수출입 물류기업의 한계기업 조기 식별을 위한 머신러닝 예측모형 연구 (A Machine Learning Approach for Early Identification of Zombie Firms in the Export-Import Logistics Industry)

서지정보

· 발행기관 : 한국무역경영학회
· 수록지 정보 : 무역경영연구 / 38호 / 81 ~ 100페이지
· 저자명 : 권민수

초록

본 연구는 수출입 물류산업을 대상으로 머신러닝 기법을 활용하여 한계기업을 조기에 식별할 수 있는 예측모형을 구축하고, 설명가능한 AI 기법인 SHAP(Shapley Additive Explanations)을 통해 주요영향변수를 분석하였다. 구체적으로 2001년부터 2024년까지 국내 물류기업들의 재무자료와 거시경제 지표를 결합하여 로지스틱 회귀, 랜덤 포레스트, XGBoost, LightGBM, CatBoost 등 다섯 가지알고리즘을 교차검증으로 비교하였으며, 그 결과 LightGBM 모델이 가장 높은 예측 정확도를 보였다.
이후 선정된 모델에 SHAP 값을 적용한 결과, 기업규모(총자산 로그값), 자산 활용도(총자산회전율), 부채관리 지표(차입금의존도, EBITDA 대비 부채비율), 유동성 지표(유동비율, 당좌비율), 수익성(영업이익률), 성장성(매출액증가율), 생산성(직원 1인당 매출액), 그리고 국내 물동량 성장률 등이 한계기업분류에서 핵심적으로 작용함을 확인하였다. 이러한 결과는 물류기업이 자본집약적 구조와 경기변동에민감하다는 산업 특성을 반영하여, 부채와 현금흐름, 자산 효율성, 그리고 거시환경 지표를 종합적으로 고려해야 함을 시사한다. 본 연구는 조기경보 시스템 관점에서 실무 적용 가능한 고정밀 예측모형을 제안함과 동시에, 한계기업 발생 원인에 대한 구체적 해석을 제공함으로써 물류산업의 부실 예방 및 정책수립에 기여할 수 있을 것으로 기대한다.

영어초록

This study develops a machine learning-based model for early detection of zombie firms in the export-import logistics industry and applies SHAP (Shapley Additive Explanations) to identify key variables affecting firm insolvency. Using financial data and macroeconomic indicators of Korean logistics firms from 2001 to 2024, we compare five classification algorithms—Logistic Regression, Random Forest, XGBoost, LightGBM, and CatBoost—via cross-validation and find that the LightGBM model achieves the highest prediction accuracy. The SHAP analysis of the final model reveals that corporate size (log of total assets), asset utilization (total asset turnover), debt indicators (debt-to-EBITDA ratio, dependence on borrowed capital), liquidity ratios (current ratio and quick ratio), profitability (operating margin), growth metrics (sales growth rate, revenue per employee), and domestic freight growth rate are critical factors for distinguishing zombie firms. These findings underscore the importance of considering not only leverage and profitability but also firm-specific efficiency, liquidity, and macro-level demand to properly assess bankruptcy risks in the capital-intensive and highly cyclical logistics sector. By presenting a high-accuracy early warning system and offering interpretable insights via SHAP, this study provides practical and policy-oriented guidance for mitigating insolvency risks and enhancing financial stability in the logistics industry.

참고자료

· 없음