| 1 |
1
컴퓨팅 장치에 의해서 수행되는 기업평가방법에 있어서,다수의 기업 각각에 대한 제1 내지 제n 프로파일링 변수값(단, n은 2이상의 자연수)을 생성하되, 상기 각 프로파일링 변수값은 다수의 재무비율 변수값을 이용하여 생성되는 단계;상기 다수의 기업 중에서, 제1 프로파일링 변수값을 기준으로, 최상위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제1 레이블값을 부여하는 단계;상기 다수의 기업 중에서, 상기 다수의 재무비율 변수값 중에서 기설정된 재무비율 변수값을 기준으로, 최하위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제2 레이블값을 부여하는 단계; 및상기 제1 내지 제n 프로파일링 변수값, 상기 제1 레이블 및 상기 제2 레이블을 이용하여 상기 다수의 기업에 대한 준지도 학습을 수행하여, 상기 다수의 기업 각각에 대해서 상기 제1 레이블값과 상기 제2 레이블값 사이의 제1 추론 레이블값을 부여하는 단계를 포함하되,상기 제2 레이블값을 부여하는 단계는, 상기 다수의 재무비율 변수값 중에서 이자보상비율이 100% 미만이거나, 영업활동현금흐름이 마이너스이거나, 자본잠식상태인 기업에 대해서, 제2 레이블값을 부여하는, 기업평가방법
|
| 2 |
2
제 1항에 있어서,상기 다수의 기업 중에서, 제2 프로파일링 변수값을 기준으로, 최상위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제3 레이블값을 부여하는 단계와, 상기 다수의 기업 중에서, 상기 다수의 재무비율 변수값 중에서 기설정된 재무비율 변수값을 기준으로, 최하위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제4 레이블값을 부여하는 단계와,상기 제1 내지 제n 프로파일링 변수값, 상기 제3 레이블 및 상기 제4 레이블을 이용하여 상기 다수의 기업에 대한 준지도 학습을 수행하여, 상기 다수의 기업 각각에 대해서 상기 제3 레이블값과 상기 제4 레이블값 사이의 제2 추론 레이블값을 부여하는 단계를 더 포함하는, 기업평가방법
|
| 3 |
3
제 2항에 있어서,상기 제1 추론 레이블값과 상기 제2 추론 레이블값을 이용하여, 상기 다수의 기업 각각에 대한 평가결과를 산출하되, 상기 평가결과는 기업에 대한 점수, 순위, 등급 중 적어도 하나를 포함하는 단계를 더 포함하는, 기업평가방법
|
| 4 |
4
제 3항에 있어서,상기 평가결과를 산출하는 단계는, 상기 제1 내지 제n 프로파일링 변수값에 대한 가중치를 제공받고, 가중치를 반영하여 상기 다수의 기업 각각에 대한 평가결과를 산출하는, 기업평가방법
|
| 5 |
5
제 2항에 있어서,상기 제1 추론 레이블값과 상기 제2 추론 레이블값을 이용하여, 상기 다수의 기업 사이의 유사도를 나타내는 제1 기업 네트워크를 생성하는 단계를 더 포함하는, 기업평가방법
|
| 6 |
6
제 5항에 있어서,상기 제1 기업 네트워크를 이용하여, 신규기업과의 유사도가 제1 기준값보다 높은, 적어도 하나의 제1 기업을 선정하는 단계와, 상기 선정된 제1 기업의 평가결과를 기초로 상기 신규기업의 평가결과를 추정하는 단계를 더 포함하는, 기업평가방법
|
| 7 |
7
제 6항에 있어서, 상기 신규기업과의 유사도가 상기 제1 기준값보다 높은 제1 기업을 선정하는 단계는, 상기 제1 프로파일링 변수값에 가장 높은 영향을 주는 제1 재무비율 변수값을 선정하고,상기 제2 프로파일링 변수값에 가장 높은 영향을 주는 제2 재무비율 변수값을 선정하고,상기 제1 재무비율 변수값과 상기 제2 재무비율 변수값을 이용하여, 상기 다수의 기업 사이의 유사도를 나타내는 제2 기업 네트워크를 생성하고,상기 제2 기업 네트워크를 이용하여, 신규기업과의 유사도가 상기 제1 기준값보다 높은 상기 적어도 하나의 제1 기업을 선정하고, 선정된 상기 제1 기업이, 상기 제1 기업 네트워크에서도 상기 신규기업과의 유사도가 상기 제1 기준값보다 높은 것으로 간주하는 것을 포함하는, 기업평가방법
|
| 8 |
8
