머신러닝 기법을 활용한 국내 식품제조업 한계기업 분석

• 영문명: Analysis of Zombie Firms in the Korean Food Manufacturing Industry Using Machine Learning Techniques
• 발행기관: 한국산업경영학회
• 저자명: 박귀정(Gwijeong Park) 유순미(Soonmi Yu) 김성용(Sung-Yong Kim)
• 간행물 정보: 『경영연구』第40卷 第3號, 91~105쪽, 전체 15쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2025.08.31

국문 초록

본 연구는 국내 식품 제조기업 중 한계기업에 관한 것으로 공시된 재무자료에 기초하여 분석하였다. 식품 한계기업 데이터는 한국평가데이터(KoData)에서 수집하였으며 이 중 최종 분석대상에 선정된 식품 한계기업은 수익성, 성장성, 활동성, 안정성 등의 재무비율 지표에서 정상기업에 비해 모든 재무특성이 낮은 1445개 기업을 대상으로 하였다. 분석에 사용된 머신러닝 기법은 결정트리모형, 랜덤 포레스트, SVM이며, 분석결과는 다음과 같다. 첫째, 국내 식품 한계기업 예측 정확도가 높은 머신러닝 기법은 SVM(CA=0.961)>랜덤포레스트(CA=0.942)>결정트리(CA=0.919) 순으로 나타났다. 둘째, 식품 한계기업 분류예측에 가장 중요한 재무특성 변인은 재고자산회전율, 세후평균이자율, 당좌비율로 나타났으며 이 세 특성요인은 3가지 모델 모두에서 중요성이 높은 재무특성 요인으로 확인되었다. 셋째, 머신러닝에 활용된 3모델 모두에서 관리한계기업과 악성한계기업을 구분하는 가장 중요한 요인은 당좌비율인 것으로 나타났다. 본 연구를 통해 한계기업 연구에서 머신러닝을 활용한 예측모형 개발이 타당함을 알 수 있었다. 연구결과를 바탕으로 국내 식품제조업에 대한 무차별적인 지원보다 체계적인 정책지원과 적절한 차등관리가 필요함을 확인하였다.

영문 초록

This study examines zombie firms within the korea food manufacturing industry, based on an analysis of publicly available financial data. The data for the korea food firms were collected from KoData, with the final analysis focusing on 1,445 companies identified as zombie due to their lower financial characteristics compared to normal firms across profitability, growth, activity, and stability ratios. The machine learning techniques utilized in the analysis include Decision Tree Models, Random Forest, and Support Vector Machines (SVM). The findings are as follows. First, the machine learning technique with the highest accuracy in predicting domestic marginal food firms was SVM (CA=0.961), followed by Random Forest (CA=0.942), and Decision Tree (CA=0.919). Second, the most critical financial characteristics for predicting zombie food firms were inventory turnover ratio, average post-tax interest rate, and quick ratio. These three financial factors were found to be significant across all three models. Third, the quick ratio emerged as the most important factor in distinguishing between managed zombie firms and severely distressed zombie firms across all three machine learning models. The results of this study validate the development of predictive models using machine learning in the research of zombie firms. Additionally, the findings suggest the feasibility of applying machine learning techniques to develop predictive models for zombie firms in other industries. This study also highlights the need for policy support and appropriate differential management, rather than indiscriminate support, for the domestic food manufacturing industry.

목차

Ⅰ. 서 론

Ⅱ. 연구배경

Ⅲ. 데이터 수집 및 분석절차

Ⅳ. 분석결과

Ⅴ. 결 론

참고문헌

키워드

식품제조업 한계기업 머신러닝 지도학습 악성한계기업 Manufacturing Industry Zombie Firms Machine Learning Supervised Learning Distressed Zombie Firms