• Journal of the Korea Convergence Society
• /
• v.7 no.4
• /
• pp.9-17
• /
• 2016

This study is to analyze korea credit card market and the China credit card market, and predict future economic activity by developing the Algorithm for future economic trend Estimation As a results, there is no significant correlation between personal income growth and the credit card usage amount, and significant correlation between the credit card per capita and the credit card usage amount, in korea. there is significant correlation between personal income growth and the credit card usage amount, and between the credit card per capita and the credit card usage amount in china. it could be predicted that the china credit card market would be increased and the rate of increase would be gradually increased over the next five years, under the condition without constraints in the external environment.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.135-140
• /
• 2007

이탈 고객 예측은 데이터 마이닝에서 다루는 주요한 문제 중에 하나이다. 이탈 고객 예측은 일종의 분류(classification) 문제로 의사결정나무추론, 로지스틱 회귀분석, 인공신경망 등의 기법이 많이 활용되어왔다. 일반적으로 이탈 고객 예측을 위한 모델은 고객의 인구통계학적 정보와 계약이나 거래 정보를 입력변수로 하여 이탈 여부를 목표변수로 보는 형태로 분류 모델을 생성하게 된다. 본 연구에서는 고객과의 지속적인 접촉으로 발생되는 추가적인 사건 정보를 활용하여 연관성 규칙을 생성하고 이 결과를 기존의 방식으로 생성된 분류 모델과 결합하는 이탈 고객 예측 방법을 제시한다. 제시한 방법의 유용성을 확인하기 위해서 특정 국내 신용카드사의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 제시된 방법이 기존의 전통적인 분류 모델에 비해서 향상된 성능을 보이는 것을 확인할 수 있었다. 제시된 예측 방법의 장점은 기존의 이탈 예측을 위한 입력 변수들 이외에 고객과 회사간의 접촉을 통해서 생성된 동적 정보들을 통합적으로 활용하여 예측 정확도를 높이고 실시간으로 이탈 확률을 갱신할 수 있다는 점이다.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.233-251
• /
• 2002

본 연구는 우리나라를 대상으로 장단기 스프레드와 신용스프레드가 경기변동에 대해 어떠한 예측력을 갖고 있는가를 살펴보았다. 이를 위해 1991년부터 2001년까지를 분석기간으로 하여 Probit 분석을 통해 금리스프레드와 경기변동과의 시차 및 불황확률을 추정하여 평가해 보았으며, 인과관계 검정을 시도해 보았다. 우선 금리스프레드와 경기변동에 대한 불황확률을 알아보기 위해서 Probit 모형을 이용하여 불황확률을 추정하였다. 그 결과 장단기 금리스프레드 중에서는 5년 만기 1종 국민주택채권수익률-콜금리(HCS)는 3개월, 5년 만기 1종 국민주택채권수익률-1년 만기 금융채수익률(HGS)은 7개월, 5년 만기 1종 국민주택채권수익률-1년 만기 통안증권수익률(HMS)은 9개월의 시차를 보이는 경우가 Pseudo $R^2$ 값이 가장 높게 나타났지만 불황확률을 토대로 경기 호황과 불황 국면을 비교해 본 결과 HMS는 Pseudo $R^2$의 값도 상대적으로 높았을 뿐만 아니라 매우 높은 경기변동 예측력을 보여주었다. HCS와 HGS의 경우에는 IMF 체제 전후의 불황기와 그 이후에 도래한 호황기는 예측력이 높게 나타났으나 1990년대 초반에는 제대로 불황확률을 예측하지 못하는 것으로 나타났다. 또한 3년 만기 회사채수익률-5년 만기 국민주택채권수익률(CHS)와 3년 만기회사채수익률 -3년 만기 금융채수익률(CGS)로 나타낸 신용 스프레드에서는 유의적인 결과를 도출하지는 못하였다. 한편 인과관계에서도 HCS, HGS, HMS 등의 장단기 스프레드는 경기변동에 대하여 일방적 원인변수로 작용하는 것으로 나타나 선행결합관계를 보여주었으나 CHS, CGS 등의 신용스프레드는 경기변동과 어떠한 유의적인 결합관계도 보여주지 못하였다. 따라서 장단기 스프레드는 경기변동을 예측하는데 유용한 정보를 제공하지만 신용스프레드는 경기변동을 예측하는데 도움을 주지 못하는 것으로 나타났다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2001.10a
• /
• pp.161-164
• /
• 2001

본 연구에서는 할부금융시장에서의 고객신용예측을 위한 모형으로 여러 가지 인공신경망(Neural Network) 모형들을 유전자 알고리즘(Genetic Algorithm)을 이용하여 통합한 신용예측모형을 제안한다. 10개의 학습된 인공신경망 모형들을 유전자알고리즘을 이용하여 종류별로 통합하여 MLP(Multi-Layered Perceptrons), Linear, RBF(Radial Basis Function) 세 가지의 대표모델을 얻고 이를 다시 하나의 인공신경망 모델로 통합하였다. 이를 통합되기 이전의 각각의 인공신경망 모형들과 성능을 비교, 분석하여 본 연구에서 제안한 통합모형의 유효성과 통합방법의 타당성을 제시하였다.

