Journal Search Engine

ISSN : 2005-0461(Print)
ISSN : 2287-7975(Online)

Journal of Society of Korea Industrial and Systems Engineering Vol.49 No.3 pp.86-101
DOI : https://doi.org/10.11627/jksie.2026.49.3.086

A Comparative Analysis of Machine Learning Models and Predictive Variables for Manufacturing Sales Forecasting Using Public Data

Se-Hyeong Cho†

, Woo-Sik Yoo

Department of Industrial and Management Engineering, Incheon National University

^† Corresponding Author : shcho2582@inu.ac.kr

Received 22/06/2026 Finally Revised 12/08/2026 Accepted 13/08/2026

Abstract

This study aims to explore predictive variables for one-period-ahead sales forecasting in manufacturing firms using corporate financial data and public environmental indicators and to compare the predictive performance of machine learning models. For this purpose, a panel of 376 KOSPI-listed manufacturing firms from 2010 to 2024 was used, yielding 5,640 firm-year prediction pairs. The analysis applied Linear Regression, Elastic Net, Random Forest, and Extreme Gradient Boosting (XGBoost), and used expanding-window external validation for input years 2021-2024, time-ordered inner validation for hyperparameter selection, conditional variable assessment after fixing period-t log sales, and ablation analysis of corporate financial data, public data, and their combinations. The main empirical results are as follows. Period-t log sales provided the strongest baseline information for period-t+1 log sales. After fixing period-t log sales, revenue per employee, total capital growth rate, value added ratio, the ratio of depreciation to total costs, and the ratio of labor costs to total costs reduced RMSE, although the reductions were small and most were not statistically significant after Holm adjustment. In the comparison using corporate financial data, Linear Regression achieved the lowest numerical prediction error, with a Mean Squared Error (MSE) of 0.1436, a Root Mean Squared Error (RMSE) of 0.3789, a Mean Absolute Error (MAE) of 0.1891, and an R² of 0.9524. Elastic Net produced an RMSE of 0.3826, XGBoost produced an RMSE of 0.3893, and Random Forest produced an RMSE of 0.3983, while pairwise loss tests did not establish the consistent superiority of Linear Regression over all alternative models. Public-data-only models produced negative R² values, and adding contemporaneous public indicators or industry-sensitive lagged indicators did not improve predictive performance. In the tuned XGBoost model, the corporate-financial-data specification produced a lower RMSE than the single-variable specification, and SHAP analysis identified period-t log sales as the most influential variable. These results indicate that firm-specific financial information provides additional predictive value beyond prior sales, whereas annual public indicators require a data structure that more directly captures industry- and firm-level exposure.

Key Words : Manufacturing Sales Forecasting , Public Data , Predictive Variables , Machine Learning , Orange3 Data Mining

공공데이터 기반 제조업 매출 예측 변인 탐색 및 머신러닝 모형 비교 분석

조세형†, 유우식

인천대학교 산업경영공학과

초록

키워드 :

This article has been cited by 0 article in crossref

Cited-By

Funding:

1. 서 론

기업의 매출액 예측은 생산 자원의 배분과 재무적 대응을 사전에 조정하기 위한 의사결정으로, 경영활동의 불확 실성을 낮추고 자원 운용의 기준을 설정하는 데 있어 매우 중요한 분석 과정이라 할 수 있다[9, 10, 16, 19]. 특히, 제 조업의 경우, 원재료 조달과 생산공정을 거쳐 판매성과를 확보하는 구조를 갖기 때문에 매출 변동이 발생하면 재고 부담, 가동률 조정, 운전자금 수요, 설비투자 판단이 연쇄 적으로 영향을 받으므로 정확한 매출 예측이 필요하다 [22]. 최근 인공지능 활용이 기업 의사결정 영역으로 확대 되면서 예측모형의 역할도 강화되고 있다[13]. 머신러닝(Machine Learning)은 대표적인 데이터 기반 예측기법으로, 관측자료로부터 예측함수를 학습하고 이를 새로운 자 료에 적용하여 예측오차를 줄이는 통계적 학습 접근이다 [12, 14]. 특히, 머신러닝은 자료에 포함된 복합적 관계를 학습하고 미관측 자료에 대한 예측성능을 평가할 수 있는 특성으로 인해 제조기업의 매출 변동을 데이터 기반으로 추정하는 데 유용하다[18, 21]. 이에 최근 들어, 머신러닝을 활용한 제조업 매출성과 예측을 위한 연구가 기업 내부 재무정보의 활용, 외부환경 지표의 반영, 예측모형 간 성 능 비교 측면에서 진행되었다.

기업 재무정보를 활용한 예측연구에서는 재무상태와 생산활동 정보가 기업성과를 설명하는 주요 자료로 활용되었다. 기업성과 예측에 관한 머신러닝 연구에서는 재무 건전성과 운영 효율성이 성과예측의 입력정보로 논의되었으며[7], 제조기업 성과예측 연구에서는 생산활동에 투입되는 비용과 자산 정보가 기업의 성과와 규모를 예측하는 변수로 적용되었다[18]. 또한 중소기업 성장 예측연구에서는 재무지표와 정책지원 요인을 결합한 머신러닝 분석이 수행되었고[8], 중소기업 매출액 수준 예측연구에서는 기 업 재무정보와 거시경제 지표를 함께 활용하여 머신러닝 모형의 적용 가능성이 검토되었다[11]. 한편, 외부환경 정 보를 반영한 매출 예측연구에서는 개별 기업 자료만으로 설명하기 어려운 경기 변동과 시장여건을 예측자료에 포 함하려는 접근이 이루어졌다. 거시경제 지표를 활용한 매 출예측 연구에서는 선행지표가 매출 변동을 예측하기 위 한 외부정보로 활용될 수 있음이 제시되었으며[17, 20], 경 제통계지표와 정부통계지표를 활용한 연구에서는 특정 업 종의 매출액 예측 변인이 분석되었다[9, 10]. 또한 거시경 제 및 금융 변수를 활용한 예측연구에서는 다수의 외부지 표를 머신러닝 모형에 투입하고 예측성능과 변수 중요도를 함께 검토하는 접근이 사용되었다[6].

그러나 기존 연구는 기업 내부자료를 중심으로 한 성과 예측과 외부 통계지표를 활용한 매출예측이 서로 다른 연 구 맥락에서 수행된 경우가 많다. 제조업 매출은 기업 내 부의 재무상태와 생산활동뿐 아니라 산업경기와 금융환경의 영향을 함께 받기 때문에, 특정 자료원이나 개별 모형의 성능만으로 예측 구조를 판단하기 어렵다. 나아가, 차 기 매출액은 직전기 매출 규모와 높은 연속성을 가질 수 있으므로, 다른 재무변수와 공공환경 지표의 유용성은 t기 매출액을 기준으로 설정한 이후의 추가 예측오차 감소로 평가할 필요가 있다. 또한 연도별 공공환경 지표는 동일 연도의 기업에 공통값으로 결합되므로, 원자료 결합과 함께 시차, 변화정보 및 업종별 반응 차이를 구분한 검증이 필요하다.

이에 본 연구는 제조업 기업을 대상으로 기업 연도 패 널자료에서 t기 입력정보를 이용하여 t+1기 로그 매출액을 예측하는 1시점 선행 예측을 수행하고자 한다. 특히 t기 로그 매출액을 기준변수로 고정한 조건부 변인 탐색을 통 해 추가 변인의 예측오차 감소 기여를 확인하고자 한다. 아울러 기업 재무자료, 공공데이터 및 결합자료를 구분한 자료구성별 제거분석을 실시하여 공공환경 지표의 증분 예측기여를 검증하고자 한다. 나아가 공공환경 지표를 원 자료, 1년 시차, 전년 대비 변화값 및 한국표준산업분류 업종범주와의 상호작용으로 구성하고, Orange3(v3.40.0) 플랫폼 환경에서 Linear Regression, Elastic Net, Random Forest 및 Extreme Gradient Boosting(XGBoost)을 적용하 여 시간기준 중첩 검증과 하이퍼파라미터 탐색에 따른 머 신러닝 모형별 예측성능을 비교하고자 한다. 분석범위는 목표연도별 예측오차 비교로 한정하며, 기업효과 추정이나 인과관계 분석은 연구목적에 포함하지 않는다. 본 연구의 결과는 제조업 매출 예측에서 기준매출 이후 추가 정보의 예측기여를 판단하고, 공공데이터 결합방식과 예측모 형 선택에 따른 성능 차이를 검토하며, 제조기업과 금융기 관 및 정책기관의 매출 예측모형 설계와 경영 의사결정을 지원하기 위한 자료로 활용될 수 있다.

