경영정보학연구 (Information Systems Review)

  • 제23권1호
  • /
  • Pages.69-91
  • /
  • 2021
  • /
  • 2982-6551(pISSN)
  • /
  • 2982-6837(eISSN)
한국경영정보학회 (The Korea Society of Management Information Systems)
권호 표지
DOI QR코드

DOI QR Code

국내 연체경험자의 정상변제 요인에 관한 연구

A Study on the Factors of Normal Repayment of Financial Debt Delinquents

  • 투고 : 2020.10.20
  • 심사 : 2020.11.16
  • 발행 : 2021.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

국내 개인신용평가회사들은 과거와 현재 시점의 다양한 금융거래 정보를 활용하여 개인의 신용을 평가하고 있는데, 이 중 과거에 대출을 실행하여 이를 상환 또는 연체한 이력에 대한 정보를 의미하는 '상환이력정보'는 신용평가에 활용되는 다른 항목들에 비해 상대적으로 활용 비중이 높은 항목이다. 그러나 개인이 연체된 채무를 모두 변제하여 현재 연체중인 상태가 아닌 경우에도 과거의 연체 이력이 부정적인 요인으로 최장 5년간 평가에 반영되고 있어 금융소비자에게 과도한 불이익을 준다는 지적이 지속적으로 있어 왔다. 실제로 연체 이력이 있는 개인의 경우, 연체된 채무를 성실하게 변제한 개인(정상변제)과 그렇지 않은 개인(비정상변제)으로 구분할 수 있는데, 이들 간에는 신용도의 차이가 존재하므로 '정상변제'하는 개인의 특징을 확인하여 이들에게 '상환이력정보'의 활용기간을 단축시켜 주는 등의 혜택을 제공하는 것이 바람직하다고 판단된다. 본 연구는 이러한 문제의식에서 출발하여 한국신용정보원에서 보유하고 있는 2019년 12월 말 기준, 개인의 대출·연체·변제 정보에 기반하여 국내 연체경험자의 정상변제 요인을 분석하였다. 방법론은 개인신용평가모형에서 주로 사용하는 로지스틱 회귀모형을 기본으로 하여 의사결정나무, 신경망 모형 등의 머신러닝 방법론을 추가로 활용하였으며, 각 방법론별 성능을 비교해보았다. 실증분석 결과, 연체건수, 대출·연체유형 등이 정상변제 여부에 영향을 미치는 유의한 변수들로 확인되었으며 방법론 중에는 신경망 모형의 성능이 가장 높은 것으로 나타났다. 이러한 연구결과는 연체된 개인 차주의 정상변제 여부에 영향을 미치는 요인을 확인하여 개인신용평가모형을 고도화하는데 도움이 될 수 있을 것으로 보이며 연체 후 성실하게 변제하는 개인을 정책적으로 지원하기 위한 기초자료로도 활용될 수 있을 것으로 보인다. 향후에는 정상변제 요인을 추가 발굴하여 금융업권별 정상변제 요인의 세부적인 차이를 확인하고 이를 실제 모형에 반영하는 연구가 필요할 것이다.

Credit Bureaus in Korea commonly use financial transaction information of the past and present time for calculating an individual's credit scores. Compared to other rating factors, the repayment history information accounts for a larger weights on credit scores. Accordingly, despite full redemption of overdue payments, late payment history is reflected negatively for the assessment of credit scores for certain period of the time. An individual with debt delinquency can be classified into two groups; (1) the individuals who have faithfully paid off theirs overdue debts(Normal Repayment), and (2) those who have not and as differences of creditworthiness between these two groups do exist, it needs to grant relatively higher credit scores to the former individuals with normal repayment. This study is designed to analyze the factors of normal repayment of Korean financial debt delinquents based on credit information of personal loan, overdue payments, redemption from Korea Credit Information Services. As a result of the analysis, the number of overdue and the type of personal loan and delinquency were identified as significant variables affecting normal repayment and among applied methodologies, neural network models suggested the highest classification accuracy. The findings of this study are expected to improve the performance of individual credit scoring model by identifying the factors affecting normal repayment of a financial debt delinquent.