제 1항에 있어서, 다수의 기업 각각에 대한 제1 내지 제n 프로파일링 변수값을 생성하는 단계는, 상관분석 및 군집분석 중 적어도 하나를 이용하여 서로의 상관관계가 제2 기준값보다 높은 다수의 재무비율변수를 그룹핑하여, 제1 내지 제n 재무비율변수그룹을 생성하고, 주성분분석을 이용하여 상기 제1 내지 제n 재무비율변수그룹 각각에 대응되는 제1 내지 제n 프로파일링 변수를 생성하되, 상기 각 프로파일링 변수는 대응되는 재무비율변수그룹 내의 다수의 재무비율변수를 기초로 생성되는, 기업평가방법
|
| 9 |
9
제 8항에 있어서,상기 제1 내지 제n 프로파일링 변수 중 어느 하나는, 영업효율성, 보상탄력성, 재무건전성, 기업수익성, 자본활용성, 생산효율성 중 어느 하나인, 기업평가방법
|
| 10 |
10
삭제
|
| 11 |
11
제 1항 내지 제 9항 중 어느 한 항의 기업평가방법을 구현하기 위한 컴퓨터 프로그램의 인스트럭션들을 저장하는, 컴퓨터 판독 가능 저장 매체
|
| 12 |
12
프로세서; 및메모리를 포함하되, 상기 메모리는 상기 프로세서가 다수의 기업 각각에 대한 제1 내지 제n 프로파일링 변수값(단, n은 2이상의 자연수)을 생성하되, 상기 각 프로파일링 변수값을 다수의 재무비율 변수값을 이용하여 생성하고,상기 다수의 기업 중에서, 제1 프로파일링 변수값을 기준으로, 최상위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제1 레이블값을 부여하고, 상기 다수의 기업 중에서, 상기 다수의 재무비율 변수값 중에서 기설정된 재무비율 변수값을 기준으로, 최하위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제2 레이블값을 부여하고, 상기 제1 내지 제n 프로파일링 변수값, 상기 제1 레이블 및 상기 제2 레이블을 이용하여 상기 다수의 기업에 대한 준지도 학습을 수행하여, 상기 다수의 기업 각각에 대해서 상기 제1 레이블값과 상기 제2 레이블값 사이의 제1 추론 레이블값을 부여하되,상기 제2 레이블값을 부여하는 것은, 상기 다수의 재무비율 변수값 중에서 이자보상비율이 100% 미만이거나, 영업활동현금흐름이 마이너스이거나, 자본잠식상태인 기업에 대해서, 제2 레이블값을 부여하는, 인스트럭션들(instructions)을 저장하는 기업평가시스템
|
| 13 |
13
제 12항에 있어서, 상기 메모리는 상기 프로세서가 상기 다수의 기업 중에서, 제2 프로파일링 변수값을 기준으로, 최상위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제3 레이블값을 부여하고, 상기 다수의 기업 중에서, 상기 다수의 재무비율 변수값 중에서 기설정된 재무비율 변수값을 기준으로, 최하위 영역에 해당하는 변수값을 갖는 기업에 대해서 기설정된 제4 레이블값을 부여하고, 상기 제1 내지 제n 프로파일링 변수값, 상기 제3 레이블 및 상기 제4 레이블을 이용하여 상기 다수의 기업에 대한 준지도 학습을 수행하여, 상기 다수의 기업 각각에 대해서 상기 제3 레이블값과 상기 제4 레이블값 사이의 제2 추론 레이블값을 부여하는, 인스트럭션들을 더 저장하는 기업평가시스템
|
| 14 |
14
제 13항에 있어서, 상기 메모리는 상기 프로세서가 상기 제1 추론 레이블값과 상기 제2 추론 레이블값을 이용하여, 상기 다수의 기업 각각에 대한 평가결과를 산출하되, 상기 제1 내지 제n 프로파일링 변수값에 대한 가중치를 제공받고, 상기 가중치를 반영하여 상기 다수의 기업 각각에 대한 평가결과를 산출하는, 인스트럭션들을 더 저장하는 기업평가시스템
|
| 15 |
15
제 13항에 있어서, 상기 메모리는 상기 프로세서가 상기 제1 추론 레이블값과 상기 제2 추론 레이블값을 이용하여, 상기 다수의 기업 사이의 유사도를 나타내는 제1 기업 네트워크를 생성하고,상기 제1 기업 네트워크를 이용하여, 신규기업과의 유사도가 제1 기준값보다 높은, 적어도 하나의 제1 기업을 선정하고,상기 선정된 제1 기업의 평가결과를 기초로 상기 신규기업의 평가결과를 추정하는, 인스트럭션들을 더 저장하는 기업평가시스템
|