2. 이론적 배경

2.1 제조업 매출의 지속성과 기업 재무정보의 예측기여

기업의 차기 매출액은 직전기의 판매규모, 생산능력, 고 객기반, 거래관계 및 시장 범위와 연계된다. 매출예측 연 구에서는 과거 판매자료와 공급망 정보가 미래 수요와 매 출을 추정하는 기준정보로 활용되며, 제조기업에서는 생 산 및 재고 운영과 결합된 과거 실적이 단기 예측의 출발 점으로 사용된다[1, 16, 19, 22]. t기 매출액은 기업 간 규모 차이와 기업 내부의 매출 지속성을 함께 반영하므로 t+1기 매출액 예측의 기준변수로 설정할 수 있다.

직전기 매출액이 기업 규모와 매출의 지속성을 반영하더라도 차기 매출의 변동에는 운영효율, 비용구조, 현금창출능 력, 자금조달 여건 및 생산성의 차이가 함께 관련된다. 성장 및 활동성 지표는 매출, 고용, 자본, 재고 및 운전자본의 변화와 회전효율을 나타내며, 중소기업 성장 예측에서는 매출액증가율, 고용증가율, 총자산증가율 및 총자산회전율 등이 입력정보로 활용되었다[8, 11]. 수익성, 원가 및 현금흐 름 지표는 영업성과, 원가부담, 인건비 비중, 감가상각비 비중 및 자금창출능력을 반영하며, 제조기업 성과 예측에서는 원재료비, 종업원 보상 및 고정자산 관련 정보가 기업성과와 규모를 예측하는 변수로 적용되었다[18].

재무안정성 및 금융부담 지표는 유동성, 부채수준, 차입의 존도, 이자상환능력 및 금융비용 부담을 나타낸다. 생산성 및 부가가치 지표는 노동과 자본 투입이 매출, 영업이익 및 부가가치로 전환되는 효율을 반영한다. 기업성과 예측 관련 선행연구에서도 재무건전성, 운영효율성, 시장지위 및 정책지원 요인이 예측정보로 활용되었다[7, 8, 11, 18].

이들 재무변수의 예측기여는 개별 변수의 단독 성능과 직전기 매출액이 포함된 조건에서의 추가 성능을 구분하 여 평가할 필요가 있다. 차기 매출액 수준을 목표변수로 설정하면 규모변수인 t기 매출액이 높은 설명력을 가질 수 있으므로, 다른 재무변수의 역할은 기준매출 이후 남은 예 측오차를 얼마나 감소시키는지에 따라 판단하는 방식이 적절하다. 이에 본 연구는 t기 로그 매출액을 기준변수로 고정하고, 각 재무변수의 추가 투입에 따른 RMSE 변화와 시간기준 검증에서의 반복 선택 여부를 분석한다.

2.2 외부 공공환경지표의 예측정보와 업종별 반응

외부 공공환경지표는 기업 재무자료에 직접 포함되지 않은 산업경기, 가격환경, 환율환경 및 금융환경을 나타낸다. 제조업생산지수, 출하지수, 재고지수 및 가동률지수는 제조업의 생산활동과 수급상태를 반영하고, 생산자물가지 수와 수입물가지수는 판매가격 및 투입가격의 변화를나 타낸다. 환율과 원유가격은 수출입 조건과 원재료비에 관 련되며, 기준금리, 기업대출금리 및 회사채금리는 자금조 달비용과 투자여건에 관련된다[9, 10, 15, 17, 20].

거시경제지표를 활용한 매출 예측연구에서는 과거 매 출자료만으로 반영하기 어려운 경기변화를 선행지표를 통 해 포착하고, 지표의 선택과 시차를 예측과정에 포함하였다[17, 20]. 국내의 약국 매출 예측연구는 28개 정부통계지 표와 월별 매출자료를 결합하여 경제심리지수, 경기동행 지수순환변동치 및 소비자심리지수의 예측정보를 분석하였고, Random Forest의 예측오차가 비교모형보다 낮게 산 출되었다[9]. 인쇄 관련 중소기업을 대상으로 한 연구에서도 22개 경제통계지표와 월별 매출자료를 활용하였으며, 소비자물가지수와 생활물가지수가 주요 예측변수로 확인 되고 Random Forest의 예측오차가 가장 낮게 산출되었다 [10].

다만 선행연구의 다수는 특정 업종 또는 기업집단의 월 별 매출시계열을 분석단위로 사용하였다. 이 구조에서는 월별 공공지표의 변동이 같은 시점의 매출변동과 직접 대 응하지만, 복수 기업의 연도별 패널자료에서는 동일 연도의 공공지표가 모든 기업에 공통으로 부여된다. 따라서 연도 공공지표는 시점 간 경기변화를 반영할 수 있으나 같은 연도의 기업 간 매출수준 차이를 구분하는 정보는 제한적 일 수 있다.

환율, 원유가격, 물가 및 금리의 영향은 업종의 생산방 식, 원재료 의존도, 수출입 구조 및 자금조달 특성에 따라 달라질 수 있다. 동일한 환율변화도 수출비중이 높은 업종과 수입원재료 의존도가 높은 업종에서 상이한 방향으로 연결될 수 있으며, 원유가격과 수입물가도 업종별 원가구 조에 따라 매출에 반영되는 경로가 달라질 수 있다[15, 17, 20]. 이에 본 연구는 원자료 공공지표의 수준값 외에 1년 시차값과 전년 대비 변화값을 구성하고, KSIC 업종범주와의 상호작용을 통해 업종별 반응 차이를 검토한다. 공공지 표의 기여는 기업 재무자료만 사용한 조건, 공공지표만 사 용한 조건, 기업 재무자료와 공공지표를 결합한 조건의 예 측오차를 비교하여 판단한다.

2.3 머신러닝 기반 기업성과 및 매출 예측 관련 선행연구

머신러닝 기반 예측연구는 개별 계수의 통계적 유의성보다 미관측 자료에 대한 예측오차와 일반화 성능을 중심으로 평가한다[14, 16]. 기업성과 예측연구는 재무건전성, 운영효율성, 시장정보 및 정책지원정보 등 다양한 속성을 입력자료로 구성하고, 모형별 예측성능과 변수 중요도를 함께 분석하였다[7, 8, 18]. 중소기업 성장 예측연구는 재 무상태와 정책지원 요인을 포함한 미시자료에 트리 기반 모형을 적용하였고[8], 제조기업 성과 및 규모 예측연구는 여러 트리계열 모형을 비교하여 매출과 이익의 예측 가능 성을 분석하였다[18].

매출 예측연구에서도 자료유형과 분석단위에 따라 적 용모형과 주요 변수가 달랐다. 특정 업종의 월별 매출과 공공통계지표를 결합한 연구에서는 Random Forest의 예 측오차가 가장 낮게 산출되었으며[9, 10], 중소기업 매출 예측연구에서는 최소제곱법, Least Absolute Shrinkage and Selection Operator(LASSO) 및 인공신경망이 비교되었다 [21]. 대규모 거시경제 선행지표를 활용한 연구에서는 지 표선택, 시차설정, 매출자료 분해 및 차원축소가 외부검증 성능에 미치는 영향이 분석되었다[17, 20].

선행연구에서 상대적으로 낮은 예측오차를 산출한 모 형은 자료구조와 예측대상에 따라 일치하지 않았다. 이는 알고리즘의 복잡성만으로 모형의 우열을 판단하기 어렵고, 분석단위, 자료빈도, 목표변수, 입력정보, 시간분할 및 하이퍼파라미터 설정을 함께 고려해야 함을 의미한다. 또 한 동일한 입력변수라도 선형모형과 트리 기반 모형이 활 용하는 관계구조가 다르므로, 모형 비교와 변인 탐색을 동 일한 절차로 해석하지 않아야 한다.

이에 본 연구는 Linear Regression, Elastic Net, Random Forest 및 Extreme Gradient Boosting(XGBoost)을 동일한 자료구성과 시간기준 외부검증에서 비교하고, 학습자료 내부에서 하이퍼파라미터를 선택한다. 또한 t기 로그 매출 액 이후의 조건부 변인 기여, 공공지표의 추가 예측기여, 모형 간 예측오차 차이 및 설명가능성 분석을 구분하여 수행한다. 이러한 구성은 기업 재무정보와 공공환경정보의 역할을 분리하여 평가하고, 모형별 성능 차이를 동일한 검증조건에서 판단하기 위한 것이다.