• Asia Marketing Journal
• /
• v.1 no.2
• /
• pp.56-76
• /
• 1999

금융시장에서의 경쟁이 치열해지면서 이제 국내 소비자금융기관들에게 수익성위주의 내실경영은 피할 수 없는 지상과제로 부상하고 있다. 이러한 목표를 성취하기 위해서는 우량고객을 위주로 한 기반강화와 철저한 사후관리를 통한 수익성향상이 이루어져야 한다. 특히, 자금운용처로 부상하고있는 개인고객들을 대상으로 하는 효과적인 대출마케팅의 수행은 소매금융기관들의 수익성제고에 절대적이라고 할 수 있다. 즉, 수익성을 지향하기 위해서는 고객관리를 보다 더 철저하게 하여야 하며 이를 위해서는 신용 및 수익성에 근거해서 산출된 평점에 따라 개인별 관리를 차별화하는데 있다고 할 수 있다. 본 연구에서는 우량고객들을 대상으로 대출마케팅을 활성화시키기 위한 고객평점모형의 효과성에 대해서 고찰해 보고자 하였다. 이를 위해서 신용평점모형에 대해서 자세히 알아보고 이어서 수익성에 근거한 평점모형에 대해서도 이론적으로 살펴보았다. 그리고 두 모형의 효과성을 비교하기 위해서 판별분석을 사용하여 우량 및 불량고객에 대한 예측력을 분석해 보았다. 분석결과 제1종오차에 대해서는 신용평점모형이, 제2종 오차에 대해서는 수익성평점모형이 보다 정교한 예측력을 나타냈다. 결론적으로 두 모형의 사용이 병행되는 통합적인 고객평점모형의 적용이 제안되어 졌다.

• The Korean Journal of Financial Management
• /
• v.22 no.1
• /
• pp.93-118
• /
• 2005

This paper examines credit spreads in Korea corporate market using one of structural models, the mean reverting leverage ratio model (Collin-Dufresne and Goldstein (2001)). Compared to the actual credit spreads, we show that the credit spreads induced by the model are overpredicted. We also investigate the systematic errors that cause the over-pre-diction of credit spreads using the t-test. We show that the systematic errors are affected by the current leverage ratio and asset volatility.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.111-134
• /
• 2002

본 연구에서는 건설업종에 특화된 신용평가 모형을 개발하여 건설업종에 대한 부도 예측력를 제고하고자 하였다. 건설업은 여타 업종과는 다른 재무적 특성을 지니고 있다. 특히, 재무적 안정성이 취약하고 자산의 대부분이 매출채권, 재고자산으로 구성되어 유동성이 극히 낮은 실정이다. 본 연구는 이러한 건설업종의 특성을 충분히 감안한 신용평가 모형을 개발하고자 한것이다. 신용평가 모형 중 그 현실적 유용성이 높아 많이 이용되어 오던 신용평점 모형을 개발하였다. 총 2,475개 건설업체를 대상으로 모형구조 및 각종 계량지표 및 비계량지표에 대한 분석을 주로 평균차이 검증과 로짓분석에 의거 선정하였다. 그 결과 새로운 신용평점 모형은 매출액 경상이익률, 총 현금흐름 대 차입금 비율 등 9개의 재무지표와 5분류의 비재무지표로 구성되었다. 이 모형을 기존의 신용평점모형과 비교한 결과 신규모형의 변별력이 높은 것으로 나타났다. 본 연구가 제시한 신용평점모형과 그 개발 방법이 향후 금융기관들의 부실을 줄이고 결과적으로 수익성을 개선하는데 일조하리라 기대된다.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.6
• /
• pp.1207-1216
• /
• 2015

This study aims to compare the model power in developing corporate credit rating models and to suggest a good way to build models based on the characteristic of data. Among many measurement methods, AR is used to measure the model power under various conditions. SAS/MACRO is in use for similar repetitions to reduce time to build models under several combination of conditions. A corporate credit rating model is composed of two sub-models; a credit scoring model and a default prediction model. We verify that the latter performs better than the former under various conditions. From the result of size comparisons, models of large size corporate are more powerful and more meaningful in financial viewpoint than those of small size corporate. As a corporate size gets smaller, the gap between sub-models becomes huge and the effect of outliers becomes serious.

• Journal of Intelligence and Information Systems
• /
• v.29 no.3
• /
• pp.419-437
• /
• 2023

As the number of thin filers in Korea surpasses 12 million, there is a growing interest in enhancing the accuracy of assessing their credit default risk to generate additional revenue. Specifically, researchers are actively pursuing the development of default prediction models using machine learning and deep learning algorithms, in contrast to traditional statistical default prediction methods, which struggle to capture nonlinearity. Among these efforts, Graph Neural Network (GNN) architecture is noteworthy for predicting default in situations with limited data on thin filers. This is due to their ability to incorporate network information between borrowers alongside conventional credit-related data. However, prior research employing graph neural networks has faced limitations in effectively handling diverse categorical variables present in credit information. In this study, we introduce the Transformer embedded Graph Convolutional Network (TeGCN), which aims to address these limitations and enable effective default prediction for thin filers. TeGCN combines the TabTransformer, capable of extracting contextual information from categorical variables, with the Graph Convolutional Network, which captures network information between borrowers. Our TeGCN model surpasses the baseline model's performance across both the general borrower dataset and the thin filer dataset. Specially, our model performs outstanding results in thin filer default prediction. This study achieves high default prediction accuracy by a model structure tailored to characteristics of credit information containing numerous categorical variables, especially in the context of thin filers with limited data. Our study can contribute to resolving the financial exclusion issues faced by thin filers and facilitate additional revenue within the financial industry.

• Proceedings of the Korean Environmental Sciences Society Conference
• /
• 1999.04a
• /
• pp.262-264
• /
• 1999