KR20170023547A - 기업금융 조기경보 방법 - Google Patents

기업금융 조기경보 방법 Download PDF

Info

Publication number
KR20170023547A
KR20170023547A KR1020150118828A KR20150118828A KR20170023547A KR 20170023547 A KR20170023547 A KR 20170023547A KR 1020150118828 A KR1020150118828 A KR 1020150118828A KR 20150118828 A KR20150118828 A KR 20150118828A KR 20170023547 A KR20170023547 A KR 20170023547A
Authority
KR
South Korea
Prior art keywords
variable
corporate
financial
early warning
index
Prior art date
Application number
KR1020150118828A
Other languages
English (en)
Other versions
KR101726870B1 (ko
Inventor
이해용
김성현
이재걸
박종한
Original Assignee
한국산업은행
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 한국산업은행 filed Critical 한국산업은행
Priority to KR1020150118828A priority Critical patent/KR101726870B1/ko
Publication of KR20170023547A publication Critical patent/KR20170023547A/ko
Application granted granted Critical
Publication of KR101726870B1 publication Critical patent/KR101726870B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • 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"
    • 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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

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

Abstract

본 발명은 거시 경제, 금융환경 변화 및 기업금융의 부실화 가능성에 대한 모니터링을 수행하고, 경영진의 의사결정을 지원할 수 있는 기업금융 조기경보 시스템 및 방법에 관한 것으로, 본 발명에 따른 기업금융 조기경보 시스템은 경제 및 금융환경과 관련된 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보와 관련된 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 변수 입력부, 입력된 상기 변수에 따라 금융지수의 산출 및 조기경보 데이터 분석 작업을 제어하는 조기경보 제어부, 상기 조기경보 제어부의 제어 신호에 따라 상기 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하는 금융지수 산출부 및 상기 조기경보 제어부와 연결되어, 산출된 금융지수에 따른 조기경보 데이터를 분석하는 조기경보 분석부를 포함하는 것을 기술적 특징으로 한다.