3. 연구 방법

3.1 분석자료와 변수 구성

분석단위는 기업 연도이며, t기의 입력변수로 t+1기의 로그 매출액을 예측하였다. 목표변수는 t+1기 로그 매출액이며, 기업 간 규모 차이와 분포의 비대칭성을 완화하기 위해 매출액에 자연로그를 적용하였다. 기업 재무자료는 한국상장회사협의회 KoCoInfo에서 제공하는 376개 KOSPI 상장 제조기업의 자료를 이용하였다. 2010년부터 2024년까 지의 입력연도와 다음 연도 매출액을 연결하여 5,640개의 기업 연도 예측쌍을 구성하였으며, 2025년 입력행은 다음 연도 목표매출이 없어 제외하였다. 모든 기업은 15개 입력연 도를 포함하는 균형패널이다. 입력변수는 t기 로그 매출액, 성장 및 활동성 지표, 수익성, 원가 및 현금흐름 지표, 재무안 정성 및 금융부담 지표, 생산성 및 부가가치 지표, 외부 공공환경 지표로 구성하였다. 기업 재무변수는 기업 연도 단위이고, 공공환경 지표는 제조업의 연도별 생산, 출하, 재고, 가동률, 물가, 환율, 금리 및 원유가격을 반영하는 연도 단위 자료이다. 세부 변수는 <Table 1>과 같다.

3.2 자료 전처리 및 예측쌍 구성

기업코드와 회계연도의 중복, t기 입력자료와 t+1기 매 출액의 연결, 변수 자료형, 결측값 및 무한값을 점검하였다. 일부 공공지표의 자료형은 수치형으로 통일하고 공공 환경 지표 원자료와의 일치 여부를 확인하였다. 목표변수 결측은 해당 예측쌍을 제외하고, 입력변수의 비수치값과 무한값은 결측으로 처리하였다. 입력변수 결측치는 각 학 습 fold의 중앙값으로 대체하고 같은 값을 검증자료에 적 용하였다. Linear Regression과 Elastic Net의 표준화도 학 습 fold 안에서 적합한 후 검증자료에 적용하였으며, Random Forest와 XGBoost에는 표준화를 적용하지 않았다. 매출액은 자연로그로 변환하고 증가율과 비율 변수는 원자료 값을 사용하였다. 공공지표의 입력시점은 t기 기업 재무정보와 연간 공공지표가 확정된 이후로 설정하였으며, 회계연도 t의 확정정보를 이용한 t+1기 예측으로 분석 범위를 한정하였다. 업종별 차이는 KSIC 세세분류로 구성하였다. 기업 수가 3개 이상인 38개 업종은 개별 범주로 유지하고 나머지는 기타 제조업으로 통합하였다. 업종별 수출비중이나 원가노출도에 임의의 계수를 적용하지 않고, KSIC 업종범주와 1년 시차 공공지표 및 전년 대비 변 화값의 상호작용으로 업종별 민감도를 구성하였다.

3.3 분석설계와 자료구성별 비교

변인별 기초 예측정보를 확인하기 위해 2010년부터 2020년까지의 학습자료에서 Linear Regression과 10-fold 교차검증을 적용하여 단변량 MSE, RMSE, MAE 및 R²를 산출하였다. 이후 단변량 RMSE 순서에 따라 변수를 누적하고 고정 하이퍼파라미터 조건에서 네 모형의 외부검증 성능을 계산하였다. 이 분석은 변인별 예측정보와 누적 투 입에 따른 성능 변화를 기술하기 위한 기초분석으로 사용하였다.

자료구성별 비교는 D0부터 D5까지 설정하였다. D0는 t기 로그 매출액, D1은 D0와 기업 재무변수, D2는 공공데 이터, D3은 D1과 당기 공공지표, D4는 D1과 KSIC 업종범 주, D5는 D4와 1년 시차 공공지표, 전년 대비 변화값 및 업종 상호작용으로 구성하였다. 각 자료구성에는 동일한 외부검증 관측치와 하이퍼파라미터 탐색절차를 적용하였다. 자료 입력변수는 <Table 2>와 같다.

3.4 시간순 중첩 검증

외부검증은 입력연도 2021년부터 2024년까지 한 해씩 이동하는 expanding-window 방식으로 수행하였다. 같은 입력연도의 모든 기업을 하나의 검증 블록으로 구성하고, 입력연도 2021년 검증에는 2010년부터 2020년까지를 학 습자료로 사용하였다. 이후 외부 fold에서는 직전 입력연 도까지 학습범위를 확대하였다. 외부검증자료는 총 1,504개 기업 연도 관측치이다. 각 외부 학습자료에서는 이용 가능한 마지막 3개 입력연도를 내부검증 연도로 순차 적 용하고 이전 연도를 학습자료로 사용하는 내부 expanding-window를 구성하였다. 하이퍼파라미터와 순차 전진선 택은 내부검증 평균 RMSE로 결정하였으며, 외부검증자 료는 최종 성능 산출 전까지 전처리, 변수선택 및 하이퍼 파라미터 결정에 사용하지 않았다. 외부검증 fold별 학습 연도와 검증연도 구성은 <Table 3>과 같다.

3.5 예측모형과 하이퍼파라미터 탐색

Linear Regression은 선형 기준모형, Elastic Net은 L1과 L2 규제를 결합한 규제형 회귀모형, Random Forest는 배 깅 기반 트리 앙상블 모형, XGBoost는 부스팅 기반 트리 앙상블 모형으로 적용하였다[2, 3, 5, 23].

Linear Regression에는 별도 탐색을 적용하지 않았다. Elastic Net은 alpha와 l1_ratio의 35개 조합을 Grid Search로 평가하였다. Random Forest와 XGBoost는 각각 16개와 20개 조합을 Randomized Search로 평가하였다. XGBoost는 최대 1,200회 학습하되 내부검증 RMSE가 50회 동안 개선되지 않으면 종료하였다. 모든 모형은 같은 내부 fold와 평균 RMSE를 선택기준으로 사용하였다. 모형별 하이 퍼파라미터 탐색범위와 선택기준은 <Table 4>와 같다.

외부검증 fold별로 하이퍼파라미터는 <Table 5>와 같다.

3.6 조건부 변인 선택과 공공데이터 증분기여 분석

단변량 순위의 한계를 보완하기 위해 t기 로그 매출액을 기준변수로 고정하고 각 후보변수를 하나씩 추가하여 외 부검증 RMSE 감소량을 계산하였다. 조건부 기여는 다음과 같이 정의하였다.

{ΔRMSE}_{j} = RMSE (D0) - RMSE (D0 + x_{j})

ΔRMSE가 양수이면 후보변수 추가 후 예측오차가 감 소한 경우이다. 기업별 평균 제곱오차에 paired t-test를 적용하고 다중비교는 Holm 방식으로 보정하였다. 또한 각 외부 fold의 학습자료에서 순차 전진선택을 수행하고, 내부검증 평균 RMSE 감소폭이 fold 간 표준오차를 초과 하지 않으면 선택을 종료하였다. 외부 fold별 선택빈도로 반복성을 평가하였다. 공공데이터의 증분 예측기여는 D3과 D1, D5와 D4의 RMSE 및 MAE 차이로 평가하고, 기업 단위 cluster bootstrap 2,000회로 95% 신뢰구간을 산출하였다. XGBoost에는 gain importance, SHAP 및 Partial Dependence Plot을 적용하고, Random Forest는 검 증 목표값의 학습범위 초과 여부에 따라 오차를 구분하였다.

3.7 성능평가와 통계검정

성능평가에는 Mean Squared Error(MSE), Root Mean Squared Error(RMSE), Mean Absolute Error(MAE) 및 R²를 사용하였다. MSE, RMSE 및 MAE는 값이 작을수록 예측 오차가 낮고, R²는 값이 클수록 예측설명력이 높다. R²는 다음과 같이 산출하였다.

R^{2} = 1 - \frac{\sum {(y_{i} - {\hat{y}}_{i})}^{2}}{\sum {(y_{i} - \bar{y})}^{2}}

R²가 음수이면 해당 모형의 외부검증 제곱오차가 검증표 본의 평균값을 모든 관측치에 적용한 예측보다 큰 경우이다. 음의 값은 실제값과 예측값, 표본 정렬 및 로그변환을 재확인한 후 해석하였다. 모형 간 차이는 기업별 외부검증 평균 제곱오차와 평균 절대오차에 paired t-test와 Wilcoxon signed-rank test를 적용하고, 여섯 개 모형쌍의 p값을 Holm 방식으로 보정하였다. RMSE와 MAE의 95% 신뢰구간은 기업 단위 cluster bootstrap 2,000회로 산출하였다. 예측오차 진단에는 Prediction versus Actual, Residual Plot, Error Distribution 및 입력연도별 R²를 이용하였다.

4. 연구결과

4.1 표본 특성과 기술통계

분석표본은 376개 기업의 2010년부터 2024년까지 5,640개 기업 연도 관측치로 구성되었다. 외부검증에는 입력연도 2021년부터 2024년까지 1,504개 관측치를 사용하였다. KSIC 세세분류 가운데 기업 수가 3개 이상인 38개 업종을 유지하고, 146개 기업은 기타 제조업으로 통합하였다. 분석표본과 외부검증 관측치 구성은 <Table 6>과 같다.

