재무지표에 기초한 횡령 및 배임 위험평가

Abstract

본 연구의 목적은 (1) 회계정보의 횡단면상 혹은 시계열상 비기대 금액을 이용하여 횡령⋅배임 위험평가에 도움이 될 수 있는 재무지표를 식별하고, (2) 횡령⋅배임 부정의 예측과 관련하여 로지스틱회귀모형과 서포트벡터머신의 예측정확도를 비교ㆍ평가하는데 있다. 재무제표 상에서 손쉽게 획득 가능한 분석지표를 바탕으로 수행되는 횡령ㆍ배임 위험의 예단은 다양한 이해관계자들의 정보수요를 충족시키는데 도움을 줄 수 있을 것이다. 본 연구의 분석결과를 살펴보면 다음과 같다. 첫째, 네 가지 의사결정영역(즉, 영업관리, 투자관리, 재무전략, 배당정책)에 속한 주요 재무지표들의 전기 비기대 금액은 대부분 당기 횡령ㆍ배임과 통계적으로 유의한 관련성을 갖는 것으로 나타났다. 둘째, 로지스틱회귀모형 확률변화와 서포트벡터머신 분류초평면 가중치에 관한 분석은 영업관리에 속하는 수익성 관련지표들(예; 매출총이익과 영업현금흐름)이 횡령ㆍ배임 위험평가에 보다 유용할 수 있음을 보여주었다. 셋째, 횡령ㆍ배임의 예측과 관련하여, 서포트벡터머신은 로지스틱회귀모형에 비해 유의하게 높은 예측성과를 갖는 것으로 확인되었다. 본 연구의 결과는 재무제표상의 회계정보에 대한 관찰만으로도 횡령ㆍ배임 위험의 예단이 가능할 수 있음을 시사하고 있다. 또한 본 연구의 결과는 회계이슈에 대한 서포트벡터머신의 적용가능성을 시사하고 있다. 서포트벡터머신은 경영 및 의료분야를 비롯하여 그 외의 여러 분야에서 높은 예측정확도를 보여주는 분류모형의 하나로 평가되고 있다. 하지만 지금껏 서포트벡터머신을 이용하여 회계실무에서의 분류 의사결정 문제를 다룬 연구는 많지않았던 것으로 보인다. 회계실무에 대한 서포트벡터머신의 적용가능성은 향후 회계문헌에 방법론적 차원의 기여를 할 수 있을 것으로 기대된다.

The purpose of this paper is (1) to identify financial indicators that can help assess the risk for misappropriation and the breach of trust using the unexpected values of accounting information either in a cross section or in a time series, and (2) to compare and evaluate the performance of logistic regression model and support vector machine in the fraud prediction. The fraud prediction using financial indicators that are readily obtained on the financial statements is expected to help satisfy the information demand of various interested parties. The results show that (1) the unexpected values of key financial indicators in four decision areas (i.e., operating management, investment management, financial strategy, and dividend policies) in the prior period are mostly statistically associated with the fraud detected in the current period, (2) the analysis based on both the probability change of logistic regression model and the hyper-plane weights of support vector machine shows that the profitability-related indicators (e.g., gross profit margins and operating cash flows) are found to be more useful for fraud prediction, and (3) support vector machine significantly outperforms logistic regression model in the prediction accuracy. The results of this paper imply that the risk for misappropriation and breach of trust can be assessed and predicted just simply by observing the accounting information on the financial statements. In addition, the results of this paper also imply the possibility of applying support vector machine to the accounting issues. Support vector machine is believed to be one of classification algorithms with superior prediction accuracy in such areas as business, medicine, and others. However, little research in accounting field applied support vector machine to accounting issues. From the methodological perspective, the discussion of applying support vector machine to accounting issues is able to contribute to accounting literature.