크레딧 모델링과 모델 가버넌스

리테일 금융의 규모가 커지고 데이터가 축적되면서 개인신용을 평가하는 모델도 발전해왔다. 이 책은 그간의 전통적(traditional) 모델, 비전통적/대안적(non-traditional/alternative) 모델과 시계열(time series) 모델 등 소매포트폴리오를 평가하고 모니터링함에 있어 다양한 실증경험을 담고 있다.

개인신용평가모델 방법론 중 로지스틱 회귀분석(Logistic regression)에 관해서는 FICO의 방법론이 표준적인 모델로 우리나라에 자리잡았다. 관련 내용을 소개하는 책이나 자료는 많을 것이므로 이 책에서는 차별점으로 변수의 선별방법과 모델에 기반한 모니터링에 중점을 두었다.

그리고, 최근 수년간 발전해온 비전통적(non-traditional) 혹은 대안적(alternative) 접근방법에 대해 해외 핀테크사들을 직접 방문하여 미팅한 내용을 반영하였고, 국내에서 적용한 사례를 정리했다. 대안적 접근방법은 데이터 측면과 알고리즘 측면이 있으며, 통신정보와 휴대폰 소액결제정보 등 비금융정보를 기반으로 머신러닝 알고리즘을 적용한 결과물에 초점을 맞췄다.

이러한 모델들이 갖고 있는 중요한 한계는 과거의 상황이 현재 및 미래에도 지속된다는 가정에 기반을 둔다는 것이다. 횡단면(cross section) 접근이 갖고 있는 대표적인 한계인데 거시환경 등이 변화될 때 모델의 안정성과 변별력은 흔들리게 된다.

‘시계열정보를 활용한 스코어링 모델’ 챕터에서는 외부 거시환경의 요소들을 모델내에서 반영하는 방법과 모델밖에서 반영하는 접근법에 대해 소개한다.

연체율 예측 모형도 중요하다. 기존 Roll rate 방식이나 전이행렬 방식은 보편적이지만 역시 과거의 추세가 미래에도 지속된다는 가정에 기반하는 단점이 있어서 다른 대안을 찾았다.

VAR(Vector Auto Regression)는 계량경제 분야에서 이미 오래 전부터 입증되고 활용된 방법론이고 한국은행에서도 한국은행 등에서도 이 방법을 사용하여 경제성장율.....