기업 재무변수는 기업 연도 단위, 모든 기업에 공통으로 적용되는 공공환경 지표는 연도 단위로 기술통계를 산출하였다. t기 로그 매출액의 평균은 12.540이고 표준편차는 1.668이다. 매출액증가율, 종업원수증가율 및 재고자산증 가율은 관측범위가 크게 산출되었으며, 공공지표는 15개 연도값을 기준으로 요약하였다. 기업재무변수와 공공환경 지표의 기술통계는 <Table 7>과 같다.

4.2 변인별 예측성능과 누적 투입 결과

단변량 분석에서 t기 로그 매출액은 MSE 0.148, RMSE 0.384, MAE 0.166 및 R² 0.946으로 가장 낮은 예측오차와 가장 높은 예측설명력을 산출하였다. 이는 차기 로그 매출 액이 직전기 매출 규모와 높은 연속성을 갖는 결과이다. 순운전자본회전률, 인건비 대 총비용비율, CASH FLOW 대 총자본비율, 기계장비율, 매출원가 대 매출액비율 및 총자본투자효율이 그다음 순위에 포함되었다. 성장률 변 수와 공공환경 지표의 R²는 0에 근접하거나 음수로 산출되었다. 음의 R²는 해당 변수의 예측오차가 검증표본 평균값을 적용한 예측오차보다 큰 경우이다. 단변량 예측성능과 RMSE 기준 순위는 <Table 8>과 같다.

누적 투입 분석에서 Linear Regression은 16개 변수에서 RMSE 0.379, Elastic Net은 15개 변수에서 0.392, Random Forest는 15개 변수에서 0.416, XGBoost는 1개 변수에서 0.408을 산출하였다. 해당 결과는 고정 하이퍼파라미터와 단변량 RMSE 순서에 따른 기초분석이며, 모형 간 비교와 추가 변인의 기여는 시간순 중첩 검증과 조건부 분석 결과를 기준으로 해석하였다. 알고리즘별 최적 누적 변수 수와 예측성능은 <Table 9>와 같다.

변수별 단변량 R2 비교 결과는 <Figure 1>과 같다.

4.3 기준매출 통제 후 조건부 변인 기여

t기 로그 매출액만 사용한 D0 Linear Regression의 외부 검증 RMSE는 0.3959이다. 후보변수 추가 후 RMSE는 종 업원 1인당 매출액 0.3907, 총자본증가율 0.3910, 부가가 치율 0.3932, 감가상각비 대 총비용비율 0.3933, 인건비 대 총비용비율 0.3936 순으로 감소하였다. 다만 Holm 보정 후 통계적으로 확인된 Dubai 원유가격의 ΔRMSE는 0.0013으로 크기가 작았다. 기준매출 통제 후 조건부 변인 기여는 <Table 10>과 같다.

순차 전진선택에서는 총자본증가율과 감가상각비 대 총 비용비율이 각각 3개 외부 fold, 종업원 1인당 매출액과 종 업원 1인당 부가가치가 각각 2개 fold에서 선택되었다. 한 개 fold에서만 선택된 변수보다 반복 선택된 재무변수를 중 심으로 조건부 기여를 해석하였다. 순차전진선택의 변인별 선택빈도는 <Table 11>과 같다.

4.4 하이퍼파라미터 탐색에 따른 모형별 예측성능과 차이검정

기업 재무자료 D1에 시간순 중첩 검증과 하이퍼파라미 터 탐색을 적용한 결과, 외부검증 RMSE는 Linear Regression 0.3789, Elastic Net 0.3826, XGBoost 0.3893, Random Forest 0.3983 순으로 산출되었다. MAE는 각각 0.1891, 0.1906, 0.2013, 0.2023이다. 기업재무자료 모형의 외부검증 성능은 <Table 12>와 같다.

제곱오차의 paired t-test와 Holm 보정에서는 Linear Regression과 Random Forest, Elastic Net과 Random Forest의 차이가 확인되었다. Wilcoxon 검정과 절대오차 검정의 결과는 일부 모형쌍에서 달랐다. 이에 Linear Regression은 수치상 가장 낮은 RMSE를 산출하였으나, Elastic Net 및 XGBoost와의 차이는 검정방법과 손실함수에 따라 다르게 평가되었다. 조정 모형 간 예측 손실의 쌍별 검정 결과는 <Table 13>과 같다.

4.5 자료구성별 공공데이터 증분기여

t기 로그 매출액만 사용한 D0보다 기업 재무변수를 추가 한 D1의 RMSE는 네 모형에서 모두 감소하였다. 감소폭은 Linear Regression 0.0170, Elastic Net 0.0138, Random Forest 0.0216, XGBoost 0.0153이다. 공공데이터만 사용한 D2는 네 모형 모두 음의 R²를 산출하였다. D1에 당기 공공지표를 추가한 D3은 Linear Regression, Elastic Net 및 Random Forest에서 RMSE가 증가하였고, XGBoost의 변화량은 0.0012로 신뢰구간이 0을 포함하였다. KSIC 업종범주를 포함한 D4에 서는 Linear Regression과 XGBoost의 RMSE가 D1보다 소폭 감소하였으나, 시차 공공지표와 업종 상호작용을 추가한 D5는 네 모형 모두 D4보다 높은 RMSE를 산출하였다. 자료 구성별 제거분석 결과는 <Table 14>와 같다.

공공데이터 추가에 따른 예측오차 변화는 <Table 15>와 같다.

Bootstrap 비교에서 D3과 D1의 RMSE 증가 신뢰구간은 Linear Regression, Elastic Net 및 Random Forest에서 0을 포함하지 않았고, D5와 D4의 비교에서는 네 모형 모두 RMSE와 MAE 증가 신뢰구간이 0을 포함하지 않았다. 따 라서 현재 자료구성과 변수생성 방식에서는 공공데이터의 증분 예측기여가 확인되지 않았다.

4.6 외부검증 오차와 음의 R²

D1 Linear Regression의 실제값과 예측값은 45도 기준선 주변에 분포하였고 잔차는 대체로 0 주변에 분포하였다. 입력연도별 R²는 2021년 0.9646, 2022년 0.8959, 2023년 0.9779, 2024년 0.9712이며, 2022년의 예측오차가 상대적으로 컸다. D1 선형회귀모형의 예측진단 결과는 <Figure 2>와 같다.

공공데이터 단독 조건 D2의 R²는 모든 모형과 외부 fold에서 음수로 산출되었다. Linear Regression의 fold별 R²는-0.0879, -0.0544, -0.0629 및 -0.0017이며, 다른 모형도 0에 근접한 음수를 산출하였다. 실제값과 예측값의 재계산 결 과가 동일하므로 이는 표기오류가 아니라 검증표본 평균 예측보다 큰 제곱오차를 산출한 결과이다.

4.7 XGBoost의 변수구성별 성능과 설명가능성 분석

하이퍼파라미터를 고정한 기초분석에서 XGBoost는 t기 로그 매출액 1개 모형에서 RMSE 0.408을 산출하였다. 시 간순 중첩 검증과 하이퍼파라미터 탐색을 적용한 결과, 기 준매출 1개 모형의 RMSE는 0.4040, 기업 재무변수 23개 모형은 0.3893, 기업 재무변수와 공공지표 34개 모형은 0.3906이다. 따라서 1개 변수 최적 결과는 고정 설정과 공 통 누적 투입순서의 영향을 받은 결과이다. XGBoost의 입 력변수 구성별 예측성능은 <Table 16>과 같다. SHAP 분석에서 t기 로그 매출액의 평균 절대 SHAP 값은 1.2589로 가장 컸다. 기업대출금리 0.0232, 재고자산증 가율 0.0194, 종업원수증가율 0.0182 및 총자본증가율 0.0140이 그다음 순위였으나 차이가 컸다. SHAP 분포와 PDP에서는 t기 로그 매출액이 증가할수록 예측값이 증가 하는 관계가 확인되었다. 조절 XGBoost 모형의 SHAP 분 석 결과는 <Figure 3>과 같다. 학습곡선에서 내부검증 RMSE는 141번째 반복에서 0.2694로 최소값을 산출하였고, 이후 75회 동안 개선되지 않아 216번째 반복에서 학습이 종료되었다. 학습오차는 계속 감소했으나 내부검증오 차는 개선되지 않아 early stopping이 추가 학습을 제한하였다. XGBoost의 부분의존성과 학습곡선은 <Figure 4>와 같다.

4.8 Random Forest의 외삽오차 진단

입력연도 2021년과 2024년에 각각 1개 관측치가 해당 외부 fold 학습자료의 목표값 상한을 초과하였다. 상한 초과 관측치에서 Random Forest의 RMSE는 각각 0.5331과 0.9375이며, Linear Regression은 0.1471과 0.1648이다. Random Forest의 평균 예측오차는 두 관측치에서 음수로 산출되어 고매출 기업을 과소예측하였다. 학습범위 안에 서도 Random Forest의 RMSE는 Linear Regression보다 높았다. 따라서 외삽 제한은 상한 초과 관측치의 오차를 설명 하지만 전체 성능 차이를 모두 설명하지는 않는다. Random Forest의 외삽오차 진단 결과는 <Table 17>과 같다.

