• 아태비즈니스연구
• /
• 제11권3호
• /
• pp.63-77
• /
• 2020

Purpose - The purpose of this study is to examine the effects of personal characteristics, loan characteristics, and interest rate characteristics of 2,653 borrowers on the delinquency possibility. In doing so, this study applies both multiple regression and logistic regression models to the data of credit unions in the city of Daegu. Design/Methodology/Approach - The major results of multiple regression analysis using SPSS are as follows. Findings - As for the results of testing the significance of the regression coefficients, it has been found that among the personal characteristics variables membership, credit rating, credit rating changes, and LTV have significant positive (+) effects on the delinquency possibility. Also it has been shown that among the loan characteristics variables loan amount, loan balance, total debt amount, collateral type, collateral amount, and repayment method have significant positive (+) effects on the delinquency possibility. Furthermore it has been found that among the interest rate characteristics variables both overdue interest rate and interest rate spread have positive (+) effects on the delinquency possibility. However, it has been shown that among the personal characteristics variables equity and membership do not have significant effects on the delinquency possibility, and that normal interest rate among the interest rate characteristics variables also do not have a significant effect on the delinquency possibility. Research Implications - By systematically analyzing the variables affecting delinquency possibility based on the results of this study, credit unions might get positive help in improving the system of managing receivables. Furthermore, the results of this study could be extended and applied to other types of financial institutions, so that financial institutions in general will also get some help to systematically manage the delinquency possibility.

• 한국콘텐츠학회논문지
• /
• 제18권4호
• /
• pp.416-427
• /
• 2018

부동산PF는 대출의 상대적 규모가 커서 연체가 발생되면 시장의 파급력도 커진다. 따라서 부동산PF 연체율에 대한 관리와 거시경제적 분석이 필요하다. 선행연구에서는 주로 개별 은행의 부동산PF 데이터를 통한 미시적인 분석을 진행하여 리스트의 중요성을 평가하거나, 연체에 대한 결정요인을 분석하여 전체적인 부동산PF 규모에 의한 연구가 미흡하였다. 본 연구는 이러한 자료의 한계점을 극복하고자 거시경제변수에 따른 시장전체의 부동산PF 연체율에 대한 영향관계를 연구하였다. 본 연구는 부동산PF 대출규모, 통화량, 금리, 소비자물가지수, GDP 자료를 활용하였으며, 공적분검정 결과 적어도 2개 변수 이상에서 선형관계가 이루어짐에 따라 VECM의 1차 모형을 적용하였다. 그랜저인과관계 결과 부동산PF 연체율은 부동산PF 대출금액에 영향을 받으며, 충격반응결과 통화량, 소비자 물가지수, 금리, 대출금액, GDP 순으로 연체율에 큰 영향을 주는 것으로 나타났다. 향후 부동산PF 자금 대출 이후 금리 상승은 부동산PF 연체율에 부담을 주게 되며, 통화량의 증가는 물가의 상승을 유도하여 결국 금리상승으로 이어질 수 있어 대출규모가 클수록 위험성의 노출이 심각해 질 수 있다. 따라서 부동산PF 연체율의 관리는 대출 이후 거시적 관점에서 자금 회수에 지속적 추적과 관찰이 필요하며, 이를 통해 연체율 방지를 위한 관리방안이 필요할 것이다.

• 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.

• 지능정보연구
• /
• 제9권2호
• /
• pp.135-154
• /
• 2003

Credit scoring system (CSS) starts from an analysis of delinquency trend of each individual or industry. This paper conducts a research on credit card delinquency of bank customers as a preliminary step for building effective credit scoring system to prevent excess loan or bad credit status. To serve this purpose, we use association rules as a rule generating data mining technique. Specifically, we generate sets of rules of customers who are in bad credit status because of delinquency by association rule mining. We expect that the sets of rules generated by association rule mining could act as an estimator of good or bad credit status classifier and basic component of early warning system.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.149-154
• /
• 2003

Credit scoring system (CSS) starts from an analysis of delinquency trend of each individual or industry. This paper conducts a research on credit card delinquency of bank customers as a preliminary step for building effective credit scoring system to prevent excess loan or bad credit status. To serve this purpose, we use association rules that ore generating method. Specifically, we generate sets of rules of customers who are in bad credit status because of delinquency by using association rules. We expect that the sets of rules generated by association rules could act as an estimator of good or bad credit status classifier.

• KDI Journal of Economic Policy
• /
• 제37권3호
• /
• pp.55-74
• /
• 2015

This study examines the effect of a one-on-one outsourced pre-lending consulting service on the repayment behavior of microcredit borrowers in Korea with administrative data from the Smile Microcredit Bank. A random change in the cut-off loan amount for mandatory consulting is utilized as an identification strategy. This three-day pre-lending business consulting service is effective in encouraging repayment behavior of existing businesses but it has no significant effect on start-up loans. The effectiveness of the consulting service in deterring delinquency with regard to existing loans is greater among male borrowers than among females.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권1호
• /
• pp.30-45
• /
• 2024

This study introduces an effective method for predicting individual local tax delinquencies using prevalent machine learning and deep learning algorithms. The evaluation of credit risk holds great significance in the financial realm, impacting both companies and individuals. While credit risk prediction has been explored using statistical and machine learning techniques, their application to tax arrears prediction remains underexplored. We forecast individual local tax defaults in Republic of Korea using machine and deep learning algorithms, including convolutional neural networks (CNN), long short-term memory (LSTM), and sequence-to-sequence (seq2seq). Our model incorporates diverse credit and public information like loan history, delinquency records, credit card usage, and public taxation data, offering richer insights than prior studies. The results highlight the superior predictive accuracy of the CNN model. Anticipating local tax arrears more effectively could lead to efficient allocation of administrative resources. By leveraging advanced machine learning, this research offers a promising avenue for refining tax collection strategies and resource management.

• 경영정보학연구
• /
• 제23권1호
• /
• pp.69-91
• /
• 2021

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.

• KDI Journal of Economic Policy
• /
• 제43권3호
• /
• pp.1-32
• /
• 2021

With CB data in South Korea, this study examines whether the credit risk of borrowers changes when the regulation on bank mortgage supply is relaxed. We analyze the effect of deregulation on LTV and DTI limits in the Seoul-metropolitan area in August 2014 with a difference-in-difference approach. We find that the probability of delinquency is lower in the Seoul metropolitan area after the deregulation than in other urban areas. The effect is noticeable among low-income and low-credit borrowers. We also find that borrowers change their debt structure to reduce the interest costs utilizing their improved access to bank mortgages. The findings suggest the necessity to consider the burden of the high interest costs of unsecured loans for debtors with low incomes and low credit ratings in designing housing finance regulations.

• Journal of information and communication convergence engineering
• /
• 제19권4호
• /
• pp.228-233
• /
• 2021

In this study, we analyze the credit information (loan, delinquency information, etc.) of individual business owners to generate voluminous training data to establish a bankruptcy prediction model through a partial synthetic training technique. Furthermore, we evaluate the prediction performance of the newly generated data compared to the actual data. When using conditional tabular generative adversarial networks (CTGAN)-based training data generated by the experimental results (a logistic regression task), the recall is improved by 1.75 times compared to that obtained using the actual data. The probability that both the actual and generated data are sampled over an identical distribution is verified to be much higher than 80%. Providing artificial intelligence training data through data synthesis in the fields of credit rating and default risk prediction of individual businesses, which have not been relatively active in research, promotes further in-depth research efforts focused on utilizing such methods.