Bibliometrics Analysis of Bankruptcy Prediction Trends in MSMEs: Global Insights from (2020–2025)

Motivation

• Known: 파산 예측의 전통적 모델은 Altman Z-score 같은 accounting-based 접근법에서 시작했으며, 최근에는 machine learning 기법(Random Forest, Support Vector Machines)으로 전환되는 추세가 있다. MSMEs는 정보 비대칭성과 재무 문서 부족으로 인한 financing gap에 직면해 있고, COVID-19 이후 금융 모델링의 재평가가 필요한 상황이다.
• Gap: 기존 리뷰들은 2020-2025년 post-pandemic 시기에 나타난 bankruptcy forecasting의 최근 기술 전환과 글로벌 경제 재구조화를 포괄하는 체계적인 bibliometric 종합 분석이 부재하다. 특히 deep learning과 hybrid qualitative-quantitative ensembles 같은 신기술의 등장에 따른 방법론적 다양화를 종합하는 과학 매핑이 필요하다.
• Why: MSME 부문의 파산 예측 연구는 글로벌 경제 탄력성과 고용 창출에 직접 영향을 미치며, post-pandemic 시대 AI 기반 insolvency intelligence로의 전환을 이해하기 위해 현재 연구 생태계의 구조적 지형을 파악하는 것이 중요하다.
• Approach: Scopus 데이터베이스에서 "SME OR MSME OR small and medium enterprises OR small business" AND "bankruptcy OR default OR financial distress" AND "prediction OR risk assessment OR probability of default"를 검색어로 2020-2025년 영문 공개 접근 논문 144개를 수집하고, 다단계 screening을 거쳐 23개 최종 논문을 선정한 후, VOSviewer v1.6.20을 이용해 performance analysis(저널, 저자, 국가별 생산성)와 science mapping(co-citation, co-authorship, co-occurrence 분석)을 수행했다.

Achievement

Figure 3. Most Cited Article Maps

연구 성과 목록

• 주요 발견물: (1) financial-ratio-based distress models, (2) machine-learning approaches for SME risk prediction, (3) post-pandemic MSME resilience, (4) credit scoring using non-financial indicators 등 4개 주요 연구 클러스터 식별
• 영향력 있는 저널: Scientometrics (1개 논문, 88 citations)
• 핵심 연구자: Edward I. Altman, Alessandro Giannozzi가 중심 학자로 도출
• 주요 협업 국가: 미국, 이탈리아, 영국이 가장 생산적이고 협업이 활발한 국가로 확인
• 23개 최종 논문의 체계적 분류: 16개 저널/학회에서 발표된 논문들의 co-citation 및 co-authorship 네트워크 가시화

How

Figure 2. Map of Joint Citations of Journals or Conferences

• Scopus 데이터베이스에서 structured search query를 통해 MSME, bankruptcy prediction, machine learning 관련 메타데이터 대규모 수집
• 초기 144개 문서를 identification, screening, eligibility 3단계로 필터링해 23개 고품질 논문 확보
• VOSviewer의 co-citation analysis로 theoretical foundations 파악
• Co-authorship analysis로 글로벌 연구 collaborations 및 기관 네트워크 시각화
• Keyword co-occurrence analysis로 traditional financial ratios에서 AI-driven methodologies로의 전환 추적
• Performance analysis로 저널, 저자, 국가별 생산성과 영향력 정량화

Originality

• MSME bankruptcy prediction의 post-pandemic 시기(2020-2025)에 특정한 focus 제공
• Open-access-filtered dataset을 명시적으로 활용하여 투명성과 재현성 강조
• Emerging thematic clusters를 식별하여 traditional accounting models에서 machine learning과 AI 기반 방법론으로의 패러다임 전환 추적
• Science mapping과 bibliometric synthesis를 결합해 MSME 금융 리스크 연구의 지적 구조를 종합적으로 가시화

Limitation & Further Study

• 한계: 분석 대상이 Scopus 인덱싱 영문 공개 접근 논문으로 제한되어 다른 학술 데이터베이스(Web of Science, Google Scholar 등)와 한국어, 중국어 등 비영문 발표물이 제외될 가능성 높음
• 후속 연구: (1) 다중 데이터베이스 통합 분석으로 coverage 확대, (2) grey literature와 학위논문 포함, (3) qualitative 사례 연구를 통한 emerging methodologies의 실무 적용 검증, (4) regional context(개발도상국 MSMEs)에 특화된 분석

Evaluation

총평: 본 연구는 MSME 파산 예측 연구 영역의 현황을 post-pandemic 시대 관점에서 체계적으로 매핑하고, machine learning과 AI 기반 방법론으로의 전환을 bibliometric 기법으로 실증적으로 추적한 가치 있는 종합 분석이다. 다만 Scopus 공개 접근 영문 논문으로 제한된 데이터 범위와 상대적으로 소규모 최종 샘플(n=23)은 발견의 보편성을 제한할 수 있으므로, 후속 연구에서 다중 데이터베이스 통합과 문헌과 실증 데이터의 보완이 권장된다.