing decisions
CN112613972A (zh) 基于信贷风险的中小微企业信贷决策方法
Dimitras et al. Evaluation of empirical attributes for credit risk forecasting from numerical data
Hu Predicting and improving invoice-to-cash collection through machine learning
KR102249028B1 (ko) 기업의 채무상환능력 평가시스템
Ezejiofor et al. Corporate bankruptcy: An application of Altman model in predicting potential of failure in Nigerian banking sector
KR102249015B1 (ko) 기업의 채무지불여력 산출시스템
US10235719B2 (en) Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs
Kisaka Effect of Credit rating practices on loan book performance of commercial banks in Kenya
Niknya et al. Financial distress prediction of Tehran Stock Exchange companies using support vector machine
Abdul-Aziz A Non-Parametric Approach to Assessing Efficiency in Conventionaland Participation (Islamic) Banks ofTurkey
Gumparthi et al. Credit scoring model for auto ancillary sector
JP6706584B2 (ja) 情報処理装置及び情報処理方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant