머신러닝을 활용한 회계부정 탐지에 관한 탐색적 연구

Abstract

본 연구는 기업의 미래 회계부정을 예측하는 새로운 모형을 제안하는 것을 그 목적으로 한다. 회계부정을 예측하는 모형의 경우 회계부정기업이 소수에 불과하므로 분류 불균형 문제(class imbalance problem)를 지니고 있는데, 기존의 로지스틱 회귀분석 모형은 이를 제대로 반영하지 못하는 단점이 있다. 본 연구는 이러한 분류 불균형 문제를 해결하기 위해 최근 널리 활용되는 머신러닝(machine learning) 기법 중 하나인 앙상블 러닝(ensemble learning)과 RUSBoost 방법론을 활용하였다. 이를 통해 미래 회계부정 예측에 관하여 로지스틱 회귀분석 모형과 예측력을 비교한 결과, 본 연구가 제안하는 새로운 회계부정 탐지 모형이 보다 좋은 예측력을 나타낸다는 점을 확인하였다. 또한, 이러한 개선된 예측력은 고의성이 있는 회계부정과 재무제표상의 숫자에 영향을 미치는 중요한 회계부정의 경우 더 강하게 나타나는 점을 발견하였다. 본 연구의 결과는 머신러닝 방법론을 활용하는 경우 기존의 회계부정 예측 모형이 지니는 한계를 개선할 수 있다는 점을 나타내며, 머신러닝 방법론이 회계 분야의 학계와 실무에 널리 활용될 수 있다는 단초를 제시한다는 점에서 의의가 있다고 할 것이다.