텍스트 감성분석과 해석가능한 기계학습 기반의 포렌식 기법을 활용한 회계부정탐지 : 내부회계관리제도를 중심으로

초록

본 연구는 기계학습을 기반으로 회계부정탐지모형을 개발하는 데 있어 내부회계관리제도 운영보고서의 텍스트 감성지수가 추가적 예측기여도를 갖는지 탐색적으로 검증한 후 개발된 모형의 해석을 시도하였다. 회계부정의 대용변수로는 금융감독원의 감리지적사례를 사용하였고, 기계학습에 사용될 데이터는 재무비율과 내부회계관리제도 변수 등 총 183개 의 포괄적 입력변수로 구성한 데이터세트(Non-SA Set)와 구글의 자연어처리 API를 이용한 감성지수를 추가한 데이터세트(SA Set)로 구성하였다. 2개의 데이터세트에 4가지 모형을 학습시켜 총 8개의 예측모형을 개발한 결과는 다음과 같다. 첫째, SA Set에서는 로지스틱 모형 기반의 예측모형(LGST-SA)이 가장 높은 예측성과를 보였다. 둘째, Non-SA Set에서는 랜덤포레스트 모형 기반의 예측모형(RF-NSA)이 가장 높은 예측성과를 보였다. 셋째, LGST-SA의 예측성과는 RF-NSA보다 유의하게 높은 것으로 나타나, 감성지수의 예측기여도를 검증하였다. 추가적으로 해석가능한 기계학습 방법 중 하나인 SHAP을 통해 감성지수가 회계부정과 양(+)의 관계를 가지는 것을 사례적으로 확인하였다. 본 연구는 회계부정탐지모형의 개발에 있어 내부회계관리제도 운영보고서 감성분석의 유용성을 검증한 최초의 논문이며, 기계학습의 한계를 극복하기 위한 방안을 제시하였다는 점에서 의의가 있다.

키워드