Description

기업금융 조기경보 시스템 및 방법{System and method for early warning in corporate finance}
본 발명은 기업금융에 관한 조기경보 기술에 관한 것으로, 보다 상세하게는 거시 경제, 금융환경 변화 및 기업금융의 부실화 가능성에 대한 모니터링을 수행하고, 경영진의 의사결정을 지원할 수 있는 기업금융 조기경보 시스템 및 방법에 관한 것이다.
금융기관은 기업에 여신을 제공하기 이전에 기업의 안정성을 분석하는 과정이 필요하다. 기업의 안정성을 분석하기 위해, 해당 기업이 속하는 산업 전반의 안정성이 고려되며, 산업 위기가 발생할 가능성을 이용하여 역으로 산업 안정성이 예측될 수 있다.
일반적인 산업지표와 달리, 금융기관의 여신 지표들은 금융기관의 선제적 리스크 관리 및 정책 등에 따라 변동될 수 있다. 또한, 산업위기를 인식하는 시점의 차이가 존재할 수 있다.
금융위기 및 여신부실화 가능성 예측, 금융의 경기순응성을 고려한 정책금융의 효율적 공급방안 도출 등 선제적 대응이 필요하나 거시경제, 금융환경 변화에 대한 모니터링 및 기업여신 부실화 가능성 진단을 위한 금융지수는 전무한 실정이다.
또한, 거시경제, 금융환경 변화에 대한 모니터링 및 기업여신 부실화 가능성 진단을 위한 금융지수는 금융부문의 서로 다른 순환주기가 실물부문에 미치는 영향도 고려되어야 한다.
대한민국 공개특허공보 제10-2009-0001917호(2009.01.09.공개)
본 발명은 상기한 문제점을 해결하기 위해 발명된 것으로, 그 목적은 거시경제, 금융환경 변화에 대한 모니터링 및 기업여신 부실화 가능성 진단을 위한 장기, 중기 및 단기 금융지수를 제공할 수 있는 기업금융 모니터링 시스템을 제공하는 것을 목적으로 한다.
또한, 본 발명의 다른 목적은 장기, 중기 및 단기 금융지수를 기업 여신의 판단기준으로 제공하는 기업금융 모니터링 시스템을 제공하는 것을 다른 목적으로 한다.
상기한 바와 같은 과제를 해결하기 위하여 본 발명에 따른 기업금융 조기경보 시스템은 경제 및 금융환경과 관련된 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보와 관련된 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 변수 입력부, 입력된 상기 변수에 따라 금융지수의 산출 및 조기경보 데이터 분석 작업을 제어하는 조기경보 제어부, 상기 조기경보 제어부의 제어 신호에 따라 상기 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하는 금융지수 산출부 및 상기 조기경보 제어부와 연결되어, 산출된 금융지수에 따른 조기경보 데이터를 분석하는 조기경보 분석부를 포함하는 것을 특징으로 한다.
본 발명에 따른 기업금융 조기경보 시스템에 있어서, 금융지수 산출부는 상기 제1변수를 대상으로 적어도 32분기 이상의 순환주기를 추출한 후, 산술평균하여 장기금융지수를 산출하는 장기금융지수 산출부, 상기 제2변수를 대상으로 3년 내지 4년의 주기로 기업대출 시장의 확장 수치인 중기금융지수를 산출하는 중기금융지수 산출부 및 상기 제3변수를 대상으로 1년 이내의 주기로 거시, 금융지표를 선별하여 단일지표로 결합한 복합지수인 단기금융지수를 산출하는 단기금융지수 산출부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 기업금융 조기경보 방법은 (a) 변수 입력부를 이용하여, 경제 및 금융환경과 관련된 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보와 관련된 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 단계, (b) 금융지수 산출부를 이용하여, 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하는 단계 및 (c) 조기경보 분석부를 이용하여, 산출된 금융지수에 따른 조기경보 데이터를 분석하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 의하면, 거시경제, 금융환경 변화에 대한 모니터링 및 기업여신 부실화 가능성 진단을 위한 장기, 중기 및 단기 금융지수를 제공할 수 있는 기업금융 모니터링 시스템을 제공할 수 있는 효과가 있다.
또한, 장기, 중기 및 단기 금융지수를 기업 여신의 판단기준으로 제공하는 기업금융 모니터링 시스템을 제공할 수 있는 효과가 있다.
도 1은 본 발명에 따른 기업금융 조기경보 시스템의 전체 구성을 나타내는 구성도.
도 2는 본 발명에 따른 기업금융 조기경보 시스템에 있어서, 금융지수 산출부의 상세 구성도.
도 3 및 도 4는 본 발명에 따른 기업금융 조기경보 시스템에 있어서, 실질총기업대출 증가율에 관한 임계값 설정과정의 일실시예를 나타내는 도면.
도 5 내지 도 7은 본 발명에 따른 기업금융 조기경보 시스템에 있어서, 조기경보 분석부의 분석 내용의 개념을 설명하는 도면.
도 8은 본 발명에 따른 기업금융 조기경보 방법의 전체 흐름도.
도 9는 본 발명에 따른 기업금융 조기경보 방법에 있어서, S21 단계의 상세 흐름도.
도 10은 본 발명에 따른 기업금융 조기경보 방법에 있어서, S23 단계의 상세 흐름도.
이하, 본 발명에 따른 기업금융 조기경보 시스템 및 방법을 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.