5. 결 론

본 연구는 공공데이터와 376개 KOSPI 상장 제조기업의 2010년부터 2024년까지 기업 재무자료를 활용하여 t기 입 력정보로 t+1기 로그 매출액을 예측하고, 기준매출 이후 추가 변인의 조건부 예측기여, 공공환경 지표의 증분 예측 기여 및 머신러닝 모형별 외부검증 성능을 분석하였다. 분 석은 Orange3(v3.40.0) 플랫폼 환경에서 Linear Regression, Elastic Net, Random Forest 및 Extreme Gradient Boosting (XGBoost)을 적용하고, 입력연도 2021년부터 2024년까지를 한 해씩 검증하는 expanding-window와 학습자료 내부의 시간순 검증을 결합하였다. Elastic Net, Random Forest 및 XGBoost의 하이퍼파라미터는 내부검증 평균 RMSE를 기준으로 탐색하였다. t기 로그 매출액을 기준변수로 고정 한 조건부 분석에서는 종업원 1인당 매출액, 총자본증가 율, 부가가치율, 감가상각비 대 총비용비율 및 인건비 대 총비용비율을 추가할 때 RMSE가 감소하였다. 다만 감소 폭은 0.0052 이하였으며, Holm 보정 이후 통계적으로 확 인된 Dubai 원유가격의 RMSE 감소폭도 0.0013이었다. 외 부 fold별 순차 전진선택에서는 총자본증가율과 감가상각 비 대 총비용비율이 각각 3개 fold에서, 종업원 1인당 매출 액과 종업원 1인당 부가가치가 각각 2개 fold에서 선택되었다. 이에 추가 변인의 예측기여는 단변량 순위보다 기준 매출 통제 후 오차 감소와 시간구간별 반복 선택을 함께 고려하여 판단할 필요가 있다. 기업 재무자료로 구성한 D1에서 시간순 중첩 검증과 하이퍼파라미터 탐색을 적용 한 외부검증 RMSE는 Linear Regression 0.3789, Elastic Net 0.3826, XGBoost 0.3893, Random Forest 0.3983이었다. 제곱오차 검정에서는 Linear Regression과 Elastic Net이 Random Forest보다 낮은 손실을 산출하였고, 절대오차 검 정에서는 두 선형모형이 Random Forest와 XGBoost보다 낮은 손실을 산출하였다. Linear Regression과 Elastic Net의 차이는 통계적으로 확인되지 않았으며, Linear Regression과 XGBoost의 차이는 손실함수와 검정방법에 따라 달랐다. 따라서 Linear Regression은 수치상 가장 낮은 RMSE를 산출하였으나 모든 비교모형에 대한 일관된 상대적 우위로 해석하기 어렵다. 자료구성별 분석에서는 t기 로그 매 출액만 포함한 D0에 기업 재무변수를 추가한 D1의 RMSE가 네 모형에서 모두 감소하였다. 반면 공공데이터만 사용 한 D2는 모든 모형에서 음의 R²를 산출하였다. D1에 당기 공공지표를 추가한 D3은 Linear Regression, Elastic Net 및 Random Forest에서 RMSE가 증가하였고, XGBoost의 변 화는 신뢰구간이 0을 포함하였다. KSIC 업종범주를 포함 한 D4는 일부 모형에서 D1보다 소폭 낮은 RMSE를 산출하였으나, 1년 시차 공공지표, 전년 대비 변화값 및 업종 상호작용을 추가한 D5는 네 모형 모두 D4보다 높은 오차를 산출하였다. 기업 단위 bootstrap 비교에서도 D3과 D1의 오차 증가가 세 모형에서 확인되었고, D5와 D4의 비교에서는 네 모형 모두 RMSE와 MAE 증가 신뢰구간이 0을 포함하지 않았다. 이에 현재의 연도별 공공지표와 업종 상 호작용 구성에서는 공공데이터의 증분 예측기여가 확인되 지 않았다. 이 결과는 공공환경 정보의 시간단위와 기업별 차등정보가 제조기업 단위 매출 예측에 적합하도록 구성되어야 함을 의미한다. XGBoost의 변수구성별 재분석에 서는 기준매출 1개 모형의 RMSE가 0.4040, 기업 재무변 수 23개 모형이 0.3893, 기업 재무변수와 공공지표 34개 모형이 0.3906으로 산출되었다. 기존의 단일 변수 최적 결 과는 고정 하이퍼파라미터와 공통 누적 투입순서의 영향을 받은 결과이며, 하이퍼파라미터 탐색 이후에는 기업 재 무변수를 포함한 모형의 오차가 더 낮았다. SHAP 분석에 서도 t기 로그 매출액의 영향이 가장 크게 산출되었으며, early stopping은 내부검증오차가 개선되지 않는 구간에서 추가 학습을 제한하였다. Random Forest는 학습범위를 초 과한 고매출 관측치에서 과소예측과 큰 오차가 확인되었으나, 학습범위 안에서도 Linear Regression보다 높은 RMSE를 산출하였다. 따라서 외삽 제한은 일부 고매출 관 측치의 오차를 설명하지만 전체 성능 차이의 유일한 원인으로 해석할 수 없다. 기업 재무정보와 정책지원 요인을 활용한 기업성과 예측연구에서 기업별 재무상태와 운영정 보가 주요 입력자료로 활용된 점과 비교하면, 본 연구에서 D1이 D0보다 모든 모형에서 낮은 RMSE를 산출한 결과는 기업 고유 재무정보의 추가 예측기여와 같은 방향이다[7, 8, 18]. 반면 특정 업종의 월별 매출자료와 공공통계지표를 결합한 연구에서는 Random Forest의 예측오차가 비교 모형보다 낮고 일부 경기 및 물가지표가 주요 예측변수로 확인되었다[9, 10]. 본 연구에서 공공데이터의 증분 기여가 확인되지 않은 차이는 선행연구가 특정 업종의 월별 시계열을 이용하여 공공지표의 시점 변동과 매출변동을 직접 연결한 반면, 본 연구는 복수 기업의 연도 패널자료에서 동일 연도 공공지표가 모든 기업에 공통으로 적용된 자료구조와 관련된다. 또한 본 연구는 직전기 로그 매출액을 기준변수로 포함하고 시간순 중첩 검증과 하이퍼파라 미터 탐색을 적용하였으므로, 자료빈도, 분석단위, 목표변 수 및 검증방식의 차이가 주요 변인과 모형별 성능 차이에 함께 반영된 결과이다.

본 연구의 학술적 의의는 제조업 차기 매출 예측에서 기준매출의 설명력과 추가 재무변인의 조건부 기여를 구 분하고, 기업 재무자료, 공공데이터 및 결합자료를 동일한 검증조건에서 비교하여 공공데이터의 증분 예측기여를 직 접 평가한 데 있다. 또한 모형별 하이퍼파라미터 탐색, 예 측손실 검정, XGBoost 설명가능성 분석 및 Random Forest 외삽 진단을 함께 적용하여 수치상 성능순위와 통계적으로 확인된 차이를 구분하였다. 제조기업과 금융기관은 직 전기 매출액을 기준으로 기업별 성장, 비용 및 생산성 정 보를 선택적으로 추가하고, 외부검증 오차가 감소하는지를 확인하여 예측모형을 구성할 필요가 있다. 정책기관은 기업별 매출 예측에 활용할 공공데이터를 제공할 때 연도 공통값과 함께 업종별 생산, 출하, 재고, 가동률, 수출노출도 및 원가노출도와 같은 차등정보를 제공할 필요가 있다. 본 연구의 범위는 376개 KOSPI 상장 제조기업과 15개 연 도의 균형패널에 한정되므로 비상장기업과 중소기업에 동 일한 결과를 적용하기 어렵다. 또한 연간 자료를 사용하였으므로 월별 또는 분기별 경기변동을 반영하는 데 제한이 있으며, 공공환경 지표의 최초 발표값과 사후 개정값을 모 두 구분하지 못하였다. 업종 민감도는 KSIC 범주와 시차 공공지표의 상호작용으로 구성하였으므로 기업별 수출비 중, 원재료 의존도 및 자금조달 노출을 직접 측정한 값과 차이가 있을 수 있다. 향후 연구에서는 고빈도 공공지표의 발표시점 자료, 업종별 활동지표 및 기업별 외부환경 노출 정보를 결합하고, 상장 여부와 기업규모를 구분하여 공공 데이터의 예측기여를 다시 검증할 필요가 있다. 또한 본 연구는 당해 연도의 정보를 이용하여 다음 연도의 매출액을 예측하고 예측오차를 비교한 연구이기에, 분석결과를 변수와 매출액 간의 인과관계로 해석하는 데에는 제한적이다. 본 연구의 결과는 제조업 매출 예측에서 변수 수의 확대나 모형 복잡도보다 예측시점에 이용 가능한 기업별 정보의 성격과 검증설계가 모형 성능을 결정하는 중요한 기준임을 제시한다.

