1 of 20

인공지능을 활용한

기업 재무등급 자동산정 시스템

​

2024 가을학기 DFMBA 인공지능과 추천시스템

  • 김동혁 방준영 임도형

2 of 20

Team & Outline

I 프로젝트 목적 및 필요성

III 프로젝트 기대효과

II 프로젝트 내용

1. 개발 개요

2. 데이터 수집

3. 탐색적 데이터 분석 (EDA)

4. 인공지능 모델 설계

5. 모델 평가 및 개선

6. 결과 분석 및 시각화

7. 추가 고려사항

​

​

​

02

1. 기대효과

2. 연구 및 개선방향

​

​

3 of 20

  • 기업 재무등급 시스템 필요성(해결하고자 하는 문제):
    • 등급 산출 기관과 평가자 별 판단 기준 상이
    • 등급 산출 시점과 투자 시점 차이 발생
    • 재무 데이터 자료 수집과 분석에 많은 시간 소요(3~4주 소요)
    • 중소기업 / 비상장사에 대한 유효등급 부재로 피투자기업 입장에서의 투자 유치, 투자자 입장에서의 투자 안전성 판단 어려움

​

  • 프로젝트 목표(해결하고자 하는 방향):

​

    • 재무 데이터와 비정형 데이터를 통합해 일관된 기준으로 객관적인 평가 진행
    • 실시간 및 정기적 등급 업데이트를 통해 최신 평가 제공
    • 수작업 대신 AI를 통해 효율적이고 정확한 등급 산출(소요시간/소요비용 감소, 오계산 확률 감소, 산출 정확도 향상 등)
    • 중소기업 / 비상장사에도 적용 가능한 모델 개발

​

  • 기대효과:
    • 정기적(분기/반기 업데이트)를 바탕으로 이슈 발생 시 이벤트 트리거로 실시간 평가를 반영할 수 있는 모델링을 통해 재무 데이터 중심의 재무등급 산정 시스템을 구축하여 일관되고 신속한 재무등급 산정

​

I 프로젝트 필요성 및 목표

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

4 of 20

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

11

1. 개발 개요

2. 데이터 수집

3. 데이터 분석 (EDA)

4. 인공지능 모델 설계

5. 모델 평가 및 개선

6. 결과 분석 및 시각화

7. 결론 및 향후 개선 방향

​

5 of 20

11

1. 개발 개요

​

​

  • 목표:
    • 유효 채권∙신용 등급과 트렌드를 반영하기 위해 최근 1개년(3년, 5년 등 상황에 따라 변경 가능) 동안 채권∙신용 등급이 산정된 기업들의 재무 데이터를 분석과 학습하여(등급과 각 재무지표의 연관성 등) 투자대상 기업의 재무 등급 산정

​

​

​

  • 핵심 아이디어:
    • AI 기반 평가 모델을 구축하여 기업의 재무등급을 산정
    • 주기적으로 분기/반기 보고서를 반영하고, 이슈 발생 시 이벤트 트리거로 실시간 평가
    • REST API를 통해 금융기관과 애플리케이션 연동 지원

.

​

​

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

6 of 20

11

1. 재무제표 데이터

  • 출처: DART(전자공시시스템), 금융감독원 공시 시스템, KIS Value, 연합인포맥스, Bloomberg Terminal 등
  • 주기: 분기 / 반기 / 연간 (LTM, 최근 1개년 수치로 반영)
  • 활용 목적:
    • 기업의 유동성, 수익성, 부채비율 등 주요 재무지표 분석
    • 평가기준일 현재 유효한 채권∙신용 등급 분석
    • 채권∙신용 등급과 각 재무자료 항목별 연관성을 분석하여 투자대상회사 등급산출의 기초 데이터로 사용
  • 자동화 방안:
    • 웹 크롤러를 통해 정기적으로 공시 데이터를 수집 및 정제
    • 데이터 파이프라인 구축으로 정기적 갱신

2. 경제 지표 및 산업 동향 데이터

  • 출처: 한국은행 경제통계시스템, IMF, OECD 데이터베이스, EIU, Bloomberg Terminal, Capital IQ 등
  • 주기: 월간 / 분기 / 연간
  • 활용 목적:
    • 거시경제와 산업 동향을 반영해 기업의 외부 환경을 평가
    • 채권∙신용 등급, 재무자료 및 경제지표(금리, 소비자물가지수, 주요환율, 판매자물가지수, GDP, 경제성장률 등)의 연관성을 분석하여 투자대상회사 등급산출 시 반영
    • 산업별 경기 변동성을 신용등급에 반영
  • 자동화 방안:
    • 스케줄러를 통한 월간 및 분기 데이터 자동 수집