도 1은 본 발명에 따른 기업금융 조기경보 시스템의 전체 구성을 나타내는 도면으로, 변수 입력부(10), 조기경보 제어부(20), 금융지수 산출부(30), 조기경보 분석부(40), 분석데이터 저장부(50)를 포함한다.
상기 변수 입력부(10)는 상기 경제 및 금융환경 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 단계(S10)를 수행하며, 본 발명에 있어서, 상기 제1변수는 민간신용, 민간신용/GDP, 주가(KOSPI), 주택가격을 포함하고, 상기 제2변수는 실질 총기업대출 증가율이며, 상기 제3변수는 경기선행지수, BSI(종합경기 전망), CD금리, 회사채 금리, 기업신용/GDP 갭, 대출태도를 포함한다.
상기 조기경보 제어부(20)는 상기 변수 입력부(10)에 입력된 상기 변수에 따라 금융지수의 산출 및 조기경보 데이터 분석 작업을 제어한다.
상기 금융지수 산출부(30)는 상기 조기경보 제어부(20)의 제어 신호에 따라 상기 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하며, 본 발명에 따른 상기 금융지수 산출부(30)는 도 2에 도시된 바와 같이, 장기금융지수 산출부(31), 중기금융지수 산출부(32) 및 단기금융지수 산출부(33)를 포함한다.
상기 장기금융지수 산출부(31)는 상기 제1변수를 대상으로 적어도 32분기 이상의 순환주기를 추출한 후, 산술평균하여 장기금융지수를 산출하며, 본 발명에 따른 장기금융지수를 산출하는 과정은 다음과 같다.
먼저 본 발명에 따른 민간신용, 민간신용/GDP, 주가(KOSPI), 주택가격을 포함한 제1변수를 구성하며, 변수의 선정 근거와 출처는 다음 표1에 기재된 바와 같다.
[표 1]
Figure pat00001
이러한 선정된 제1변수는 인플레이션 효과 제거를 위해 각 변수를 소비자물가지수(CPI)로 나누어 실질화하고, 민간신용/GDP 제외한 개별 변수들을 자연로그 변환 후 2000.1Q 값으로 나누어서 스케일 조정한다.
또한, 밴드 패스 필터(Band-Pass Filter)를 적용하여 각 변수에 장기의 순환주기를 추출하는데, 본 발명의 실시예에서는 각 변수를 대상으로 장기(32분기 이상)의 순환주기를 추출한 후 산술평균하여 장기금융지수(금융순환지수) 생성하였다.
본 발명에 있어서, 상기 밴드 패스 필터는 시계열 데이터(time series data)를 추세(trend)와 순환변동(cyclical components)으로 분해하기 위한 목적으로 사용되고, 순환변동요인 추출 시 최소주기와 최대주기에 대한 설정이 가능하며, 시계열 데이터가 불안정시계열(non-stationary time series)일 경우 다른 필터링 기법에 비해 추정이 정교한 장점이 있다.
이러한 밴드 패스 필터 추정 방식을 보다 상세하게 설명하면 다음과 같다.
1) 시계열 데이터(
Figure pat00002
)가 다음과 같이 구성되어 있다고 가정하고,
Figure pat00003
, (기호 설명:
Figure pat00004
=추세요인,
Figure pat00005
=순환변동요인)
2) 사용자가 설정한 최소주기와 최대주기를 만족하는
Figure pat00006
를 추정한다.
Figure pat00007
는 선형필터(linear filter)를 가정하고, 추정오차의 제곱항(MSE: Mean Squared Error)을 최소화하는 최적화 과정을 통해 추정한다.
3) 추세요인은 다음과 같이 추정한다:
Figure pat00008
또한, 본 발명에 따른 중기금융지수 산출부(32)는 상기 제2변수를 대상으로 3년 내지 4년의 주기로 기업대출 시장의 확장 수치인 중기금융지수를 산출하며, 본 발명에 따른 상기 중기금융지수의 산출 방법을 설명하면 다음과 같다.
본 발명에 따른 상기 중기금융지수의 변수는 자산가격(주택가격, 주가)을 설명변수로 한 실질총기업대출 증가율에 대한 회귀분석에서 구조변화 더미변수의 추정치(
Figure pat00009
)가 마이너스(-)의 값으로 통계적으로 유의하며, 실질총기업대출 증가율에 대한 회귀분석 모형은 다음 수학식 1과 같다.
[수학식 1]
Figure pat00010
여기서,
Figure pat00011
: 실질총기업대출 증가율,
Figure pat00012
: 실질주택가격 증가율,
Figure pat00013
: 실질KOSPI 증가율,
Figure pat00014
: 더미변수(1998년 이전=0, 1998년 이후=1)이다.
또한, 본 발명에 있어서, 중기금융지수는 실질총기업대출 증가율이 임계값을 초과한 후 3분기가 경과 후에 은행대출의 확대는 부실화 가능성을 증가시키는 것으로 볼 수 있는데 임계치 추정을 위한 분석 모듈은 다음 수학식 2와 같다.
[수학식 2]
Figure pat00015
여기서,
Figure pat00016
: NPL 증가율,
Figure pat00017
: 총신용/GDP,
Figure pat00018
: 예금은행 대출(명목) 증가율,
Figure pat00019
: 실질총기업대출 증가율(시차=j),
Figure pat00020
: 최적임계치(Optimal Threshold),
Figure pat00021
:
Figure pat00022
안의 조건이 충족되면 1, 아니면 0이 되는 함수(Indicator Function)이다.
임계치의 추정은 총 2 단계로 나누어 수행되는데 를 1~15% 범위에서 1%pt씩 변화시켜 적정 범위를 추정하는 1단계와
Figure pat00024