키워드

참고문헌

  1. 가정준, "제3자의 변제와 관련한 비교법적 고찰", 비교사법, 제23권, 제1호, 2016, pp. 189-218. https://doi.org/10.22922/JCPL.23.1.201602.189
  2. 국가법령정보센터, "신용정보의 이용 및 보호에 관한 법률", 2020, Available at http://www.law.go.kr/LSW/lsInfoP.do?lsiSeq=213953#0000.
  3. 국회입법조사처, "2019 국정감사 이슈 분석 4권 - 정무위원회, 기획재정위원회", 2019, pp. 134-135.
  4. 권영준, 남재현, 조민정, "개인신용평가에서의 비금융정보의 경제적 효과", 한국경제연구, 제29권, 제2호, 2011, pp. 81-107.
  5. 금융감독원, "개인신용평가 민원동향 및 주요민원사항 Q&A", 2018, Available at http://www.fss.or.kr/fss/kr/promo/bodobbs_view.jsp?seqno=21848&no=1&s_title=%B0%B3%C0%CE%BD%C5%BF%EB%C6%F2%B0%A1%20%B9%CE%BF%F8%B5%BF%C7%E2%20%B9%D7%20%C1%D6%BF%E4%20%B9%CE%BF%F8%BB%E7%C7%D7%20Q&A&s_kind=title&page=1.
  6. 금융위원회, " 개인신용평가체계 종합 개선 방안 발표", 2018, Available at http://www.fsc.go.kr/info/ntc_news_view.jsp?bbsid=BBS0030&page=1&sch1=subject&sword=%EA%B0%9C%EC%9D%B8%EC%8B%A0%EC%9A%A9%ED%8F%89%EA%B0%80%EC%B2%B4%EA%B3%84%20%EC%A2%85%ED%95%A9&r_url=&menu=7210100&no=32285.
  7. 금융위원회, " 서민금융 기반강화 종합대책 발표", 2016, Available at https://www.fsc.go.kr/no010101/69922?srchCtgry=&curPage=&srchKey=sj&srchText=%EC%84%9C%EB%AF%BC%EA%B8%88%EC%9C%B5+%EA%B8%B0%EB%B0%98%EA%B0%95%ED%99%94+%EC%A2%85%ED%95%A9%EB%8C%80%EC%B1%85&srchBeginDt=&srchEndDt=#.
  8. 금융위원회, "신용정보 활용방식을 개선하여 국민 불편을 적극 해소하겠습니다", 2016, Available at https://www.fsc.go.kr/no010101/71909?srchCtgry=&curPage=&srchKey=sj&srchText=%EC%8B%A0%EC%9A%A9%EC%A0%95%EB%B3%B4+%ED%99%9C%EC%9A%A9%EB%B0%A9%EC%8B%9D%EC%9D%84&srchBeginDt=&srchEndDt=#.
  9. 금융위원회, "한국신용정보원 종합신용정보 집중기관으로서 첫 발을 떼다", 2016, Available at http://www.fsc.go.kr/info/ntc_news_view.jsp?bbsid=BBS0030&page=1&sch1=subject&sword=%ED%95%9C%EA%B5%AD%EC%8B%A0%EC%9A%A9%EC%A0%95%EB%B3%B4%EC%9B%90&r_url=&menu=7210100&no=30848.
  10. 김문년, "주택담보대출의 연체위험 분석", 주택연구, 제23권, 제2호, 2015, pp. 103-142.
  11. 김의중, 알고리즘으로 배우는 인공지능, 기계 학습, 딥러닝 입문, 위키북스, 서울, 2016.
  12. 김형준, 류두진, 조훈, "개인부실채권 상환약정체결 및 완제 행태 분석", 재무연구, 제32권, 제2호, 2019, pp. 187-219.
  13. 김희철, 박형근, "패널 데이터모형을 적용한 국내 일반은행 연체율 결정요인 추정에 관한 연구", 한국산학기술학회, 제11권, 제1호, 2010, pp. 272-277. https://doi.org/10.5762/KAIS.2010.11.1.272
  14. 민경록, 고혁진, 이재현, 위경우, "국내 신용카드 사용자의 연체요인에 관한 실증연구", 대한 경영학회지, 제20권, 제4호, 2007, pp. 1953-1976.
  15. 박소희, 최대선, "개인신용정보 표본DB 기반의 대출 현황 분석 및 채무불이행 예측성능 비교", 정보과학회논문지, 제46권, 제7호, 2019, pp. 627-635.
  16. 이장연, 임영주, "금융위기 이후 저신용 가계 차주 현황", BOK 이슈노트, 제2014-2호, 2014, pp. 1-11.
  17. 성영애, "가계부채 연체유형과 관련요인에 관한 연구", 소비자학연구, 제30권, 제3호, 2019, pp. 27-49.
  18. 손병환, 대위변제와 근저당권의 이전에 관한 연구 (석사학위 논문), 부산대학교, 2018.
  19. 이동걸, 전성인, 정재욱, 변동준, "우리나라 가계부채 연체결정요인 및 취약성 연구", 금융 연구, 제28권, 제2호, 2014, pp. 137-178.
  20. 이영섭 역, 데이터마이닝 Cookbook, 교우사, 서울, 2013.
  21. 정현승, 강창완, 김규곤, "불균형 데이터에 대한 오버샘플링 효과 연구", Journal of Korea Data Analysis Society, 제10권, 제4호, 2008, pp. 2089-2098.
  22. 조재현, "가계대출 가구의 연체사유별 특징 및 연체 결정요인 분석", 부동산분석, 제6권 제1호, 2020, pp. 1-17.
  23. 최성민, "개인신용평가모형의 변화와 시사점", 한국신용정보원 CIS이슈리포트, 2018-4호, 2018, pp. 1-12.
  24. 최종원, "개인도산 현황 및 예측", NICE Credit Insight, 2014년 가을호, 2014, pp. 22-43.
  25. 코리아크레딧뷰로, 개인신용평가체계 공시, Available at https://www.allcredit.co.kr/down/KCB_Credit_Evaluation_System.pdf.
