한국 자본시장연구원이 상장폐지 전 기업의 부실 징후를 탐지할 수 있는 머신러닝을 모델을 개발했다. 이 연구는 한국 내 상장기업의 재무제표 정보를 분석해 부실 징후를 조기에 탐지하는 것을 목표했다. 이에 국내 투자자와 금융 당국이 보다 신속하게 기업의 재무 건전성을 평가할 수 있도록 도울 것으로 전망된다.
자본시장연구원의 연구진은 한국채택국제회계기준(K-IFRS) 도입 이후 증가한 주석 정보의 유용성을 반영하여, 기존의 정량적 재무제표 정보뿐만 아니라 주석에 포함된 비정형 정보까지 학습하는 멀티모달 신경망(multimodal neural network) 기반 머신러닝 모델을 구축했다. 이를 통해 기존 분석 방식보다 더욱 정교한 부실 징후 탐지가 가능해졌다고 연구진은 밝혔다.
연구진은 2005년부터 2019년까지 한국 유가증권 및 코스닥시장에 상장된 12월 결산 비금융업종 16,815개 기업-연도의 데이터를 활용하여 모델을 학습시켰다. 기업의 한계 요인과 외부 모니터링 지표를 포함한 43개의 정량적 재무 지표와 37개의 주요 계정과목, 그리고 재무제표 주석에 포함된 모든 비정형 정보를 분석하여 모델의 예측력을 검증했다. 그 결과, 상장폐지 위험을 거래정지 이전에 높은 정확도로 예측할 수 있음을 확인했다.
특히, 연구진은 한국 시장에서 거래정지 이후 상장폐지로 이어지는 경우가 많다는 점에 주목했다. 한국거래소의 규정상 기업이 상장폐지 절차를 밟게 되면 장기간 거래가 정지될 가능성이 높아, 투자자들이 적절한 대응을 하기 어렵다는 점이 문제로 지적되어 왔다. 이에 따라 연구진은 거래정지 이전 시점에서 기업 부실을 탐지할 수 있는 머신러닝 모델을 개발함으로써 실효성 있는 조기 경보 시스템을 구축하는 데 성공했다.
그러나 연구진은 주석 정보의 유용성에 대해 추가적인 개선이 필요하다는 점도 지적했다. 주석 정보의 방대함에도 불구하고 부실 징후 예측에서 주석의 기여도가 제한적이었다는 점이 발견되었다. 이는 주석 작성 시 회계의 보수주의 원칙이 충분히 반영되고 있는지 면밀히 검토할 필요가 있음을 시사한다. 연구진은 주석 정보와 재무제표 본문 간의 연계성을 강화하고, 핵심 내용을 강조하는 방향으로 공시 제도를 개선해야 한다고 제안했다.
이번 연구는 머신러닝 기반의 부실 예측 모델이 한국 금융 시장에서 실질적인 위험 관리 도구로 활용될 가능성을 보여준다는 점에서 큰 의미가 있다. 연구진은 향후 주석 정보의 질적 향상을 통해 예측 모델의 정확도를 더욱 개선할 계획이며, 이를 통해 한국 투자자 보호와 금융 시장 안정성 확보에 기여할 것으로 기대된다.
