분석방법론

산업평가시스템 개발보고서 산업평가시스템 개발

I I. 프로젝트 개요 II. 모형 구조 및 구축과정 III. 모형 결합 IV.Appendix 총목차 I II III IV

I 1. 개발목적 2. 타 은행의 산업평가모형 운용 실태 3. 개발시스템의 특징 목차 Ⅰ. 프로젝트 개요

46 바젤 II 시행에 대비하여 산업평가시스템에 대한 점검 및 강화 필요 I. 프로젝트 개요 1. 개발목적 □ 개발목적 바젤 II 시행과 기업평가기준 강화 산업환경의 변화 반영 모형 적합성 검증필요 거시경제환경 모형 지표의 변동 산업평가 시스템 리모델링 2004 년 8 월 모형개발 이후의 부실변별력에 대한 검증 필요 경제구조 및 산업트렌드 변화에 따른 평가지표 개선필요 일부 거시경기지표가 대체되거나 폐지됨에 따라 대체지표 개발필요

47 I. 프로젝트 개요 2. 타은행의 산업평가모형 운용 실태

48 3. 개발시스템의 특징 2 년 예측 재무모형 구축 → 실무활용 상황 고려 상위 40%, 하위 40% 기준으로 부실 / 건전산업분류 → 변별력 있는 변수 추출 보증빈도에 따른 산업분류 재조정 → 보증업체가 적은 산업에 대한 통합실시 거시환경모형을 직접 등급에 반영 → 시그널 형식에서 직접 등급반영으로 개선 산업평가시스템 거시환경모형강화 등급산출 적시성 제고 산업구분조정부실판별수준극대화 □ 개발시스템의 특징 I. 프로젝트 개요

49 재무전문가판단거시경제환경 재무 모형 등급 전문가판단 모형 등급 거시경제환경모형 signal 산업평가위원회 현 산업평가모형 최종 등급 산업등급 조정요소 재무 전문가판단거시경제환경 재무 모형 등급 전문가판단 모형 등급 거시경제환경 모형 등급 결합 score 산출 최종 등급 가중치부여 □ 시스템 구조 변화 신 산업평가모형 3. 개발시스템의 특징 I. 프로젝트 개요

50 I 1. 개발 방향 2. 재무모형 3. 전문가판단모형 4. 거시경제환경모형 목차 Ⅱ. 모형 구조 및 구축과정 4

51 I 1. 개발 방향 목차 1 Ⅱ. 모형 구조 및 구축과정

52 II-1. 모형 구조 및 구축과정 1. 개발 방향 수익성, 안정성, 현금흐름, 활동성 등을 나타내는 58 개 재무비율 중 변별력 및 예측력이 높은 재무 비율을 추출하여 산업의 현재 위험수준을 평가 재무모형 계량모형에 의해 반영되지 않는 산업의 외부환경, 구조적 특성 등 정성적 요소에 대한 평가 환경요인, 경쟁요인, 수요요인, 공급요인 외에 계량비재무 요인을 추가 반영 계량모형에 의해 반영되지 않는 산업의 외부환경, 구조적 특성 등 정성적 요소에 대한 평가 환경요인, 경쟁요인, 수요요인, 공급요인 외에 계량비재무 요인을 추가 반영 전문가 판단모형 전문가 판단모형  산업 부실률에 영향을 줄 것으로 예상되는 주요 거시경제지표를 설명변수로 미래의 산업별 부실위 험 수준 평가 거시경제 환경모형 거시경제 환경모형 모형 구분개발 방향 산업평가 시스템 산업평가 시스템 재무등급, 전문가판단등급, 거시환경모형을 통하여 최종등급 결정 각 등급마다 지정된 가중치 부여, 최종등급 결정을 위한 결합 score 산출 재무등급, 전문가판단등급, 거시환경모형을 통하여 최종등급 결정 각 등급마다 지정된 가중치 부여, 최종등급 결정을 위한 결합 score 산출 □ 산업평가시스템 재개발 방향