  26. 한국금융연구원, "가계부채 백서", KIF 금융 리포트, 제2013-1호, 2013.
  27. 한국금융연구원, "신용정보 집중관리체계 등 제도개선을 위한 연구", 금융위원회 정책연구 자료, 2014, Available at http://www.prism.go.kr/homepage/entire/retrieveEntireDetail.do?pageIndex=1&research_id=1160100-201400035&leftMenuLevel=160&cond_research_name=%EC%8B%A0%EC%9A%A9%EC%A0%95%EB%B3%B4+%EC%A7%91%EC%A4%91%EA%B4%80%EB%A6%AC%EC%B2%B4%EA%B3%84+%EB%93%B1+%EC%A0%9C%EB%8F%84%EA%B0%9C%EC%84%A0%EC%9D%84+%EC%9C%84%ED%95%9C+%EC%9 7%B0%EA%B5%AC&cond_research_start_date=&pageUnit=10&cond_order=3.
  28. 한국신용정보원, 일반신용정보관리규약(제2020-5차 신용정보집중관리위원회), 2020, Available at http://www.kcredit.or.kr/info/allRawView.do?contentNo=838.
  29. 한준태, 정진아, "학자금 대출 연체의 신용위험 평점 모형 개발", 한국데이터정보 과학회지, 제27권, 제5호, 2016, pp. 1293-1305.
  30. 함준호, 조현철, 권영철, "가계부채의 경기순 응성과 거시정보결합 신용평가에 대한 연구", 한국경제의 분석, 제21권, 제1호, 2015, pp. 1-63.
  31. 허석균, "DTI, LTV 및 대출상환 조건이 주택담 보대출의 연체율에 미치는 영향", 규제연구, 제21권, 제2호, 2012, pp. 39-77.
  32. 홍봉주, "제3취득자의 변제자 대위", 일감법학, 제38권, 2017, pp. 455-475.
  33. Bhutta, N., J. Dokko, and H. Shan, "The depth of negative equity and mortgage default decisions", Finance and Economics Discussion Series Working Paper, Federal Reserve Board of Governors, 2010-35, 2010.
  34. Campbell, J. Y. and J. F. Cocco, "A model of mortgage default", CFS Working Paper, No.452, 2015.
  35. Campbell, T. S. and J. K. Dietrich, "The determinants of default on insured conventional residential mortgage loans", The Journal of Finance, Vol.38, No.5, 1983, pp. 1569-1581. https://doi.org/10.1111/j.1540-6261.1983.tb03841.x
  36. Dastile, X, T. Celik, and M. Potsane, "Statistical and machine learning models in credit scoring: A systematic literature survey", Applied Soft Computing Journal, 2020, pp. 1-21.
  37. Durand, D., Risk Elements in Consumer Instatement Financing, National of Bureau of Economic Research, 1941.
  38. Elizabeth Mays, 김민정 역, Credit Risk Modeling 신용위험평가모형: 이론과 실제, 넥스트웨이브, 서울, 2004.
  39. Getter D. E., "Contributing to the delinquency of borrowers", Journal of Consumer Affairs, Vol.37, No.1, 2003, pp. 86-100. https://doi.org/10.1111/j.1745-6606.2003.tb00441.x
  40. Gross, D. B. and N. S. Souleles, "An empirical analysis of personal bankruptcy and delinquency", Review of Financial Studies, Vol.15, No.2, 2002, pp. 319-347. https://doi.org/10.1093/rfs/15.1.319
  41. Krainer, J., S. LeRoy, and O. Munpyung, "Mortgage valuation and mortgage default", FRBSF Working Paper, 2009-20, 2009.
  42. Li, X. L. and Y. Zhong, "An overview of personal credit scoring: Technique and future work", International Journal of Intelligence Science, 2012, pp. 181-189.
  43. NICE CB연구소, "NICE 개인도산 예측 평점", NICE Credit Insight, 2012년 여름호, 2012, pp. 74-79.
  44. NICE평가정보, 개인신용평점체계 공시, 2020, Available at http://www.niceinfo.co.kr/creditrating/cb_score_1_1.nice.
  45. Political and Economic Research Council (PERC), "Give Credit where Credit is Due: Increasing Access to Affordable Mainstream Credit Using Alternative Data", 2006.
  46. Saltelli, A., S. Tarantola, F., F. Campolongo, and M. Ratto, Sensitivity Analysis in Practice-A Guide to Assessing Scientific Models, John Wiley, 2004.