를 6~8% 구간으로 한정하여, 0.1%pt씩 변화시켜 최적임계치 추정하는 2단계로 구성된다.
본 발명의 실시예의 제1단계는 도 3에 도시된
Figure pat00025
=1~15% 구간에서 파라미터
Figure pat00026
추정치에 따라
Figure pat00027
의 최적값은 7~8% 구간에 존재하는 것으로 추정하였으며, 2단계에서 도 4에 도시된
Figure pat00028
=6~8% 구간에서 파라미터
Figure pat00029
추정치에서
Figure pat00030
의 최적값은 7.6%로 추정할 수 있었다.
본 발명에 따른 단기금융지수 산출부(33)는 상기 제3변수를 대상으로 1년 이내의 주기로 거시, 금융지표를 선별하여 단일지표로 결합한 복합지수인 단기금융지수를 산출하며, 본 발명에 따른 상기 단기금융지수의 산출에 관한 상세 내용은 다음과 같다.
본 발명에 있어서, 단기금융지수는 1년 이내 단기 시계에서 향후 기업금융의 부실화 가능성을 사전에 포착하기 위한 지수로 기업의 부도 가능성에 높은 선행성을 보유한 거시·금융지표를 선별하여, 단일지표로 결합한 복합지수(Composite Index)를 생성하는데, 주요 변수를 대상으로 산업은행 및 국내은행 부도정보에 높은 선행성을 보유한 변수를 발굴하며, 변수조합 및 가중치 결정을 위한 시뮬레이션을 통해 최적의 변수조합 및 가중치를 결정하는 것이 바람직하다.
본 발명의 실시예에서 단기금융지수는 목표변수(산업은행 부도율 및 국내은행 NPL증가율)에 대한 후보변수의 시차상관계수 분석을 통해 아래의 조건에 부합하는 변수를 1차변수로 선정하며, 그 결과는 다음 표 2에 도시된 바와 같다.
조건1-(이론적 정합성) 시차상관계수 값이 예상부호(+, -)와 일치
조건2-(통계적 유의성) 시차상관계수 값이 통계적으로 유의
조건3-(일관성) 시차상관계수 값의 부호가 일관되게 유지
[표 2]
Figure pat00031
다음으로, 1990년대를 포함한 장기의 인덱스 생성을 위해 변수를 2개의 그룹으로 구분하는데, 그룹1에는 장기시계열 데이터 확보가 가능하고, 대표성과 설명력이 높은 4개 변수(BSI(종합경기 전망), CD금리, 기업신용/GDP 갭, 경기선행지수)가 포함되었고, 그룹2에는 11개 1차변수 중 그룹1에 포함되지 않은 나머지 변수 7개가 포함되었다.
이후, 1차변수에 관하여 수학식 3과 같이, 스케일이 서로 다른 변수들의 크기를 조정하는 표준화 후 선형결합하여 후보지수를 생성한다.
[수학식 3]
Figure pat00032
이때,
Figure pat00033
는 원자료,
Figure pat00034
는 평균,
Figure pat00035
는 표준편차이고 그룹2에 포함된 변수 7개를 이용하여 총 127개의 후보지수를 생성하고, 그룹1의 변수는 포함시키되, 그룹 II의 변수는 1개에서 최대 7개까지 변수조합을 변경한다.
이후 생성된 후보지수(총 127개)를 대상으로 국내은행 NPL 증가율에 대해 예측력이 가장 높은 변수조합을 선정하는데, 변수조합 변경에 대한 시뮬레이션 결과 그룹 I에 포함된 변수 外 추가로 2개의 변수(대출태도, 회사채 금리)를 포함 시 예측력이 극대화되는 것을 확인할 수 있었다.
또한, 국내은행 NPL 증가율에 대한 예측력이 가장 높은 가중치 조합에 대해 Grid Search 과정(하나로 각 변수들의 가중치를 미세하게 변화시키면서 최적가중치를 탐색해 나가는 방식)을 통해 최적 가중치를 결정하며, 값이 클수록 기업금융 부실화 가능성이 높아짐을 의미하도록, 목표변수와의 상관계수가 마이너스(-)인 경우 가중치 부호를 전환한다.
본 발명에 있어서, 최적 가중치는 표 3에 기재된 바와 같이, 6개의 최종 변수 중 기업신용/GDP 갭에 대한 가중치를 0.5로 부여하고, 나머지 변수들은 0.1의 가중치 부여 시 예측력이 극대화된 것으로 확인되었다.
[표 3]
Figure pat00036
상기 조기경보 분석부(40)는 상기 조기경보 제어부(20)와 연결되어, 산출된 금융지수에 따른 조기경보 데이터를 분석하며, 본 발명에 따른 조기경보 분석부(40)는 상기 금융지수 산출부에서 산출된 금융지수로 금융시스템의 팽창 및 수축 여부, 기업대출시장의 과열 임계값 초과 여부, 부실여신 증가율 중 적어도 어느 하나 이상의 분석 정보를 산출한다.
즉, 장기 금융순환주기에서 산출된 장기금융지수가 도 5에 도시된 바와 같이, 저점에서 정점으로 이동하는 경우, 금융팽창기로 인식하고, 정점에서 저점으로 이동하는 경우 금융수축기로 인식하며, 도 6에 도시된 바와 같이, 중기금융지수에 따른 실질총기업대출 증가율이 임계치를 초과할 경우 기업대출시장의 과열 상태인 것으로 판단할 수 있다.
또한, 도 7에 도시된 바와 같이, 단기금융지수의 분포에서 평균+표준편차로 설정된 제1경계선 및 제2경계선의 초과 여부에 따라 기업 부실가능성 및 부실여신 증가 여부를 판단할 수 있는데, 본 발명의 실시예에서 1차 경계는 1년이내에 부실화 가능성이 증가함을 나타내어 주의경보로 판단하며, 2차 경계는 기업도산 및 부실여신이 증가함을 나타내어 위험경보로 판단하는 것이다.
또한, 상기 데이터 저장부(50)는 상기 조기경보 제어부(20)와 연결되어, 기업금융 조기경보 분석에 따른 변수 정보, 금융지수 산출 정보, 분석 결과 정보, 임계치 정보를 저장 관리한다.
이러한 본 발명에 따른 기업금융 조기경보 시스템을 이용한 기업금융 조기경보 방법을 설명하면 다음과 같다.
