데이터베이스 연구회지(SIGDB)
Current Result Document :
| 한글제목(Korean Title) |
앙상블 분류 모델을 이용한 스타트업 미래가치 예측 |
| 영문제목(English Title) |
Startup Future Value Prediction Using Ensemble Classification Model |
| 저자(Author) |
신희민
김상호
이기훈
Heemin Shin
Sangho Kim
Ki-Hoon Lee
|
| 원문수록처(Citation) |
VOL 38 NO. 02 PP. 0042 ~ 0054 (2023. 01) |
한글내용
(Korean Abstract) |
한국 경제가 저성장단계에 진입하면서 높은 성장 가능성을 가진 스타트업에 대한 투자가 증가하고 있다. 스타트업은 상장기업과 달리 기업에 대한 정보가 부족하기 때문에 투자를 위한 미래가치를 예측하는 것이 어렵다. 본 논문에서는 앙상블 분류 모델을 이용해 스타트업의 미래가치를 예측하는 방법을 제안한다. 현재 가치와 비교한 미래가치의 변화율을 기준으로 몇 개의 클래스로 나누고 주어진 스타트업이 어느 클래스에 속할지를 예측하여 투자의사결정에 도움을 준다. 제안한 방법은 분류 모델 학습을 위해 스타트업의 재무, 비재무, 기업가치 데이터를 수집한다. 그리고 18개의 분류 모델 중 정확도가 가장 높은 5개의 모델을 결합하는 소프트 투표 기반의 앙상블(ensemble) 방법을 사용하여 스타트업의 클래스를 예측한다. 실제 스타트업 투자 데이터 206개를 이용하여 실험한 결과, 제안한 방법이 주가매출액비율(PSR) 기반의 상대적 가치평가 방법보다 평균적으로 17%P 더 높은 분류 정확도를 보였다. |
영문내용
(English Abstract) |
As the Korean economy enters a low-growth phase, investments in startups with high growth potential are increasing. Unlike listed companies, it is difficult to predict the future value of a startup company for investment because there is a lack of information on the startup. In this paper, we propose a method that predicts the future value of startups using an ensemble classification model. To help investment decisions, we divide startups into a few classes based on the changing rate of the future value compared with the current value and predict which class a given startup will belong to. The proposed method collects financial, non-financial, and company value data from startups for training classification models. It predicts the class of the startup using a soft-voting ensemble method that combines the five most accurate models among 18 classification models. The experimental results using 206 startup investment data show that the proposed method accomplishes 17%P higher classification accuracy on average than the relative valuation method based on Price Sales Ratio (PSR). |
| 키워드(Keyword) |
스타트업
기업가치 예측
머신러닝
분류 모델
앙상블
startup
company value prediction
machine learning
classification model
ensemble
|
| 파일첨부 |
PDF 다운로드
|