Figure

<Figure 1>.

Comparison of Univariate Predictive Explanatory Power

<Figure 2>.

Prediction Diagnostics for the Tuned Linear Regression Model Using D1

<Figure 3>.

SHAP Summary Plot for the Tuned XGBoost Model

<Figure 4>.

XGBoost Partial Dependence and Learning Curve

Table

<Table 1>.

Composition of Variables

Category	Indicator Group	Variable
Outcome variable	Sales performance	t+1-period log sales
Input variables	Baseline sales indicators	t-period log sales
Growth and Activity Indicators	Revenue Growth Rate, Employee Growth Rate, Total Capital Growth Rate, Inventory Growth Rate, Net Working Capital Turnover
Profitability, cost and cash-flow indicators	Operating Profit Margin, EBITDA to Revenue Ratio, Cost of Goods Sold to Revenue Ratio, Labor Cost to Total Cost Ratio, Depreciation to Total Cost Ratio, Cash Flow to Total Capital Ratio
Financial stability and financing burden indicators	Current Ratio, Debt Ratio, Debt Dependency Ratio, Interest Coverage Ratio, Financial Cost Burden Ratio
Productivity and value added indicators	Revenue per Employee, Value Added per Employee, Operating Profit per Employee, Total Capital Investment Efficiency, Value Added Ratio, Machinery Equipment Ratio
External public environmental indicators	Manufacturing Inventory Index, Manufacturing Production Index, Manufacturing Shipment Index, Manufacturing Utilization Index, Producer Price Index, Import Price Index, Exchange Rate, Base Interest Rate, Corporate Loan Rate, Dubai Crude Oil Price, 3-Year Corporate Bond Yield

<Table 2>.

Data Configurations for the Additional Analyses

Code	Data Configuration	Input Variable
D0	Baseline Sales	t-period log sales
D1	Corporate Financial Data	D0 and corporate financial variables
D2	Public Data	External public environmental indicators
D3	Financial + Public Data	D1 and contemporaneous public indicators
D4	Financial + Industry	D1 and KSIC industry categories
D5	Financial + Industry-Sensitive Public Data	D4, one-year-lag public indicators, prior-year changes, and industry interactions

<Table 3>.

Expanding-Window External Validation Design

Outer Fold	Training Input Years	Validation Input Year	Target Year	Training N	Validation N
Fold 1	2010-2020	2021	2022	4,136	376
Fold 2	2010-2021	2022	2023	4,512	376
Fold 3	2010-2022	2023	2024	4,888	376
Fold 4	2010-2023	2024	2025	5,264	376

<Table 4>.

Hyperparameter Search Space

Model	Search Method	Search Space	Selection Criterion
Linear Regression	No search	Intercept included; fold-wise standardization	Reference model
Elastic Net	Grid Search, 35 combinations	alpha: 10⁻⁵, 10⁻⁴, 10⁻³, 10⁻², 10⁻¹, 1, 10; l1_ratio: 0.05, 0.25, 0.50, 0.75, 0.95	Minimum mean inner-validation RMSE
Random Forest	Randomized Search, 16 combinations	n_estimators: 250, 400, 600, 800; max_depth: None, 6, 10, 16; min_samples_split: 2, 5, 10, 20; min_samples_leaf: 1, 2, 5, 10; max_features: 0.3, 0.5, 0.8, 1.0, sqrt	Minimum mean inner-validation RMSE
XGBoost	Randomized Search, 20 combinations	learning_rate: 0.01-0.10; max_depth: 2-6; min_child_weight: 1, 3, 5, 8, 10; subsample and colsample_bytree: 0.60-1.00; gamma: 0-0.70; reg_alpha: 0-1; reg_lambda: 0.1-10; n_estimators ≤ 1,200	Minimum mean inner-validation RMSE and early stopping

<Table 5>.

Hyperparameters Selected for D1 by Outer Validation Fold

Model	Validation Input Year	Selected Hyperparameters
Elastic Net	2021	alpha=0.01, l1_ratio=0.95
Elastic Net	2022	alpha=0.001, l1_ratio=0.95
Elastic Net	2023	alpha=1e-05, l1_ratio=0.05
Elastic Net	2024	alpha=1e-05, l1_ratio=0.05
Random Forest	2021	n_estimators=400, max_depth=10, min_samples_split=20, min_samples_leaf=5, max_features=0.8
Random Forest	2022	n_estimators=250, max_depth=None, min_samples_split=2, min_samples_leaf=5, max_features=0.8
Random Forest	2023	n_estimators=250, max_depth=None, min_samples_split=5, min_samples_leaf=5, max_features=0.8
Random Forest	2024	n_estimators=250, max_depth=10, min_samples_split=2, min_samples_leaf=10, max_features=0.8
XGBoost	2021	learning_rate=0.05, max_depth=3, min_child_weight=3, subsample=1.0, colsample_bytree=1.0, gamma=0.3, reg_alpha=0.01, reg_lambda=0.1, n_estimators=106
XGBoost	2022	learning_rate=0.1, max_depth=3, min_child_weight=5, subsample=0.6, colsample_bytree=1.0, gamma=0.3, reg_alpha=0.001, reg_lambda=0.1, n_estimators=137
XGBoost	2023	learning_rate=0.05, max_depth=3, min_child_weight=3, subsample=1.0, colsample_bytree=1.0, gamma=0.05, reg_alpha=0.01, reg_lambda=0.1, n_estimators=227
XGBoost	2024	learning_rate=0.01, max_depth=2, min_child_weight=10, subsample=0.9, colsample_bytree=1.0, gamma=0.1, reg_alpha=0.0, reg_lambda=0.5, n_estimators=1195

<Table 6>.

Sample Composition

Item	Value	Description
Firm-year observations	5,640	376 firms × 15 input years
Firms	376	KOSPI manufacturing firms; balanced panel
Input years	15	2010-2024
External-validation observations	1,504	Input years 2021-2024
Retained KSIC categories	38	Categories with at least three firms
Firms grouped as other manufacturing	146	Sparse KSIC categories combined

<Table 7>.

Descriptive Statistics

Note: ln(Sales) is expressed as the natural logarithm of sales. Corporate variables are based on 5,640 firm-year observations, whereas public indicators are based on 15 annual observations.

Type	Variable	N	Mean	SD	Median	Min	Max
Corporate	ln(Sales)	5640	12.540	1.668	12.403	7.365	19.171
	Revenue Growth Rate	5640	7.542	55.139	3.300	-99.810	2684.000
	Employee Growth Rate	5640	4.209	58.376	0.780	-99.710	1866.100
	Total Capital Growth Rate	5640	5.720	20.117	3.190	-87.770	453.790
	Inventory Growth Rate	5640	29.041	943.807	1.130	-100.000	65026.820
	Net Working Capital Turnover	5640	1.192	0.587	1.160	0.010	9.120
	Operating Profit Margin	5640	7.805	22.927	4.700	-457.910	132.840
	Cost of Goods Sold to Revenue Ratio	5640	74.023	28.480	83.770	0.000	510.610
	Labor Cost to Total Cost Ratio	5640	13.487	12.368	10.640	-10.770	331.800
	Depreciation to Total Cost Ratio	5640	4.127	13.892	2.880	0.000	456.310
	Cash Flow to Total Capital Ratio	5640	4.220	5.940	3.990	-158.670	59.830
	Current Ratio	5640	417.159	2291.976	143.240	0.130	102156.430
	Debt Ratio	5640	100.225	287.547	61.430	0.000	13769.960
	Debt Dependency Ratio	5640	20.458	16.628	18.880	0.000	125.850
	Financial Cost Burden Ratio	5640	0.482	10.324	0.290	-397.720	138.000
	Interest Coverage Ratio	5640	47695876.170	213138906.787	5.325	-74309.870	999999999.000
	Value Added per Employee	5640	292.148	1132.739	127.415	-8576.160	45285.310
	Operating Profit per Employee	5640	165.610	925.617	32.555	-2140.720	39374.220
	Total Capital Investment Efficiency	5640	13.684	10.942	13.400	-109.150	194.900
	Value Added Ratio	5640	24.793	49.598	19.075	-1440.820	1250.740
	Machinery Equipment Ratio	5640	44.809	110.764	0.000	0.000	1016.060
	EBITDA to Revenue Ratio	5640	12.179	30.569	7.795	-456.470	848.870
	Revenue per Employee	5640	1010.568	1440.696	677.085	2.740	45490.510
Public Year	Manufacturing Production Index	15	99.073	7.288	98.400	86.900	111.600
	Manufacturing Shipment Index	15	101.133	3.484	101.500	92.300	105.300
	Producer Price Index	15	103.635	7.572	101.120	95.300	119.080
	Exchange Rate (KRW/USD)	15	1168.987	108.808	1151.800	1055.400	1472.500
	Corporate Loan Rate	15	4.260	0.997	4.220	2.810	5.860
	Import Price Index	15	120.381	17.202	118.290	95.920	148.100
	Dubai Crude Oil Price	15	76.227	23.286	77.940	41.360	109.120
	Manufacturing Utilization Index	15	105.713	4.202	104.800	100.000	113.800
	Manufacturing Inventory Index	15	92.167	12.473	92.400	68.100	111.700
	3-Year Corporate Bond Yield (AA-)	15	3.095	1.007	2.990	1.890	4.660
	Base Interest Rate (Average)	15	2.100	0.934	2.000	0.500	3.500

<Table 8>.

