기계학습 기법과 인적자원 변수를 이용한 기업신용평가모형 구축에 관한 연구 : 인적자본기업패널 설문조사 자료를 이용하여

Abstract

본 논문의 목적은 기업의 인적자원 관리 및 개발 요소를 다양한 기계학습 기법에 적용한 후 예측 성능과 안정성이 가장 우수한 기법이 무엇인지 확인하는 것이다. 모형 구축을 위해 2017년 한국직업능력개발원의 인적자본 기업패널(Human Capital Corporate Panel, HCCP) 설문조사 자료와 (주)나이스신용평가의 기업 신용등급을 이용하였다. 모형 구축을 위한 독립변수는 인적자원 바퀴모델의 구성 요소에 인적자본 기업패널 설문조사 문항을 연결하여 사용하였으며, 종속변수는 기업신용평가등급을 이용하여 우량과 불량을 정의하였다. 또한 모형구축을 위한 기계학습 알고리즘으로는 가장 많이 알려져 있는 의사결정나무, 로지스틱회귀, 신경망, 랜덤포레스트, SVM을 이용하였다. 모형 구축 결과, 본 논문에서 사용한 자료에 대해서는 기계학습 알고리즘 중 로지스틱회귀모형의 분류 정확도와 안정성이 가장 높게 나타났으므로, 이를 이용하여 기업 신용평가모형을 구축하는 것이 가장 타당하다는 결론을 내릴 수 있다.

The purpose of this study was to build an enterprise credit scoring model using enterprise human resource factors and maching learning algorithms The data to measure the enterprise credit score were made by the first-year research material of Human Capital Corporate Panel made by KRIVET(2017), Korea Research Institute for Vocational Education & Training, was used to investigate the enterprise human resource and 2017 Credit Rating Score generated from KIS-Credit Scoring Model, which was made by NICE Inc. The independent variables were chosen among questionnaires of Human Capital Corporate Panel based on Mclagan(1989)'s HR wheel model, and the credit score of Korean Information Service was used for the dependent variables. The statistical method used for data analysis was decision tree, logistic regression, neural network, random forest, support vector machine. As a result of analysis, the classification accuracy and stability of the logistic regression model were the highest among the machine learning algorithms for the data used in this paper, so we can conclude that it is most appropriate to construct the corporate credit rating model using this.