53 I I. 재무모형 목차 2 Ⅱ. 모형 구조 및 구축과정 1) 재무모형개발 Process 2) 모형개발 Data set 3) 후보 변수 생성 4) Modeling 5) 등급화 및 Validation 6) 재무등급 산출

54  모형개발 Data set 구성 및 산업별 부실률 계산 방법  재무정보를 이용한 Data cleansing rule 제시 산업별 Risk Factor Pool 생성 후보 Risk Factor 구성 Modeling 등급화 및 Validation 개발 Data set 구성 2-1) 재무모형개발 Process 개별기업 Risk Factor Pool 생성  재무비율 산식을 이용하여 개별기업에 대한 Risk Factor Pool 생성  예외 처리 및 극단치 조정 rule 제시 산업별 Risk Factor Pool 생성  T-test, Stepwise 분석을 통해 통계적으로 유의한 후보 Risk Factor 구성  Multiple Logistic Regression 을 통해 main model 확정  개발 Data set 의 전체 산업별 예측부도확률 ( 이하 EDF) 의 평균, 표준편차, cut-off 값 사용하 여 등급 구분  2003 년 재무 Data 를 사용한 Validation 결과 제시 II-2. 재무 모형 □ 재무모형 process step1 step2 step3 step4 step5 step6

55 □ 데이터 셋 구성 KODIT 불량정보 산업분류 3 산업분류 2 KODIT 개요정보 2-2) 모형개발 Data set KODIT 재무정보 고객번호, 표준산업분류코드, KIC 코드, 보증기업 여부 2003 년 재무 data( 결산년도 : ~ ), 2004 년 재무 data( 결산년도 : ~ ) 가 있는 기업 중에서 보증기업 대상 산업분류 1 산업분류 121 산업의 차별성과 정보의 획득 가능성, 분석 결과의 유의성 등을 고려하여 분석 대상 분류실시 KIC 코드 기준 총 189 개의 산업 중 재무등급을 산출하지 않는 산업을 제거하고, 해당 업체 수가 적은 산업은 통합하여 121 개 산업으로 최종 분류함 개발 데이터 Set 115,394 개 은행연합회 불량정보 II-2. 재무 모형 Step 1Step 2Step 3Step 4Step 5Step 6

56 □ 후보변수 생성 과정 2-3) 후보 변수 생성  재무변수 선정 산식에 따라 58 개 Risk Factor 생성  개별기업의 재무비율에 대하여 산업별로 재무비율 평균 계산  산업별 부실률 수준에 따라 내림차순으로 정렬  개별기업의 재무비율에 대하여 산업별로 재무비율 평균 계산  산업별 부실률 수준에 따라 내림차순으로 정렬 개별기업 재무비율 변수 변수선정 진행 절차세부 내역 산업별 재무비율 변수 부실 / 건전 산업군 선정 최종 후보변수 생성  산업부실률의 상위 40% 를 건전 산업군으로, 하위 40% 를 부실 산업군으로 선정  산업부실률의 상위 40% 를 건전 산업군으로, 하위 40% 를 부실 산업군으로 선정  부실 / 건전 산업군의 재무변수를 T-test, Stepwise 분석 후 유의한 변수 선정  부실 / 건전 산업군의 재무변수를 T-test, Stepwise 분석 후 유의한 변수 선정 II-2. 재무 모형 Step 1Step 2Step 3Step 4Step 5Step 6

57 □ 모형개발 과정 2-4) Modeling  선택된 후보 변수들을 대상으로 로지스틱 회귀 분석을 실시하여 후보모형 수립  선택된 후보 변수들을 대상으로 로지스틱 회귀 분석을 실시하여 후보모형 수립  부실 / 건전 예측정확도, concordant 값, 후보변수에 대한 추정계수 의 부호 등을 고려  현업과 협의 후 활용 가능성이 높은 최종모형 선정  부실 / 건전 예측정확도, concordant 값, 후보변수에 대한 추정계수 의 부호 등을 고려  현업과 협의 후 활용 가능성이 높은 최종모형 선정 로지스틱 분석 모형개발 진행 절차세부 내역 최종모형 선정 등급화 성과 측정  KODIT 의 보증 전략 등의 활용성을 고려하여 등급화 시행  현업과의 협의를 거쳐 등급구간비율 5%,15%,30%,25%,15%,10% 로 나누어 cut-off 값 계산  KODIT 의 보증 전략 등의 활용성을 고려하여 등급화 시행  현업과의 협의를 거쳐 등급구간비율 5%,15%,30%,25%,15%,10% 로 나누어 cut-off 값 계산  최종 모형의 변별력 및 안정성 검증 II-2. 재무 모형 Step 1Step 2Step 3Step 4Step 5Step 6

