1 |
1
기업의 재무 정보, 특허 정보 및 실적 정보가 저장되는 저장부;상기 기업의 재무정보와 특허정보를 구성하는 예측 변수들 사이의 상관분석을 수행하여 사전에 설정되어 있는 제1기준값보다 높은 상관계수를 갖는 예측 변수를 제거하여 최종 예측 변수를 추출하는 예측 변수 추출부;상기 최종 예측 변수들을 각각의 연도에 대응하는 상기 실적 정보의 구성 항목과 매칭시키는 매칭부;각각의 연도별로 매칭된 상기 실적 정보와 상기 최종 예측 변수를 기초로 모형화 알고리즘을 적용하여 예측 모델을 생성하고, 각각의 예측 모델들 중에서 가장 예측 정확도가 높은 예측 모델을 최종 예측 모델로 결정하는 예측 모델 생성부; 및상기 최종 예측 모델에 현재 기업의 재무 정보와 특허 정보를 적용하여 향후 기업의 실적을 예측하는 예측부;를 포함하는 것을 특징으로 하는 기업성과 예측 장치
|
2 |
2
제 1항에 있어서,상기 예측 변수 추출부는 상기 예측 변수들에 대해 산출한 분산팽창계수(VIF: Variance Inflation Factor) 값이 사전에 설정되어 있는 제2기준값보다 큰 예측 변수를 제거하여 상기 최종 예측 변수를 추출하는 것을 특징으로 하는 기업성과 예측 장치
|
3 |
3
제 1항에 있어서,상기 모형화 알고리즘은 회귀분석 모델, 인공 신경망(NN) 기법, 구조방정식 모형 및 SVM 기법 중 어느 하나인 것을 특징으로 하는 기업성과 예측 장치
|
4 |
4
제 1항에 있어서,상기 정확도는 이전의 재무 정보와 특허 정보를 기초로 생성된 상기 최종 예측 모델에 의해 예측된 기업의 실적과 현재 기업의 실적과의 차이인 것을 특징으로 하는 기업성과 예측 장치
|
5 |
5
기업의 재무정보와 특허정보를 구성하는 예측 변수들 사이의 상관분석을 수행하여 사전에 설정되어 있는 제1기준값보다 높은 상관계수를 갖는 예측 변수를 제거하여 최종 예측 변수를 추출하는 예측 변수 추출 단계;상기 최종 예측 변수들을 각각의 연도에 대응하는 기업의 실적 정보의 구성 항목과 매칭시키는 매칭 단계;각각의 연도별로 매칭된 상기 실적 정보와 상기 최종 예측 변수를 기초로 모형화 알고리즘을 적용하여 예측 모델을 생성하고, 각각의 예측 모델들 중에서 가장 예측 정확도가 높은 예측 모델을 최종 예측 모델로 결정하는 예측 모델 결정 단계; 및상기 최종 예측 모델에 현재 기업의 재무 정보와 특허 정보를 적용하여 향후 기업의 실적을 예측하는 예측 단계;를 포함하는 것을 특징으로 하는 기업성과 예측 방법
|
6 |
6
제 5항에 있어서,상기 예측 변수 추출 단계에서, 상기 예측 변수들에 대해 산출한 분산팽창계수(VIF: Variance Inflation Factor) 값이 사전에 설정되어 있는 제2기준값보다 큰 예측 변수를 제거하여 상기 최종 예측 변수를 추출하는 것을 특징으로 하는 기업성과 예측 방법
|
7 |
7
제 5항에 있어서,상기 모형화 알고리즘은 회귀분석 모델, 인공 신경망(NN) 기법, 구조방정식 모형 및 SVM 기법 중 어느 하나인 것을 특징으로 하는 기업성과 예측 방법
|
8 |
8
제 5항에 있어서,상기 정확도는 이전의 재무 정보와 특허 정보를 기초로 생성된 상기 최종 예측 모델에 의해 예측된 기업의 실적과 현재 기업의 실적과의 차이인 것을 특징으로 하는 기업성과 예측 방법
|
9 |
9
제 5항 내지 제 8항 중 어느 한 항에 기재된 기업성과 예측 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|