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

2. 데이터 수집

​

7 of 20

11

3. 기업 뉴스 및 리포트 데이터

  • 출처: Bloomberg Terminal, DART(전자공시시스템), Naver Finance, Yahoo Finance, 인포맥스, 뉴스 API 등
  • 주기: 실시간
  • 활용 목적:
    • 기업 관련 긍정/부정 뉴스 분석을 통해 신용 리스크 예측
    • 산업 및 기업 이슈를 신속히 반영하여 등급 업데이트
  • 자동화 방안:
    • FinBERT 모델을 사용해 뉴스의 감성 점수 산출

(긍정/부정 뉴스 상대적 차이 및 중립 뉴스 수 기준으로 조정 비율 사용)

    • 주요계약 체결/변동, 오너리스크, 자연재해, 지분변동, 소송 등 이벤트 트리거를 설정해 중요한 뉴스 발생 시 평가 모델 업데이트

​

4. ESG 및 비정형 데이터

  • 출처: Sustainalytics, Bloomberg ESG, DART(전자공시시스템), 기업 자체 보고서 등
  • 주기: 반기 / 연간
  • 활용 목적:
    • 환경, 사회, 지배구조(ESG) 관점에서 기업의 장기적 리스크 평가
    • 등급 산정 시 비재무적 요소로 활용
  • 자동화 방안:
    • ESG 평가지표를 머신러닝 모델에 반영해 통합 등급 산출

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

2. 데이터 수집

​

8 of 20

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

2. 데이터 수집:

  • 예시 (DART API 활용)

​

9 of 20

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

2. 데이터 수집

  • 뉴스 수집
  • FinBert 모델 활용(예시: 카카오)

​

10 of 20

II 프로젝트 내용

인공지능을 활용한 기업 재무등급 자동 산정 시스템

2. 데이터 수집 예시:

  • KIS Value, 연합 인포맥스 등 활용

​

11 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

3. 탐색적 데이터 분석 (EDA)

​

  • 주요 재무 지표 정리:
    • 유효 채권∙신용 등급 보유한 기업들의 수익성지표(영업이익률, 당기순이익률, EBIT Margin, EBITDA Margin, PER, EV/EBITDA 등), 부채비율, 차입금의존도, 유동비율, 매출 성장률 등) 등 가능한 다양한 재무 지표 정리 및 분석�
  • 비정형 데이터 정리:
    • 산업 및 기업 뉴스로 소송 및 스캔 등 부정 데이터 수집
    • 이벤트 트리거 방식으로 핵심 부정 데이터 모델 반영�
  • 데이터 분포 및 이상치 탐색:
    • 상관관계 분석을 통해 유효 채권∙신용 등급을 중심으로 지표 간 연관성 파악
    • 이상치 탐지 및 제거(특이값 처리)

​

  • 등급 구분을 위한 군집화:
    • K-means 또는 Clustering을 활용해 유효 채권∙신용 등급 보유 기업의 군집화 수행
    • 각 군집에 해당하는 재무 지표별 등급 기준 설정

​

12 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

3. 탐색적 데이터 분석 (EDA): 예시

​

​

13 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

4. 인공지능 모델 설계

  • 목표:
    • 분석된 유효 채권∙신용 등급 보유 기업들의 등급과 재무 데이터의 상관관계를 바탕으로 신규 투자 대상 기업의 재무 데이터를 바탕으로 재무등급 자동 산출
  • AI 모델이 자동화한 작업 예시:
    • 재무데이터 수동 정리 → 자동화된 파이프라인으로 처리
    • 수작업 보고서 분석 → NLP FinBert 모델로 비정형 데이터 자동 분석
    • 평가 기준 일관성 부재 → 동일 기준의 머신러닝 알고리즘 적용
  • 활용 기술:
    • 회귀(Regression) 모델:
      • 정량적 재무 데이터(예: 매출, 순이익)를 독립 변수로 사용하여 랜덤포레스트 회귀, XGBoost 로 기업의 재무 성과 예측
    • 군집화 및 분류:
      • 유사한 패턴을 가진 기업들끼리 클러스터링(예: K-means) 후, 분류 모델(예: SVM, 로지스틱 회귀)로 예측 등급 할당
    • 딥러닝 모델:
      • RNN/LSTM을 사용해 시계열 데이터(예: 매출 및 이익 변화)를 분석하여 등급 예측 정밀도 향상
    • 비선형데이터분석(Random Forest):
      • 뉴스 등 외부 지표와의 관계를 분석해 변동성에 따른 리스크 반영
    • 모델 설명 가능성:
      • SHAP(Shapley Additive exPlanations)로 모델의 의사결정 과정 시각화

