신용평가 번역에 대해서 알아 보겠습니다(한영번역)
.
신용평가 번역(한국어 원본)본 연구는 신용평가에 영향을 주는 설명변수를 알아보고, 설명변수 간의 인과관계에 대하여 분석하는 연구이다. 본 연구에서는 신용평가 관련 선행연구에서 사용한 다중회귀분석 방법이 종속변수와 설명변수 간에 획일적인 선형함수만을 가정하는 데에서 나오는 문제점을 두 가지 측면에서 극복하고자 한다. 첫째는 신용평가에 영향을 미치는 설명변수 간에 존재하는 인과관계(causal relationship)를 도출할 필요가 있다. 이는 어떤 변수가 어떤 변수와 직접 또는 간접적 인과관계를 통하여 신용평가에 영향을 주는지를 의사결정자에게 알려줌으로써 보다 효과적인 의사결정을 지원할 수 있다. 이를 위하여 본 연구에서는 일반 베이지안 네트워크(GBN: General Bayesian Network)을 제안하고 GBN에서 유도되는 마코프 블랭킷(Markov Blanket)을 제시한다. 둘째는 신용평가를 분석하는데 있어 기존연구에서 사용되던 다중회귀분석방법과 베이지안 네트워크방법을 비교분석한다. 셋째, 베이지안 네트워크 계열 간 성과비교를 통해 본 연구에서 사용한 GBN의 우수성을 확인한다. 연구대상기간은 1995년부터 2002년까지이며, 한국신용평가(주)의 회사채 신용등급과 한국신용평가정보(주)에서 제공하는 KIS-VALUEⅡ에서 상장기업 신용평점의 자료를 사용하였다. 연도별-기업별 횡단표본은 신용등급에서 1,019개, 신용평점에서 2,166개로 구성되었다. 이 자료를 기초로 실험한 결과, 베이지안 네트워크를 이용하여 신용평가에 영향을 주는 특성을 확률적 인과관계를 통하여 효과적으로 유추할 수 있었다. |
신용평가 번역(영어 번역본)The purpose of this study is to identify explanatory variables affecting credit assessment, and to analyze the causal relationship among the explanatory variables. The multiple regression analysis method used in previous studies related to credit assessment assumed only a uniform linear function between the dependent variables and the explanatory variables, and it created a problem. This study attempts to overcome this problem in two aspects. First, it is necessary to draw the causal relationship existing between the explanatory variables affecting credit assessment. It can inform decision-makers what variables affect credit assessment through a direct or indirect causal relationship with what other variables, and thus supports more effective decision-making. For this purpose this study proposes the General Bayesian Network (GBN), and presents Markov Blanket derived from the GBN. Second, this study compared the multiple regression analysis method, which was used by previous studies in analyzing credit assessment, with the Bayesian Network method. Third, the excellence of the GBN used in this study is confirmed by comparing the performance of Bayesian Network systems. The study period is from 1995 to 2002, and the corporate bond credit ratings provided by the Korea Investors Service Co., Ltd. and the listed companies’ credit scoring data in KIS-VALUEII provided by the National Information & Credit Evaluation Inc. were used. As for cross-sectional samples by year and company, 1,019 samples came from credit ratings, and 2,166 came from credit scores. An experiment was conducted with these data, and it was possible to use the Bayesian Network to effectively infer the properties affecting credit assessment through the probabilistic causal relationship. |
.
이상 신용평가사에서 의뢰한 신용평가 번역(한영번역)의 일부를 살펴 보았습니다.