• 한국시뮬레이션학회논문지
• /
• 제30권1호
• /
• pp.75-85
• /
• 2021

본 논문에서는 개인사업자 부도율을 보다 정확하게 예측하기 위한 새로운 방법으로 개인사업자의 기업 신용 및 개인 신용정보를 가공, 분석하여 입력 특성으로 활용하는 심층 신경망기반 예측 모델을 제시한다. 다양한 분야의 모델링 연구에서 특성 선택 기법은 특히 많은 특성을 포함하는 예측 모델에서 성능 개선을 위한 방법으로 활발히 연구되어 왔다. 본 논문에서는 부도율 예측 모델에 이용된 입력 변수인 거시경제지표(거시변수)와 신용정보(미시변수)에 대한 통계적 검증 이후 추가적으로 신용정보 특성 선택 방법을 통해 예측 성능을 개선하는 특성 집합을 확인할 수 있다. 제안하는 신용정보 특성 선택 방법은 통계적 검증을 수행하는 필터방법과 다수 래퍼를 결합 사용하는 반복적·하이브리드 방법으로, 서브 모델들을 구축하고 최대 성능 모델의 중요 변수를 추출하여 부분집합을 구성 한 후 부분집합과 그 결합셋에 대한 예측 성능 분석을 통해 최종 특성 집합을 결정한다.

• KDI Journal of Economic Policy
• /
• 제32권4호
• /
• pp.1-34
• /
• 2010

본 연구에서는 국내 최초로 총 2,210만명의 개인신용 전수미시자료에 기초하여 차주별 특성 및 금융업권별로 부채상환능력을 비교 분석하고, 거시경제 충격에 따른 금융권역별 총부채상환비율(DTI)과 불량률의 변화, 차환위험 분석 등을 통해 가계부채의 건전성을 평가하였다. 실증분석 결과, 차주별로는 저소득 근로자와 고소득 자영업자의 부채상환부담이 상대적으로 높고, 금융업권별로는 캐피탈 및 카드사의 저소득 차주군, 상호저축은행의 고소득 차주군, 은행과 제2금융권 금융회사로부터 복수의 부채를 보유한 차주군의 부채상환능력이 특히 취약한 것으로 분석되었다. 시나리오 분석 결과, 향후 연간 금리 상승폭이 3%p, 소득감소율이 5% 수준 이내인 경우 가계의 부채상환부담 및 불량률 상승효과는 금융권이 현재의 자기자본으로 충분히 흡수할 수 있는 것으로 나타났다. 그러나 세부 권역별로는 캐피탈, 카드사, 상호저축은행 등 이미 차주의 DTI가 높은 제2금융권을 중심으로 가계부채의 부실화 가능성이 있는 것으로 분석되었다. 최근 가계부채 증가가 고소득층의 주택담보대출을 중심으로 이루어져서 상대적으로 안전하다는 견해가 있으나 고소득 차주군, 특히 자영업 고소득 차주군의 DTI 및 고위험군 비중이 높게 나타나, 향후 DTI 규제, 금리 상승 등으로 만기도래하는 일시상환형 주택담보대출의 차환이 어려울 경우 주택가격 하락과 함께 가계부실이 증가할 수 있음에 유의할 필요가 있다. 본 분석 결과는 기존의 거시총량지표를 이용한 가계부실위험 모니터링과 더불어 CB 등 미시자료를 이용한 차주 단위 분석을 결합하여 거시건전성 감독 차원에서 보다 심층적인 가계부채의 위험관리가 필요함을 시사한다.