도 8은 본 발명에 따른 기업금융 조기경보 방법의 전체 흐름을 나타내는 흐름도로, 변수 입력부(10)를 이용하여, 경제 및 금융환경과 관련된 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보와 관련된 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 단계(S10)를 수행한다.
본 발명에 있어서, 상기 제1변수는 민간신용, 민간신용/GDP, 주가(KOSPI), 주택가격을 포함하고, 상기 제2변수는 실질 총기업대출 증가율이며, 상기 제3변수는 경기선행지수, BSI(종합경기 전망), CD금리, 회사채 금리, 기업신용/GDP 갭, 대출태도를 포함한다.
다음으로, 금융지수 산출부(30)를 이용하여, 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하는 단계(S20)를 수행한다.
즉, S10 단계에서 상기 제1변수가 입력되는 경우, 상기 S20 단계는 상기 제1변수를 대상으로 적어도 32분기 이상의 순환주기를 추출한 후, 산술평균하여 장기금융지수를 산출하는 단계(S21)를 수행하고, 상기 S21 단계는 도 9에 도시된 바와 같이, 민간신용, 민간신용/GDP, 주가(KOSPI), 주택가격 변수 중 적어도 하나 이상의 변수를 선정하는 단계(S211), 각 변수를 소비자물가지수(CPI)로 나누는 단계(S212), 각 변수의 자연로그 변환 후 개별 변수들의 스케일을 조정하는 단계(S213) 및 밴드 패스 필터(band-pass filter)를 이용하여 각 변수를 대상으로 장기 순환 주기를 추출한 후 산술평균하는 단계(S214)를 수행한다.
또한, S10 단계에서 상기 제2변수가 입력되는 경우, 상기 S20 단계는 제2변수를 대상으로 3년 내지 4년의 주기로 기업대출 시장의 확장 수치인 중기금융지수를 산출하는 단계(S22)를 수행한다.
상기 S22 단계는 실질총기업대출 증가율에 대한 회기분석 모형을 적용하여 수학식 1과 같이 산출하는 단계를 포함하고, 임계치 추정 모형을 적용하여 상기 실질총기업대출 증가율의 임계값을 추정하는 단계도 포함한다.
즉, 상기 임계치 추정 모형은 수학식 2로 산출되고, 본 발명의 실시예에서 상기 임계치 추정은
Figure pat00037
를 1~15% 범위에서 1%pt씩 변화시켜 적정 범위를 추정하는 단계 및
Figure pat00038
를 6~8% 구간으로 한정하여, 0.1%pt씩 변화시켜 최적임계치 추정하는 단계로 구성하였다.
또한, S10 단계에서 상기 제3변수가 입력되는 경우, 상기 S20 단계는 제3변수를 대상으로 1년 이내의 주기로 거시, 금융지표를 선별하여 단일지표로 결합한 복합지수인 단기금융지수를 산출하는 단계(S23)를 포함하며, 상기 S23 단계는 도 10에 도시된 바와 같이, 목표변수(산업은행 부도율 및 국내은행 NPL 증가율)에 대한 후보변수의 시차상관계수 분석을 통해 기설정된 조건에 부합하는 변수를 1차변수로 선정하는 단계(S231), 장기시계열 데이터의 확보 여부에 따라 1차변수를 2개의 그룹으로 구분하는 단계(S232), 1차변수를 표준화한 후 선형결합하여 후보지수를 생성하는 단계(S233), 생성된 후보지수를 대상으로 국내은행 NPL 증가율에 대해 변수조합을 선정하는 단계(S234) 및 국내은행 NPL 증가율에 대한 가중치 조합에 대해 Grid Search 과정을 통해 가중치를 결정하는 단계(S235)를 포함한다.
다음으로, 상기 조기경보 분석부(40)를 이용하여, 산출된 금융지수에 따른 조기경보 데이터를 분석하는 단계(S30)를 수행한다.
상기 S20 단계에서 S21 단계를 수행한 이후에는 상기 S30 단계에서는 장기 금융순환주기에서 산출된 장기금융지수가 저점에서 정점으로 이동하는 경우, 금융팽창기로 인식하고, 정점에서 저점으로 이동하는 경우 금융수축기로 인식하는 단계(S31)를 수행한다.
또한, 상기 S20 단계에서 S22 단계를 수행한 이후에는 상기 S30 단계에서는 산출된 실질총기업대출 증가율이 임계치를 초과할 경우 기업대출시장의 과열 상태인 것으로 판단하는 단계(S32)를 수행한다.
또한, 상기 S20 단계에서 S23 단계를 수행한 이후에는 상기 S30 단계에서는 단기금융지수의 분포에서 평균+표준편차로 설정된 제1경계선 및 제2경계선의 초과 여부에 따라 기업 부실가능성 및 부실여신 증가 여부를 판단하는 단계(S33)를 수행한다.
다음으로 상기 데이터 저장부(50)를 통해 산출된 금융지수 정보와 분석된 결과 정보를 저장하는 단계(S40)를 수행한다.
본 발명에 따른 상기 S10 단계 내지 S40 단계의 상세 내용은 각 구성의 상세 내용에 기재되어 있으므로 중복 기재는 생략하도록 한다.
또한, 도 1 내지 도 4를 통해 설명된 시스템은, 컴퓨터에 의해 실행되는 애플리케이션이나 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다.
또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
이상 본 발명의 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 본 발명에 따른 기업금융 조기경보 시스템 및 방법으로 구현할 수 있다.
10 : 변수 입력부
20 : 조기경보 제어부
30 : 금융지수 산출부
31 : 장기금융지수 산출부
32 : 중기금융지수 산출부
33 : 단기금융지수 산출부
40 : 조기경보 분석부
50 : 분석데이터 저장부
100 : 기업금융 조기경보 시스템

