딥러닝을 사용한 상장 건설 기업의 증권 거래 위원회 재무 보고서 텍스트 마이닝을 통한 리스크 식별 및 평가

위험 요소 식별은 건설 산업에서 중요한 주제입니다. 다양한 건설 기업과 산업 이해 관계자들이 자신의 비즈니스와 재정에 영향을 미치는 다양한 유형의 위험을 이해하는 것이 중요합니다. 본 연구는 증권 거래 위원회(SEC)에 제출된 10-K 보고서를 활용하여 상장 건설 회사에 영향을 미치는 위험 유형을 식별하고 분류하기 위해 새로운 텍스트 마이닝 방법 세트를 구현하여 체계적인 방법론을 구축했습니다. 텍스트 유출에서 정보를 추출하기 위해 텍스트 마이닝 및 자연어 처리(NLP)의 발전을 적용하는 구조화된 절차가 개발되었습니다. 위험 패턴을 식별하고 텍스트를 적절한 위험 유형으로 분류하기 위해 FastText라는 최첨단 딥러닝 알고리즘이 구현되었습니다. 주요 발견은 상장 건설 기업이 제출한 위험 공시에서 가장 일반적으로 비즈니스와 관련된 운영 및 재무 위험이 공개되었다는 것입니다. 2006년부터 2018년까지 총 위험 공시의 평균 수가 지속적으로 증가하는 경향을 보였습니다. 같은 기간 동안 기술 위험, 평판/무형 자산 위험, 금융 시장 위험 및 제3자 위험의 비율에서도 성장했습니다. 이 연구의 주요 기여는 (1) 개별 회사 수준, 하위 산업 수준 및 전체 산업 수준에서 위험을 식별하고 정량화하기 위한 위험 온도계 역할을 하는 새로운 방법론 개발이며, (2) 건설 연구자들이 사용하지 않았던 데이터 소스를 활용하여 위험 연구에서 기존의 정보 비대칭을 최소화하는 것입니다. 개발된 방법론과 그 결과가 (1) 상장 건설 회사가 자신과 동료들에게 영향을 미치는 위험을 이해하는 데 사용될 수 있으며, (2) 보증 채권 회사와 보험 제공자가 위험 가격 모델을 보완하는 데 사용할 수 있으며, (3) 주식 투자자와 자본 금융 기관이 건설 비즈니스에 대한 투자에 대해 더 정보에 기반한 위험 기반 결정을 내리도록 도와줄 것으로 기대됩니다.