58 □ 최종 변수  최종 선택된 Risk Factor 최종 재무비율 변수 매출액 증가율 자기자본경상이익율 매출액경상이익율 추정계수 유의성 (p-value) 현금영업이익 / 매출액 Intercept <.0001 II-2. 재무 모형 Step 1Step 2Step 3Step 4Step 5Step 6 2-4) Modeling 최종 4 개 재무비율 선택됨 ! 【참고】 Concordant : 80.3

59  등급화 과정은 다음의 절차에 따라 진행됨 2-5) 등급화 및 Validation II-2. 재무 모형 기대값 계산 Step5. 에서 산출된 Risk Factor 추정계수를 2004 년 전체 산업에 적용하여 기대값 (y) 계산 Step5. 에서 산출된 Risk Factor 추정계수를 2004 년 전체 산업에 적용하여 기대값 (y) 계산 EDF 계산 Z score 계산 Cut-off 계산 기대값 (y) 를 이용하여 EDF 계산 전체 EDF 의 평균, 표준편차를 사용하여 EDF 를 표준화시킨 Z 값 계산 전체 EDF 의 평균, 표준편차를 사용하여 EDF 를 표준화시킨 Z 값 계산 Z score 를 오름차순 정렬한 후, 등급구간비율 (5%,15%,30%,25%,15%,10%) 로 나누어 구간별 상 · 하위 Z 값, 각 구간 사이 평균 Z 값 계산 상 · 하위 Z 값, 각 구간 사이 평균 Z 값이 등급화의 기준이 되는 cut-off 값이 됨 Z score 를 오름차순 정렬한 후, 등급구간비율 (5%,15%,30%,25%,15%,10%) 로 나누어 구간별 상 · 하위 Z 값, 각 구간 사이 평균 Z 값 계산 상 · 하위 Z 값, 각 구간 사이 평균 Z 값이 등급화의 기준이 되는 cut-off 값이 됨 Step 1Step 2Step 3Step 4Step 5Step 6 □ 등급화

60 2-5) 등급화 및 Validation □ 등급화 등급평균부실률하위 z 값상위 z 값 구간사이 평균 z 값 II-2. 재무 모형 Step 1Step 2Step 3Step 4Step 5Step 6  등급별 Cut-off 값 2004 년 산업별 재무비율 data 를 이용한 cut-off 값 구간 사이 평균 Z 값은 예를 들어, ={(-1.537)+(-1.514)}/2 로 계산

61 2-5) 등급화 및 Validation 최종 선택된 4 개 Risk Factor 의 계수, 상수항을 2003 년 재무비율 data 에 그대로 적용하여 EDF 및 표준화값 Z 값 계산 개발 data 인 2004 년 재무비율 data 의 EDF 평균, 표준편차를 2003 년 재무비율 data 에 그대로 적용하여 Z 값 생성 ← 동일한 분포 등급 구간비율 (5%,15%,30%,25%,15%,10%) 에 따른 2004 년 재무비율 data 의 cut-off 값을 2003 년 재무비율 data 에 적용 최종 모형의 performance(AUROC, KS) 측정, 등급별 구성비, Monotonicity 살펴봄 Performance Validation 방법 AUROC: KS : 등급별 구성비 Monotonicity Step 1Step 2Step 3Step 4Step 5Step 6 □ Validation  Validation 방법 및 결과는 다음과 같음 Validation 결과 II-2. 재무 모형