[논문 리뷰] A hybrid neural network model based an improved PSO and SA for bankruptcy prediction

Fatima Zahra Azayite, Saïd Achchab|arXiv (Cornell University)|2019. 01. 31.

Financial Distress and Bankruptcy Prediction참고 문헌 18인용 수 4

한 줄 요약

이 논문은 파편 예측 정확도를 햖스키기 위해 향상된 입자군집최적화(PSO)와 시뮬레이티드 어닐링(SA)을 통합한 하이브리드 신경망 모델을 제안한다. 변수 선택과 고급 학습 알고리즘을 결합함으로써 국소 최소값 문제를 효과적으로 줄이고 수렴성을 향상시키며, 특히 누락 데이터 조건 하에서도 기준 모델을 능가하는 경험적 평가를 통해 성능을 입증한다.

ABSTRACT

Predicting firm's failure is one of the most interesting subjects for investors and decision makers. In this paper, a bankruptcy prediction model is proposed based on Artificial Neural networks (ANN). Taking into consideration that the choice of variables to discriminate between bankrupt and non-bankrupt firms influences significantly the model's accuracy and considering the problem of local minima, we propose a hybrid ANN based on variables selection techniques. Moreover, we evolve the convergence of Particle Swarm Optimization (PSO) by proposing a training algorithm based on an improved PSO and Simulated Annealing. A comparative performance study is reported, and the proposed hybrid model shows a high performance and convergence in the context of missing data.

연구 동기 및 목표

• 신경망과 고급 최적화 기법을 융합하여 파산 예측 모델의 정확도를 향상시키는 것.
• 향상된 PSO와 SA 하이브리드 알고리즘을 통해 신경망 학습 시 국소 최소값 문제를 해결하는 것.
• 효과적인 변수 선택과 최적화를 통합하여 누락 데이터 존재 조건에서도 모델의 강건성을 향상시키는 것.
• PSO, SA, ANN의 강점을 융합한 하이브리드 프레임워크를 개발하여 재무위기 탐지에서 뛰어난 예측 성능을 달성하는 것.
• 기존 접근 방식과의 비교 성능 분 析를 통해 모델의 효과성을 검증하는 것.

제안 방법

• 모델은 인공신경망(ANN)과 변수 선택 기법을 융합한 하이브리드 아키텍처를 사용하여 분류 능력을 향상시킨다.
• 수렴 속도를 가속화하고 조기 수렴을 방지하기 위해 향상된 PSO 알고리즘을 설계한다.
• 전역 탐색 능력을 향상시키고 국소 최적해에서 벗어나기 위해 시뮬레이티드 어닐링(SA)을 PSO에 통합한다.
• 하이브리드 PSO-SA 알고리즘을 사용해 ANN을 학습시키며, 네트워크 가중치를 최적화하고 일반화 능력을 향상시킨다.
• 차원 축소와 함께 모델의 해석 가능성 및 성능 향상을 위해 학습 이전에 변수 선택을 적용한다.
• 모델의 강건성과 수렴 안정성 테스트를 위해 누락 데이터 조건 하에서 평가를 수행한다.

실험 결과

연구 질문

• RQ1 하이브리드 PSO-SA 최적화 알고리즘이 파산 예측에서 신경망의 수렴성과 정확도를 향상시킬 수 있는가?
• RQ2 변수 선택 기법의 통합이 ANN 기반 파산 예측 모델의 성능에 어떤 영향을 미치는가?
• RQ3 제안된 모델이 누락 데이터 조건 하에서도 높은 성능을 유지하는 정도는 어느 정도인가?
• RQ4 향상된 PSO-SA 알고리즘이 표준 PSO 또는 SA 단독 대비 국소 최소값 위험을 효과적으로 줄이는가?
• RQ5 기존 ANN 및 기타 최적화 기반 모델과 비교해 제안된 하이브리드 모델은 파산 예측에서 어떤가?

주요 결과

• 제안된 하이브리드 모델은 표준 PSO 및 SA 기반 학습 방법에 비해 뛰어난 수렴 행동을 보였다.
• 변수 선택의 통합은 파산 기업과 비파산 기업 간의 분류 정확도를 크게 향상시켰다.
• 모델는 누락 데이터가 존재하는 상황에서도 높은 예측 성능 유지를 보이며 강건성을 입증했다.
• 경험적 결과에 따르면 향상된 PSO-SA 알고리즘이 국소 최소값 수렴 가능성을 낮춰 전체 최적화 효율성을 향상시켰다.
• 비교 성능 분 析를 통해 하이브리드 모델은 예측 정확도와 안정성 측면에서 기준 모델을 능가함을 확인했다.
• 모델는 높은 수렴 속도와 정확도를 달성하여 PSO, SA, ANN을 융합한 전략이 재무위기 예측에서 효과적임을 확인했다.