Claims (13)

  1. 경제 및 금융환경과 관련된 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보와 관련된 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 변수 입력부;
    입력된 상기 변수에 따라 금융지수의 산출 및 조기경보 데이터 분석 작업을 제어하는 조기경보 제어부;
    상기 조기경보 제어부의 제어 신호에 따라 상기 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하는 금융지수 산출부 및
    상기 조기경보 제어부와 연결되어, 산출된 금융지수에 따른 조기경보 데이터를 분석하는 조기경보 분석부를 포함하는 것을 특징으로 하는 기업금융 조기경보 시스템.
  2. 제1항에 있어서,
    상기 제1변수는,
    민간신용, 민간신용/GDP, 주가(KOSPI), 주택가격 변수 중 적어도 어느 하나 이상을 포함하며,
    상기 제2변수는,
    실질 총기업대출 증가율인 것을 특징으로 하는 기업금융 조기경보 시스템.
  3. 제1항에 있어서,
    상기 제3변수는,
    경기선행지수, BSI(종합경기 전망), CD금리, 회사채 금리, 기업신용/GDP 갭, 대출태도 변수 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는 기업금융 조기경보 시스템.
  4. 제1항에 있어서,
    상기 금융지수 산출부는,
    상기 제1변수를 대상으로 적어도 32분기 이상의 순환주기를 추출한 후, 산술평균하여 장기금융지수를 산출하는 장기금융지수 산출부;
    상기 제2변수를 대상으로 3년 내지 4년의 주기로 기업대출 시장의 확장 수치인 중기금융지수를 산출하는 중기금융지수 산출부 및
    상기 제3변수를 대상으로 1년 이내의 주기로 거시, 금융지표를 선별하여 단일지표로 결합한 복합지수인 단기금융지수를 산출하는 단기금융지수 산출부를 포함하는 것을 특징으로 하는 기업금융 조기경보 시스템.
  5. 제1항에 있어서,
    상기 조기경보 분석부는,
    상기 금융지수 산출부에서 산출된 금융지수로 금융시스템의 팽창 및 수축 여부, 기업대출시장의 과열 임계값 초과 여부, 부실여신 증가율 중 적어도 어느 하나 이상의 분석 정보를 산출하는 것을 특징으로 하는 기업금융 조기경보 시스템.
  6. (a) 변수 입력부를 이용하여, 경제 및 금융환경과 관련된 제1변수, 기업대출과 관련된 제2변수, 기업 부도정보와 관련된 제3변수 중 적어도 어느 하나 이상의 변수를 입력하는 단계;
    (b) 금융지수 산출부를 이용하여, 제1변수, 제2변수, 제3변수와 매칭되는 기간별 금융지수를 산출하는 단계 및
    (c) 조기경보 분석부를 이용하여, 산출된 금융지수에 따른 조기경보 데이터를 분석하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
  7. 제6항에 있어서,
    상기 (a) 단계에서 상기 제1변수가 입력되는 경우,
    상기 (b) 단계는
    (b-1) 상기 제1변수를 대상으로 적어도 32분기 이상의 순환주기를 추출한 후, 산술평균하여 장기금융지수를 산출하는 단계를 포함하고,
    상기 (b-1) 단계는,
    (b-1-1) 민간신용, 민간신용/GDP, 주가(KOSPI), 주택가격 변수 중 적어도 하나 이상의 변수를 선정하는 단계;
    (b-1-2) 각 변수를 소비자물가지수(CPI)로 나누는 단계;
    (b-1-3) 각 변수의 자연로그 변환 후 개별 변수들의 스케일 조정하는 단계 및 (b-1-4) 밴드 패스 필터(band-pass filter)를 이용하여 각 변수를 대상으로 장기 순환 주기를 추출한 후 산술평균하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
  8. 제6항에 있어서,
    상기 (a) 단계에서 상기 제2변수가 입력되는 경우,
    상기 (b) 단계는
    (b-2) 제2변수를 대상으로 3년 내지 4년의 주기로 기업대출 시장의 확장 수치인 중기금융지수를 산출하는 단계를 포함하고,
    상기 (b-2) 단계는
    (b-2-1) 실질총기업대출 증가율에 대한 회기분석 모형을 적용하여 수학식 1과 같이 산출하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
    [수학식 1]
    Figure pat00039

