본 연구는 2018년부터 2024년까지 중국 A주 시장에 상장된 기업 데이터를 활용하여 기업 부도 예측의 정확성과 유연성을 향상시키기 위한 새로운 접근법을 제시하였다. 총 276개 기업이 샘플로 선정되었으며, 이 중 138개 기업은 파산 재편 과정을 거친 기업으로 구성되었다. 단기 및 장기 부채의 가중치를 최적화하기 위해 경사하강법(Gradient Descent)을 활용하였으며, 이를 통해 KMV 모형의 부도 임계값(Default Point Threshold, DPT)을 재정의하였다. 최적화된 가중치를 기반으로 수정된 부도 임계값(DPT)과 부도 거리(Distance to Default, DD)를 제안하여 기존 KMV 모형의 한계를 극복하고자 하였다.

연구 결과, 수정된 KMV 모형은 기존 모형에 비해 부도 위험 예측의 정밀성과 적응력을 크게 향상시키는 것으로 나타났다. 기업별 부채 구조를 반영함으로써 부도 위험에 대한 보다 정확한 평가를 가능하게 하였으며, 금융 환경 변화에 유연하게 대응함으로써 동적이고 견고한 도구로서의 잠재력을 입증하였다. 이러한 접근은 기존 KMV 모형의 한계를 극복하고 부도 위험 평가의 정밀성을 크게 높인 사례로 평가될 수 있다.

본 연구는 KMV 모형의 실무적 활용도를 개선하여, 복잡한 금융 환경에서 기업 신용 위험 평가에 대한 신뢰성을 높이는 새로운 방법론을 제시하였다.

주제어：기업 부도, KMV 모형, 부도 임계값, 부도 거리, 최적화