• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1293-1305
• /
• 2016

본 연구는 한국장학재단 일반상환 학자금 대출 연체자를 대상으로 연체 미회수 그룹으로 분류될 수 있는 위험요인들을 파악하고, 학자금 대출 연체 회수 예측모형을 개발하였다. 또한 개발된 예측모형을 활용하여 그에 따른 신용위험 평점표를 작성하였다. 예측모형 개발은 연체기간에 따라 총 3가지 모형 (Model 1: 연체 1개월 모형, Model 2: 연체 2개월 모형, Model 3: 연체 3개월 이상 모형)으로 로지스틱 회귀분석 분석을 적용하였다. 연체기간 구분은 금융권에서 일반적으로 사용하고 있는 연체회수모형의 단위를 준용하여 1개월 단위를 기준으로 연체 1개월, 연체 2개월, 연체 3개월 이상으로 구분하였다. 연체 1개월 모형 (Model 1)에서는 연체계좌수, 이체일자, 연체잔액, 소득분위가 영향력이 큰 것으로 나타났으며, 연체 2개월 모형 (Model 2)에서는 연체 일수, 연체잔액, 이체일자, 연체금액이 중요한 것으로 나타났다. 마지막으로 연체 3개월 이상 모형 (Model 3)에서는 최근 3개월 이내 연체 횟수, 이체일자, 연체계좌수, 연체액의 영향력이 큰 것으로 나타났다. 본 연구에서 개발된 연체회수 모형이나 평점표를 바탕으로 연체 채권관리를 함에 있어 좀더 세분화된 관리서비스를 제공하고, 상담센터의 상담원이 연체자의 평점에 따라 상담전략을 세울 수 있는 기초자료가 될 수 있을 것으로 사료된다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권6호
• /
• pp.1417-1426
• /
• 2015

본 연구는 한국장학재단의 2012-2014년간 일반 학자금 대출 자료를 활용하여 부실채권 보유 및 신용유의자로 분류될 수 있는 위험요인들을 파악하고, 부실 고위험군 예측모형을 개발했다. 예측모형 개발은 데이터마이닝 방법 중 의사결정나무 분석을 적용하였으며, 분석 패키지는 SAS Enterprise Miner 13.2를 활용했다. 개발된 모형은 25가지의 그룹으로 세분화 했으며, 부실 위험군에 영향을 미치는 주요 요인은 소득분위, 국가장학금 수혜유무, 나이, 연체계좌 보유 이력, 대학구분 (학부/대학원), 전공 계열, 월평균 상환액이 주요 요인으로 나타났다. 본 연구에서 개발된 부실 고위험군 예측모형은 장기연체로 인한 부실채권 발생 및 신용유의자 발생 예방을 위한 세분화된 관리서비스 제공을 위한 기초자료가 될 수 있을 것이다.

• 노동경제논집
• /
• 제37권4호
• /
• pp.89-112
• /
• 2014

본고는 사회적 형평성과 효율성의 관점에서 직접지원(grant)과 소득연계상환식 학자금융자(ICL)를 결합한 정부의 바람직한 대학교육 지원체계를 이론적으로 제시한다. 교육투자 위험이 큰 경우에는 소득연계상환식 학자금 융자(ICL)가 일반적 학자금 융자에 비해 지원 수혜자의 초기 소득과 관계없이 바람직함을 보인다. 그리고 그 조달 방식이나 운영에 있어서는 민간 자본시장을 통해 위험 프리미엄을 포함하는 대출이자로 조달하는 것보다는 정부에 의한 조세조달 방식이 적정함을 주장한다. 현행 학자금 융자제도가 ICL을 초기 소득 수준별로 선별적으로만 도입하고 있어 개선이 필요하다는 점과 ICL의 현행 조세조달 방식을 정당화하고 있다는 점에서 본고는 일정부분 정책적 함의를 갖는다.

• 가족자원경영과 정책
• /
• 제26권3호
• /
• pp.19-34
• /
• 2022

청년층 및 저소득층을 포함한 취약계층과 제2금융권을 중심으로 한 부채 불이행에 대한 우려가 증가하고 있다. 청년층의 가계부채 건전성은 최근 고용 부진, 학자금대출 부담 증가, 제2금융권에서 고금리 대출 증가 등이 복합적으로 작용하여 더욱 취약해졌다. 본 연구의 목적은 한국의 청년층 차입자를 대상으로 채무 불이행 가능성을 진단하고, 그 가능성에 영향을 주는 요인을 예측하는 것이다. 이러한 목적을 달성하기 위하여 본 연구는 2021년 「가계금융·복지조사」를 활용하고, 청년층의 채무 불이행 가능성과 관련된 요인들을 포괄적으로 분석하기 위하여 머신러닝 알고리즘의 랜덤포레스트 방법을 적용하였다. 청년층 차입자의 채무 불이행 위험을 예측하는 모형을 탐색한 뒤 중요도 지수를 산출하고, 중요도가 높은 설명변수들을 선별한 뒤, 주요 결정요인들의 부분 의존성 도표를 제시하고자 하였다. 최종적으로 자산대비부채비율(DTA), 의료비 비중, 가계부실위험지수(HDRI), 통신비 비중, 주거비 비중이 주요한 변인으로 나타났다.

• 가족자원경영과 정책
• /
• 제6권1호
• /
• pp.73-85
• /
• 2002

This study examined which factors influence the parental borrowing for children's college education in the U.S. A double-hurdle model was applied to analyze both the parents’decision to borrow and the amount of borrowing. Parents’income and total costs of college attendance had significant positive effects on both the decision to borrow and the amount borrowed. Students’income, parents’cash and savings had significant negative impacts on the amount borrowed, while home equity and the students’expected future income were significant positive factors. Greater amounts of grants significantly increased the probability of borrowing, but reduced the loan amount. Parents with smaller household size, and those who were college graduates were more likely to borrow. White parents borrowed greater amounts than did their non-White counterparts. The age of the student was a significant negative factor in the probability, as well as the level, of borrowing.

• 가정과삶의질연구
• /
• 제24권5호
• /
• pp.251-270
• /
• 2006

This study examined how the households used and combined financing sources to pay for college education. It compared the probability of using each source (current incomes, saving, education loans and grants) by households' socio-economic characteristics and analyzed which factors influence the decision to use each source and the amounts from each source for financing college education. Data for this study were from a questionnaire completed by 4-year college students (n=623) and were analyzed by t-tests, ANOVA and Heckman's two-step estimation models. The findings of this study were as follows: First, the most frequent source for college education was parents' savings and the second one was parents' incomes. Also, the most frequent combination of sources was saving and current incomes and the second was combination of three sources, saving, incomes and education loans. Second, the probability of using incomes was higher for younger students than for older students. The number of siblings showed significant differences among income, savings and education loans. Those who had higher incomes were more likely to use current incomes, saving, but less likely to borrow for financing college education. Middle-class income groups were more likely to borrow for education. Third, household incomes and asset holdings had generally positive impacts on the probability of using incomes and savings for college education, while total debt burden decreased both the probability and amounts of income and saving sources. The college costs had significantly positive effects on both the probability and the amounts of all of financing sources. Total grants received significantly decreased the amounts from incomes, savings and borrowing sources.