Univariate Predictive Performance and RMSE-Based Priority Ranking

Rank	Independent Variable	MSE	RMSE	MAE	R²
1	ln(Sales)	0.148	0.384	0.166	0.946
2	Net Working Capital Turnover	2.260	1.503	1.105	0.172
3	Labor Cost to Total Cost Ratio	2.398	1.548	1.142	0.121
4	Cash Flow to Total Capital Ratio	2.473	1.572	1.204	0.094
5	Machinery Equipment Ratio	2.473	1.573	1.183	0.094
6	Cost of Goods Sold to Revenue Ratio	2.509	1.584	1.190	0.081
7	Total Capital Investment Efficiency	2.517	1.586	1.207	0.078
8	Current Ratio	2.667	1.633	1.222	0.023
9	Interest Coverage Ratio	2.667	1.633	1.241	0.023
10	Debt Dependency Ratio	2.704	1.644	1.234	0.009
11	Value Added Ratio	2.710	1.646	1.226	0.007
12	Operating Profit Margin	2.710	1.646	1.234	0.007
13	EBITDA to Revenue Ratio	2.712	1.647	1.235	0.006
14	Total Capital Growth Rate	2.714	1.647	1.235	0.005
15	Revenue per Employee	2.718	1.649	1.217	0.004
16	Operating Profit per Employee	2.719	1.649	1.240	0.004
17	Value Added per Employee	2.719	1.649	1.240	0.004
18	Financial Cost Burden Ratio	2.724	1.650	1.240	0.002
19	Debt Ratio	2.725	1.651	1.238	0.001
20	Depreciation to Total Cost Ratio	2.726	1.651	1.239	0.001
21	Revenue Growth Rate	2.729	1.652	1.239	0.000
22	Manufacturing Inventory Index	2.731	1.653	1.240	-0.001
23	Producer Price Index	2.731	1.653	1.240	-0.001
24	Manufacturing Production Index	2.732	1.653	1.240	-0.001
25	Manufacturing Shipment Index	2.732	1.653	1.240	-0.001
26	Manufacturing Utilization Index	2.732	1.653	1.240	-0.001
27	Import Price Index	2.732	1.653	1.240	-0.001
28	Exchange Rate (KRW/USD)	2.732	1.653	1.240	-0.001
29	Base Interest Rate (Average)	2.732	1.653	1.240	-0.001
30	Corporate Loan Rate	2.732	1.653	1.240	-0.001
31	Employee Growth Rate	2.732	1.653	1.240	-0.001
32	Dubai Crude Oil Price	2.732	1.653	1.240	-0.001
33	3-Year Corporate Bond Yield (AA-)	2.733	1.653	1.241	-0.002
34	Inventory Growth Rate	2.735	1.654	1.241	-0.002

<Table 9>.

Optimal Cumulative Number of Variables and Prediction Performance

Algorithm	Cumulativ e Input Variables	MSE	RMSE	MAE	R²
Linear Regression	16	0.143	0.379	0.189	0.952
Elastic Net	15	0.154	0.392	0.211	0.949
Random Forest	15	0.173	0.416	0.215	0.943
XGBoost	1	0.167	0.408	0.209	0.945

<Table 10>.

Conditional Variable Contribution after Fixing t-Period Log Sales

Rank	Additional Variable	RMSE	ΔRMSE	MAE	R²	Holm p
1	Revenue per Employee	0.3907	0.0052	0.1921	0.9493	1.000
2	Total Capital Growth Rate	0.3910	0.0049	0.1920	0.9493	0.309
3	Value Added Ratio	0.3932	0.0027	0.1927	0.9487	0.616
4	Depreciation to Total Cost Ratio	0.3933	0.0026	0.1929	0.9487	0.571
5	Labor Cost to Total Cost Ratio	0.3936	0.0023	0.1920	0.9486	0.522
6	Cash Flow to Total Capital Ratio	0.3942	0.0017	0.1936	0.9484	0.309
7	Base Interest Rate (Average)	0.3943	0.0015	0.1949	0.9484	1.000
8	Dubai Crude Oil Price	0.3946	0.0013	0.1929	0.9483	0.004
9	Employee Growth Rate	0.3948	0.0011	0.1931	0.9483	0.828
10	Operating Profit per Employee	0.3951	0.0008	0.1935	0.9482	1.000

<Table 11>.

Selection Frequency in Sequential Forward Selection

Variable	Selected Validation Input Years	Frequency
Depreciation to Total Cost Ratio	2022, 2023, 2024	3
Total Capital Growth Rate	2022, 2023, 2024	3
Revenue per Employee	2023, 2024	2
Value Added per Employee	2023, 2024	2
3-Year Corporate Bond Yield (AA-)	2023	1
Base Interest Rate (Average)	2023	1
Cash Flow to Total Capital Ratio	2024	1
Dubai Crude Oil Price	2024	1
Labor Cost to Total Cost Ratio	2022	1
Manufacturing Shipment Index	2021	1
Total Capital Investment Efficiency	2023	1

<Table 12>.

Tuned External-Validation Performance Using Corporate Financial Data

Algorithm	MSE	RMSE	95% CI	MAE	95% CI	R²
Linear Regression	0.1436	0.3789	0.2946-0.4667	0.1891	0.1693-0.2116	0.9524
Elastic Net	0.1464	0.3826	0.2997-0.4708	0.1906	0.1707-0.2134	0.9514
Random Forest	0.1587	0.3983	0.3180-0.4881	0.2023	0.1815-0.2266	0.9473
XGBoost	0.1516	0.3893	0.3115-0.4741	0.2013	0.1810-0.2246	0.9497

<Table 13>.

Pairwise Tests of Tuned Model Prediction Losses

Note: A negative mean difference indicates that Model A has a lower prediction loss than Model B.

Loss	Model A	Model B	Mean Difference A-B	Paired t Holm p	Wilcoxon Holm p
MSE	Linear Regression	Elastic Net	-0.0028	0.248	0.385
MSE	Linear Regression	Random Forest	-0.0151	0.002	<0.001
MSE	Linear Regression	XGBoost	-0.0080	0.248	<0.001
MSE	Elastic Net	Random Forest	-0.0123	0.002	<0.001
MSE	Elastic Net	XGBoost	-0.0052	0.250	<0.001
MSE	Random Forest	XGBoost	0.0071	0.250	0.785
MAE	Linear Regression	Elastic Net	-0.0015	0.067	0.164
MAE	Linear Regression	Random Forest	-0.0132	<0.001	0.003
MAE	Linear Regression	XGBoost	-0.0122	<0.001	<0.001
MAE	Elastic Net	Random Forest	-0.0118	<0.001	0.006
MAE	Elastic Net	XGBoost	-0.0107	<0.001	0.002
MAE	Random Forest	XGBoost	0.0011	0.713	0.844

<Table 14>.

Ablation Study by Data Configuration

Data Configuration	Algorithm	RMSE	MAE	R²
D0 Baseline Sales	Linear Regression	0.3959	0.1938	0.9480
D0 Baseline Sales	Elastic Net	0.3964	0.1962	0.9478
D0 Baseline Sales	Random Forest	0.4199	0.2211	0.9415
D0 Baseline Sales	XGBoost	0.4046	0.2042	0.9457
D1 Corporate Financial Data	Linear Regression	0.3789	0.1891	0.9524
D1 Corporate Financial Data	Elastic Net	0.3826	0.1906	0.9514
D1 Corporate Financial Data	Random Forest	0.3983	0.2023	0.9473
D1 Corporate Financial Data	XGBoost	0.3893	0.2013	0.9497
D2 Public Data	Linear Regression	1.7793	1.3646	-0.0507
D2 Public Data	Elastic Net	1.7382	1.3274	-0.0028
D2 Public Data	Random Forest	1.7381	1.3268	-0.0026
D2 Public Data	XGBoost	1.7453	1.3287	-0.0109
D3 Financial + Public Data	Linear Regression	0.5263	0.3853	0.9081
D3 Financial + Public Data	Elastic Net	0.3869	0.2004	0.9503
D3 Financial + Public Data	Random Forest	0.4017	0.2074	0.9464
D3 Financial + Public Data	XGBoost	0.3906	0.1997	0.9494
D4 Financial + Industry	Linear Regression	0.3777	0.1948	0.9526
D4 Financial + Industry	Elastic Net	0.3862	0.1942	0.9505
D4 Financial + Industry	Random Forest	0.3993	0.2059	0.9471
D4 Financial + Industry	XGBoost	0.3864	0.1995	0.9505
D5 Financial + Industry-Sensitive Public Data	Linear Regression	0.7064	0.4509	0.8344
D5 Financial + Industry-Sensitive Public Data	Elastic Net	0.3891	0.1984	0.9498
D5 Financial + Industry-Sensitive Public Data	Random Forest	0.4068	0.2122	0.9451
D5 Financial + Industry-Sensitive Public Data	XGBoost	0.3955	0.2134	0.9481

<Table 15>.