14 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

5. 모델 평가 및 개선

​

  • 평가 지표:
    • RMSE(평균 제곱근 오차) 및 MAE(평균 절대 오차)를 통해 회귀 모델 평가
    • 분류 모델의 정확도(Accuracy), 정밀도(Precision), F1-score 평가�
  • 교차 검증:
    • 데이터셋을 여러 폴드로 나누어 교차 검증 수행해 과적합 방지

​

  • 하이퍼파라미터 튜닝:
    • GridSearch 또는 RandomSearch를 통해 최적의 모델 성능 도출

​

  • 모델 개선:
    • 새로운 데이터 반영, 이벤트 기반 학습으로 지속적 업데이트

​

​

15 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

6. 결과 분석 및 시각화

​

  • 백분위 및 등급 시각화:
    • 대시보드 형태로 산정된 투자대상회사의 재무등급을 시각화하여 직관적 분석 가능
    • 유효 채권∙신용 등급/재무등급과 각 재무 지표 간 관계를 그래프로 표현(산점도, 상관 행렬 등)�
  • 외부 지표와의 연관성 시각화:
    • 각종 경제지표(금리, 소비자물가지수, 주요환율, 판매자물가지수, GDP, 경제성장률 등)과 각 재무지표 및 채권∙신용 등급/재무등급 간의 관계를 시계열 그래프로 분석
    • 기업 뉴스, 리포트, 비정형 데이터, ESG관련 사항 등 재무/경제 외적 요소들과 채권∙신용 등급/재무등급 간의 관계를 시계열 그래프로 분석�

​

​

16 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

6. 결과 분석 및 시각화: 예시

​

​

17 of 20

II 프로젝트 내용

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

7. 추가 고려사항

​

  • 데이터 공백, 불균형, 보강
    • 유사 산업 참조, 대체 데이터 적용, 예측 모델 활용, 동적 업데이트�
  • 분기/반기 보고서 발행 주기
    • LTM(Last Twelve Months) 반영하여 계산한다.

​

  • 뉴스 신뢰도와 불규칙한 분포
    • 뉴스 매체(bloomberg, 한국경제, 인터넷 언론사)별, 뉴스 섹션(경제, 연예 등)별 가중치 조정
    • 상대적 감정 점수 차 활용: (positive - negative / total_sum)
    • 중립 뉴스 수를 기준으로 조정((positive - negative) * (total_sum - neutral)) / total_sum

​

  • 사업자 정보 업데이트
    • 사업자 번호, 법인 번호 → DART / 공공데이터포털

​

18 of 20

III 프로젝트 기대효과

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

1. 기대효과:

  • 평가 기관과 평가자 별 판단 기준 설정하여 일관성을 유지
  • 등급 산출 시점과 투자 시점 차이 줄여 등급 정확성이 향상
  • 신용평가사의 채권등급/신용등급을 보유하지 않거나 평가받기 부담스러운 중소기업/비상장사에 대한 재무등급을 쉽고,

빠르고, 저렴하게 지원하여 투자유치 및 자금조달 가능성 확대

  • AI를 통한 효율적이고 정확한 재무등급 산출을 통해 투자기관의 재무 데이터 자료 수집과 분석 시간을 줄여 분석비용 및

투자분석 소요시간 절감

  • 기존 인적 분석에서는 다루기 어려웠던 데이터 공백 문제 보완이나, 데이터가 부족 중소, 새로운 기업의 재무 상태 추정 가능

​

결론:

  • 본 시스템은 데이터 수집과 분석 시간을 단축 시키고, 중소 기업부터 대기업까지 신속하고 일관된 재무 등급 산출을 투자자,

기업, 금융기관에게 제공하여 의사결정을 지원할 수 있음

19 of 20

III 프로젝트 기대효과

​

​

인공지능을 활용한 기업 재무등급 자동 산정 시스템

​

11

2. 향후 연구 및 개선 방향:

  • 강화학습 도입을 통한 지속적인 모델 성능 개선
  • 산업별 특성을 반영한 산업 맞춤형 등급 산정 시스템 구축
  • 외부 요인(정책 변화, 경기 침체 등) 반영 기능 강화
  • DCF, 멀티플 분석(GPCM), 거래가격분석(GTM) 등을 수행하여 간략한 기업가치(투자가치) 분석 기능 추가

20 of 20

감사합니다.