    여기서,
    Figure pat00040
    는 실질총기업대출 증가율,
    Figure pat00041
    는 실질주택가 증가율,
    Figure pat00042
    는 실질KOSPI 증가율,
    Figure pat00043
    는 더미변수임(1998년 이전=0, 1998년 이후=1).
  9. 제8항에 있어서,
    상기 (b-2) 단계는
    (b-2-2) 임계치 추정 모형을 적용하여 상기 실질총기업대출 증가율의 임계값을 추정하는 단계를 더 포함하고,
    상기 (b-2-2) 단계에서 상기 임계치 추정 모형은 수학식 2로 산출되고,
    (b-2-2-1)
    Figure pat00044
    를 1~15% 범위에서 1%pt씩 변화시켜 적정 범위를 추정하는 단계 및
    (b-2-2-2)
    Figure pat00045
    를 6~8% 구간으로 한정하여, 0.1%pt씩 변화시켜 최적임계치 추정하는 단계를 포함하는 것을 특징으로 하는 것을 특징으로 하는 기업금융 조기경보 방법.
    [수학식 2]
    Figure pat00046

    여기서,
    Figure pat00047
    은 NPL 증가율,
    Figure pat00048
    은 총신용/GDP,
    Figure pat00049
    은 예금은행 대출(명목) 증가율,
    Figure pat00050
    은 실질총기업대출 증가율(시차=j),
    Figure pat00051
    은 최적임계치(Optimal Threshold),
    Figure pat00052
    은
    Figure pat00053
    안의 조건이 충족되면 1, 아니면 0이 되는 함수(Indicator Function)임.
  10. 제6항에 있어서,
    상기 (a) 단계에서 상기 제3변수가 입력되는 경우,
    상기 (b) 단계는
    (b-3) 제3변수를 대상으로 1년 이내의 주기로 거시, 금융지표를 선별하여 단일지표로 결합한 복합지수인 단기금융지수를 산출하는 단계를 포함하며,
    상기 (b-3) 단계는,
    (b-3-1) 목표변수에 대한 후보변수의 시차상관계수 분석을 통해 기설정된 조건에 부합하는 변수를 1차변수로 선정하는 단계;
    (b-3-2) 장기시계열 데이터의 확보 여부에 따라 1차변수를 2개의 그룹으로 구분하는 단계;
    (b-3-3) 1차변수를 표준화한 후 선형결합하여 후보지수를 생성하는 단계;
    (b-3-4) 생성된 후보지수를 대상으로 국내은행 NPL 증가율에 대해 변수조합을 선정하는 단계 및
    (b-3-5) 국내은행 NPL 증가율에 대한 가중치 조합에 대해 Grid Search 과정을 통해 가중치를 결정하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
  11. 제7항에 있어서,
    상기 (c) 단계는,
    (c-1) 장기 금융순환주기에서 산출된 장기금융지수가 저점에서 정점으로 이동하는 경우, 금융팽창기로 인식하고, 정점에서 저점으로 이동하는 경우 금융수축기로 인식하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
  12. 제9항에 있어서,
    상기 (c) 단계는,
    (c-2) 산출된 실질총기업대출 증가율이 임계치를 초과할 경우 기업대출시장의 과열 상태인 것으로 판단하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
  13. 제10항에 있어서,
    상기 (c) 단계는,
    (c-3) 단기금융지수의 분포에서 평균+표준편차로 설정된 제1경계선 및 제2경계선의 초과 여부에 따라 기업 부실가능성, 기업도산 및 부실여신 증가 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 기업금융 조기경보 방법.
KR1020150118828A 2015-08-24 2015-08-24 기업금융 조기경보 방법 KR101726870B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150118828A KR101726870B1 (ko) 2015-08-24 2015-08-24 기업금융 조기경보 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150118828A KR101726870B1 (ko) 2015-08-24 2015-08-24 기업금융 조기경보 방법