Incremental Effects of Public Data on Prediction Error

Note: Positive values indicate that prediction error increased after public-data variables were added.

Comparison	Algorithm	ΔRMSE	95% CI	ΔMAE	95% CI
D3 - D1	Linear Regression	0.1489	0.1312-0.1696	0.1964	0.1873-0.2049
D3 - D1	Elastic Net	0.0046	0.0003-0.0092	0.0098	0.0066-0.0130
D3 - D1	Random Forest	0.0035	0.0004-0.0067	0.0051	0.0021-0.0080
D3 - D1	XGBoost	0.0012	-0.0053-0.0081	-0.0016	-0.0052-0.0021
D5 - D4	Linear Regression	0.3300	0.2885-0.3740	0.2559	0.2263-0.2854
D5 - D4	Elastic Net	0.0029	0.0005-0.0058	0.0041	0.0022-0.0062
D5 - D4	Random Forest	0.0077	0.0024-0.0139	0.0064	0.0032-0.0096
D5 - D4	XGBoost	0.0094	0.0025-0.0167	0.0140	0.0099-0.0178

<Table 16>.

XGBoost Performance by Input Configuration after Tuning

Input Configuration	MSE	RMSE	MAE	R²
Baseline Sales, 1 Variable	0.1632	0.4040	0.2038	0.9458
Corporate Financial Data, 23 Variables	0.1516	0.3893	0.2013	0.9497
Financial + Public Data, 34 Variables	0.1525	0.3906	0.1997	0.9494

<Table 17>.

Random Forest Extrapolation Diagnostic

Note: Mean error is calculated as predicted value minus actual value. A negative value indicates underprediction.

Input Year	Region	N	RF RMSE	LR RMSE	RF Mean Error	LR Mean Error
2021	Within Range	375	0.3561	0.3209	-0.1010	-0.0943
2021	Above Upper Bound	1	0.5331	0.1471	-0.5331	-0.1471
2024	Within Range	375	0.3045	0.2987	0.0067	0.0117
2024	Above Upper Bound	1	0.9375	0.1648	-0.9375	-0.1648

Reference

Boone, T., Ganeshan, R., Jain, A., and Sanders, N.R., Forecasting Sales in the Supply Chain: Consumer Analytics in the Big Data Era, International Journal of Forecasting, 2019, Vol. 35, No. 1, pp. 170-180.
Breiman, L., Random Forests, Machine Learning, 2001, Vol. 45, No. 1, pp. 5-32.
Chen, T. and Guestrin, C., XGBoost: A Scalable Tree Boosting System, Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2016, pp. 785-794.
Demsar, J., Curk, T., Erjavec, A., Gorup, C., Hocevar, T., Milutinovic, M., Mozina, M., Polajnar, M., Toplak, M., Staric, A., Stajdohar, M., Umek, L., Zagar, L., Zbontar, J., Zitnik, M., and Zupan, B., Orange: Data Mining Toolbox in Python, Journal of Machine Learning Research, 2013, Vol. 14, pp. 2349-2353.
Friedman, J.H., Greedy Function Approximation: A Gradient Boosting Machine, The Annals of Statistics, 2001, Vol. 29, No. 5, pp. 1189-1232.
Han, H.J., Random Forest for Stationary Time Series: The Case of Forecasting Inflation in Korea, The Korean Journal of Economic Studies, 2023, Vol. 71, No. 3, pp. 37-73.
Hezam, Y., Luong, H., and Anthonysamy, L., Machine Learning in Predicting Firm Performance: A Systematic Review, China Accounting and Finance Review, 2025, Vol. 27, No. 3, pp. 309-339.
Kim, K.M. and Lee, J.W., Predicting SME Growth Using Machine Learning: Focusing on Financial and Policy Support Factors, Journal of Management and Economics, 2025, Vol. 47, No. 2, pp. 27-54.
Lee, G.S., Exploring the Predictive Variables of Government Statistical Indicators on Retail Sales Using Machine Learning: Focusing on Pharmacy, Journal of Internet Computing and Services, 2022, Vol. 23, No. 3, pp. 125-135.
Lee, G.S., Exploring the predictive variables of major economic-related statistical indicators on SME sales using machine learning: Focusing on small and medium-sized businesses in print-related shopping malls, The Journal of Korean Association of Computer Education, 2022, Vol. 25, No. 3, pp. 79-89.
Lee, J.W. and Kim, K.M., Exploring the Machine Learning Applications for Predicting SMEs’ Growths (Ⅱ): Based on the Growth of SME Sales, Policy Research Report, 2024, pp. 1-52.
Lee, J.Y. and Cha, W.C., Analyzing the Impact of ESG on Corporate Financial Performance Using Machine Learning, Journal of Korean Society of Industrial and Systems Engineering, 2024, Vol. 47, No. 4, pp. 76-86.
Maslej, N., Fattorini, L., Perrault, R., Gil, Y., Parli, V., Kariuki, N., Capstick, E., Reuel, A., Brynjolfsson, E., Etchemendy, J., Ligett, K., Lyons, T., Manyika, J., Niebles, J.C., Shoham, Y., Wald, R., Walsh, T., Hamrah, A., Santarlasci, L., Betts Lotufo, J., Rome, A., Shi, A., and Oak, S., Artificial Intelligence Index Report 2025, Stanford Institute for Human-Centered Artificial Intelligence, 2025.
Mullainathan, S. and Spiess, J., Machine Learning: An Applied Econometric Approach, Journal of Economic Perspectives, 2017, Vol. 31, No. 2, pp. 87-106.
Muth, M., Lingenfelder, M., and Nufer, G., The Application of Machine Learning for Demand Prediction under Macroeconomic Volatility: A Systematic Literature Review, Management Review Quarterly, 2025, Vol. 75, pp. 2759-2802.
Petropoulos, F., Apiletti, D., Assimakopoulos, V., Babai, M.Z., Barrow, D.K., Ben Taieb, S., Bergmeir, C., Bessa, R.J., Bijak, J., Boylan, J.E., Browell, J., Carnevale, C., Castle, J.L., Cirillo, P., Clements, M.P., Cordeiro, C., Cyrino Oliveira, F.L., De Baets, S., Dokumentov, A., Ellison, J., ... Ziel, F., Forecasting: Theory and Practice, International Journal of Forecasting, 2022, Vol. 38, No. 3, pp. 705-871.
Sagaert, Y.R., Aghezzaf, E.-H., Kourentzes, N., and Desmet, B., Tactical Sales Forecasting Using a Very Large Set of Macroeconomic Indicators, European Journal of Operational Research, 2018, Vol. 264, No. 2, pp. 558-569.
Saha, D., Young, T.M., and Thacker, J., Predicting Firm Performance and Size Using Machine Learning with a Bayesian Perspective, Machine Learning with Applications, 2023, Vol. 11, Article 100453.
Sohrabpour, V., Oghazi, P., Toorajipour, R., and Nazarpour, A., Export Sales Forecasting Using Artificial Intelligence, Technological Forecasting and Social Change, 2021, Vol. 163, Article 120480.
Verstraete, G., Aghezzaf, E.-H., and Desmet, B., A Leading Macroeconomic Indicators’ Based Framework to Automatically Generate Tactical Sales Forecasts, Computers and Industrial Engineering, 2020, Vol. 139, Article 106169.
Zhou, H. and Gumbo, V., Supervised Machine Learning for Predicting SMME Sales: An Evaluation of Three Algorithms, The African Journal of Information and Communication, 2021, Vol. 27, pp. 1-21.
Zhu, X., Ninh, A., Zhao, H., and Liu, Z., Demand Forecasting with Supply-Chain Information and Machine Learning: Evidence in the Pharmaceutical Industry, Production and Operations Management, 2021, Vol. 30, No. 9, pp. 3231-3252.
Zou, H. and Hastie, T., Regularization and Variable Selection via the Elastic Net, Journal of the Royal Statistical Society: Series B (Statistical Methodology), 2005, Vol. 67, No. 2, pp. 301-320.