머신러닝 기반 한계기업 예측모형에 관한 연구: 3개년 간 호텔 재무비율을 중심으로 (A study on the predictive models of marginal companies based on machine learning: Focused on hotels’ financial ratio for three years)

서지정보

· 발행기관 : 한국관광연구학회
· 수록지 정보 : 관광연구저널 / 37권 / 1호 / 123 ~ 135페이지
· 저자명 : 이규태

초록

본 연구는 서울, 경기 및 인천의 5성급 호텔을 대상으로 2018년도부터 2020년까지 3개년 간의 재무비율을 설명변수로 설정하여 분류 예측모델인 로지스틱 회귀분석, 서포트벡터머신(SVM), 인공신경망, 의사결정트리 및 에이다부스트 모델링을 활용하여 한계기업에 대한 예측율 및 예측성능평가를 확인하고자 하였다. 총 22개 호텔의 성장성, 수익성, 안정성 및 활동성 지표와 관련한 14개의 재무비율이 본 연구의 실증분석을 위해 사용되었다. 그리고, 한계기업과 정상기업으로 분류할 수 있는 모델링을 구축하기 위해 변수의 유의성을 검증한 결과, 2018년 9개, 2019년 7개, 2020년 8개의 재무비율 변수가 최종적으로 선정되었다. 실증분석 결과는 다음과 같다. 첫째, 본 연구는 한계호텔의 예측모델에 주안을 두고 있기 때문에 한계호텔의 예측률이 중요하다. 혼동행렬을 활용한 한계기업의 예측률은 정상호텔에 비해 비교적 낮은 예측률을 보이고 있고, 시간이 경과함에따라 예측률이 높아지고 있는 것을 확인할 수 있다. 이는 COVID-19로 인해 호텔의 재무건전성이 악화되었음을 의미한다. 둘째, 연도별 각 모델의 성능평가지표를 확인한 결과, 로지스틱 회귀분석 모델이 가장 높은 것으로 나타났고, 서포트벡터머신 및 인공신경망 순으로 제시되었다. 특히, AUC 및 정확도와 관련하여 위 3가지 모델 모두 90% 이상을 상회하는 것으로 나타났다. 이러한 분석결과는 한계기업의 특성을 효과적으로 파악할 수 있기 때문에, 호텔의 부실화를 사전에 예방할 수 있는 합리적 판단의 근거로 활용될 수 있을 것이다.

영어초록

This study aimed at 5-star hotels in Seoul, Gyeonggi, and Incheon to determine the predictive rate and performance evaluation of marginal companies using classification prediction models like logistic regression, support vector machine (SVM), neural network, decision tree, and Adaboost modeling by setting the financial ratio for the three years from 2018 to 2020 as an explanatory variable. A total of 14 financial ratios related to growth, profitability, stability, and activity indicators of 22 hotels were used for the empirical analysis of the study. In addition, after verifying the significance of the variables to set a model that can be classified as marginal and normal companies, nine financial ratio variables were finally selected in 2018, seven in 2019, and eight in 2020. The results of the empirical analysis are as follows. First, since this study focuses on the predictive model of marginal hotels, the predictive rates are important. It can be seen that the predictive rate of marginal companies using the confusion matrix is relatively low compared to normal hotels, and is increasing over time. This means that the financial health of hotels has deteriorated due to COVID-19. Second, after checking the performance evaluation indicators of each model by year, the logistic regression model was found to be the highest of all performance evaluation indicators, and was presented in the order of support vector machine and neural network. In particular, when it comes to AUC and accuracy, all three of the above models were shown to exceed 90%. Since the results of such an analysis can effectively grasp the characteristics of marginal companies, they can be used as a basis for rational judgment to prevent the financial distress of hotels in advance.

참고자료

· 없음