Publications (2)

Publication Number Publication Date
KR20170023547A true KR20170023547A (ko) 2017-03-06
KR101726870B1 KR101726870B1 (ko) 2017-04-14

Family

ID=58399194

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150118828A KR101726870B1 (ko) 2015-08-24 2015-08-24 기업금융 조기경보 방법

Country Status (1)

Country Link
KR (1) KR101726870B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200111064A (ko) * 2019-03-18 2020-09-28 주식회사 포스코아이씨티 기업의 채무상환능력 평가시스템
KR20200111518A (ko) * 2019-03-19 2020-09-29 주식회사 포스코아이씨티 상거래데이터를 이용한 ai기반의 평가모델을 포함하는 기업의 채무상환능력 평가시스템

Citations (3)

* 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
KR20100128401A (ko) * 2009-05-28 2010-12-08 (주)케이디비아이 기업의 위험 관리를 위한 데이터 제공 방법 및 시스템
KR101059106B1 (ko) * 2011-04-29 2011-08-24 주식회사 알투소프트 재무위험 관리 시스템

Patent Citations (3)

* 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
KR20100128401A (ko) * 2009-05-28 2010-12-08 (주)케이디비아이 기업의 위험 관리를 위한 데이터 제공 방법 및 시스템
KR101059106B1 (ko) * 2011-04-29 2011-08-24 주식회사 알투소프트 재무위험 관리 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200111064A (ko) * 2019-03-18 2020-09-28 주식회사 포스코아이씨티 기업의 채무상환능력 평가시스템
KR20200111518A (ko) * 2019-03-19 2020-09-29 주식회사 포스코아이씨티 상거래데이터를 이용한 ai기반의 평가모델을 포함하는 기업의 채무상환능력 평가시스템

Also Published As

Publication number Publication date
KR101726870B1 (ko) 2017-04-14

Similar Documents

Publication Publication Date Title
Zhou et al. Electricity price forecasting with confidence-interval estimation through an extended ARIMA approach
AU2001255994B8 (en) Method of Business Analysis
CN109726865A (zh) 基于emd-qrf的用户负荷概率密度预测方法、装置和存储介质
Camacho et al. Spanish diffusion indexes
CN106779280B (zh) 一种二次设备大修技改的决策确定方法及系统
CN111680841A (zh) 基于主成分分析的短期负荷预测方法、系统及终端设备
Kumar et al. Credit score prediction system using deep learning and k-means algorithms
KR101726870B1 (ko) 기업금융 조기경보 방법
Cramer et al. Validation methods for energy time series scenarios from deep generative models
Bâra et al. Understanding electricity price evolution–day-ahead market competitiveness in Romania
Ahmed et al. Enhancing stock portfolios for enterprise management and investment in energy industry
Angelopoulos et al. Long-term electricity demand forecasting via ordinal regression analysis: The case of Greece
CN116561569A (zh) 一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法
CN107704723A (zh) 一种基于斜率关联度的显著变量选择方法
Ho et al. System dynamics and Genetic artificial neural network models for the monitoring and early warning of urban housing market
Tur Investigation of optimum reserve capacity requirement in ancillary services with extreme learning machine
Saman Scenarios of the romanian GDP evolution with neural models
Kurbatsky et al. Forecasting prices in the liberalized electricity market using the hybrid models
CN116720662B (zh) 基于集对分析的分布式能源系统适用性评估方法
Abdul Razak et al. Green financing and environmental protection
Jang et al. A Generalized Endogenous Grid Method for Models with the Option to Default
Yang Risk Measurement, Analysis, and Prediction Methods for Online Financial Services
Li et al. Combining Penalization and Adaption in High Dimension with Application in Bond Risk Premia Forecasting
Bao et al. Dynamic XGBoost-based Quantile Predictor for Real-time Electricity Price Forecasting
Hu et al. TCN Multi-time-scale Transformation and Temporal-Attention Neural Network for Monthly Electricity Consumption Forecasting

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant