경제적인 환경의 급속한 변화에 따라 대부분의 기업은 다양한 형태의 위험에 노출되어 있으며, 신용카드의 사용 및 소비자대출은 이미 개인생활 속의 한 부분으로 자리잡고 있다. 따라서, 대부분의 은행, 보험사 및 카드사 등의 금융기관에서는 개인의 신용위험 관리에 대 ...

경제적인 환경의 급속한 변화에 따라 대부분의 기업은 다양한 형태의 위험에 노출되어 있으며, 신용카드의 사용 및 소비자대출은 이미 개인생활 속의 한 부분으로 자리잡고 있다. 따라서, 대부분의 은행, 보험사 및 카드사 등의 금융기관에서는 개인의 신용위험 관리에 대한 필요성을 인지하고 이를 관리할 수 있는 시스템을 도입하여 운영하고 있다. 최근 들어 이러한 신용위험을 예측하는 문제는 통계학 및 확률모형화 분야에서도 중요한 문제로 연구되고 있다(Thomas, 2000). 소매 또는 소비자대출 문제에서 이를 예측하기 위한 주요 접근방법으로 신용평점(credit scoring)과 행동평점(behavioral scoring)이 있다. 이러한 방법들은 통계적 방법 또는 의사결정방법에 기초하고 있으며, 통계적 방법에는 판별분석과 로지스틱 회귀분석, 생존분석 등이 있다. 다변량 통계기법 중의 하나인 판별분석은 Fisher(1936)에 의해 판별과 분류의 도구로 제안된 방법으로 신용평점모형을 구축하는데 응용된 최초의 방법 중의 하나이고, 로지스틱 회귀분석은 통계적 모형화에 널리 사용되는 방법으로 Wiginton(1980)은 로지스틱 회귀분석을 신용평점 분야에 적용시킨 방법을 처음으로 제안하였다. 신용평점모형을 구축하기 위한 생존분석의 응용방법은 Narain(1992)에 의해 처음으로 소개되었으며, Thomas, Banasik와 Crook(1999), Stepanova와 Thomas(2002)에 의해 더욱 발전되었다.
이러한 신용평점모형은 과거의 고객 성향에 대한 자료가 미래 고객의 행태를 예측하는데 효과적으로 사용될 수 있다고 가정한다. 이는 과거의 모집단과 현재의 또는 미래의 모집단이 매우 비슷할 것이라는 가정을 하고 있다고 할 수 있다. 그러나 신청모집단 자체의 변화나 급속한 경제환경 등과 같은 수많은 변수들의 변화로 인하여 과거 고객의 특성과 환경에 근거한 신용평점모형 또는 평점표는 영향을 받게 될 것이다. 따라서 개발된 신용평점모형에 대한 지속적인 모니터링을 통한 유지보수는 효과적인 모형을 개발하는 것만큼이나 중요하다고 할 수 있다. 그러나 개인 신용평점모형과 관련된 국내외의 연구는 대부분 모형의 효과적인 개발과 관련되어 있을 뿐 모형의 유지보수와 관련된 연구는 매우 미비한 실정이므로 이에 대한 연구가 절실하다고 할 수 있다.
따라서 본 연구과제에서는 통계적 방법에 의해서 개발된 신용평점모형이 신청 모집단의 변화나 경제적 환경 등과 관련된 변수들의 변화로 인하여 성능에 문제가 발생할 수 있기 때문에, 지속적인 모니터링을 통하여 이러한 문제를 해결 할 수 있는 연구를 진행하고자 한다. 즉, 지속적인 모니터링을 통해서 개발된 기존의 신용평점모형이 계속해서 유효한 모형으로 존재하고 있는지, 아니면 약간의 수정이 필요한지 또는 대대적인 모형의 수정이 필요한지, 심각한 문제로 인하여 모형을 새롭게 개발해야 하는지를 보여주는 방법에 관하여 연구를 진행 하고자 한다. 이러한 연구는 개인 신용평점모형을 신청고객에게 사용하는 순간부터 모형의 예측력이 현저하게 떨어져 모형을 다시 개발해야 하는 시점까지 평점표를 지속적으로 관찰하여 적절한 유지보수를 취할 수 있도록 해 주는 아주 현실적이고 독창적인 연구 과제라고 할 수 있다.

Forecasting financial risk has over the last thirty years becomes one of the major growth areas of statistics and probability modeling. Credit scoring and behavioural scoring are the techniques that help organizations decide whether or not to grant to ...

Forecasting financial risk has over the last thirty years becomes one of the major growth areas of statistics and probability modeling. Credit scoring and behavioural scoring are the techniques that help organizations decide whether or not to grant to consumers who apply to them(Thomas, 2000).
The main approaches are credit scoring and behavioural scoring which are based on statistical or operational research methods of classification. The statistical methods include discriminant analysis, logistic regression analysis, and survival analysis. Discriminant analysis was proposed by Fisher (1936) as a discrimination and classification tools. It is one of the first methods applied to building credit scoring models. Logistic regression is a widely used statistical modeling method. Wiginton (1980) was one of the first to describe the results of using logistic regression in credit scoring. The application of survival analysis for building credit scoring models was introduced by Narain (1992) and developed further by Thomas et al. (1999) and Stepanova and Thomas (2002).
Credit scoring model is assumed that it will predict the customer's behaviour. That is, the use of credit scoring model or scorecard is based on the assumption that the future will be similar to the past. However, there are many reasons (changes of economic circumstance and population) why the scorecard might not be working as effectively as it could. Thus, we should monitor the credit scoring or scorecard and also update the scorecard if it is not perfect.
However, until now, many researches focussed on the development of credit scoring model. Thus, the research on the maintenance(monitoring and updating) of credit scoring model or scorecard is needed.
Therefore, in this international joint research, we propose the performance analysis method of credit scoring model or scorecard. Credit scoring model might not be working as effectively as it could since the economic circumstance and population will be changed in the future. Thus, we should examine the credit scoring model or scorecard and also update (minor(change cut-off score), major(rescore some characteristics), replace(rebuild scorecard)) the scorecard if it is not perfect.

본 연구과제에서는 통계적 또는 비통계적 방법에 의해서 개발된 신용평점모형이 신청 모집단의 변화나 경제적 환경 등과 관련된 변수들의 변화로 인하여 예측능력 등의 성능에 문제가 발생하고 있는지를 분석할 수 있는 방법을 제안하고, 이에 대한 이론적 특성 및 응용가 ...

본 연구과제에서는 통계적 또는 비통계적 방법에 의해서 개발된 신용평점모형이 신청 모집단의 변화나 경제적 환경 등과 관련된 변수들의 변화로 인하여 예측능력 등의 성능에 문제가 발생하고 있는지를 분석할 수 있는 방법을 제안하고, 이에 대한 이론적 특성 및 응용가능성 등의 연구가 진행되었다.
우선, 상반기에는 통계적 또는 비통계적 방법을 활용하여 개발된 신용평점모형에 대한 기존의 연구결과를 자세히 살펴보았다. 즉, 판별분석(discriminant analysis)과 로지스틱 회귀분석(logistic regression analysis), 생존분석(survival analysis), 의사결정나무(decision tree), 신경망모형(neural network), 유전자알고리즘(genetic algorithm) 등을 활용한 기존의 신용평점모형에 대한 검토를 통해서 본 연구과제를 효과적으로 수행하기 위한 기본적인 토대를 마련하였다. 하반기에는 이러한 연구를 토대로 하여 신용평점모형의 성능분석을 위한 방법을 제안하였다. 통계적 또는 비통계적 방법에 의해서 개발된 신용평점모형이 신청 모집단의 변화나 경제적 환경 등과 관련된 변수들의 변화로 인하여 성능에 문제가 발생할 수 있기 때문에, 지속적인 모니터링을 통하여 이러한 문제를 해결 할 수 있는 방법을 연구를 진행하였다. 즉, 지속적인 모니터링을 통해서 개발된 기존의 신용평점모형이 계속해서 유효한 모형으로 존재하고 있는지, 아니면 약간의 수정이 필요한지 또는 대대적인 모형의 수정이 필요한지, 심각한 문제로 인하여 모형을 새롭게 개발해야 하는지를 보여주는 방법에 관하여 연구를 진행 하였다. 또한 수익측면에서의 평점표의 성능을 분석하여 승인점(cut-off score)을 조정하는 방법에 대해서도 이론적인 연구가 진행되었다.

신용평점모형은 과거의 고객 성향에 대한 자료가 미래 고객의 행태를 예측하는데 효과적으로 사용될 수 있다고 가정한다. 이는 과거의 모집단과 현재의 또는 미래의 모집단이 매우 비슷할 것이라는 가정을 하고 있다고 할 수 있다. 그러나 신청모집단 자체의 변화나 급속 ...

신용평점모형은 과거의 고객 성향에 대한 자료가 미래 고객의 행태를 예측하는데 효과적으로 사용될 수 있다고 가정한다. 이는 과거의 모집단과 현재의 또는 미래의 모집단이 매우 비슷할 것이라는 가정을 하고 있다고 할 수 있다. 그러나 신청모집단 자체의 변화나 급속한 경제환경 등과 같은 수많은 변수들의 변화로 인하여 과거 고객의 특성과 환경에 근거한 신용평점모형 또는 평점표는 영향을 받게 될 것이다. 따라서 개발된 신용평점모형에 대한 지속적인 모니터링을 통한 유지보수는 효과적인 모형을 개발하는 것만큼이나 중요하다고 할 수 있다. 그러나 개인 신용평점모형과 관련된 국내외의 연구는 대부분 모형의 효과적인 개발과 관련되어 있을 뿐 모형의 유지보수와 관련된 연구는 매우 미비한 실정이므로 이에 대한 연구가 절실하다고 할 수 있다.
따라서 본 연구과제에서는 개인신용평점 모형의 성능분석에 관한 연구를 수행하였는데, 주로 평점표 개발 전문가에 의해서 개발되어 사용되고 있는 기존 평점표에 대하여 여러 옵션 중에서 어떠한 것을 선택하여야 하는가에 대한 이론 연구와 실제 자료에 적용하는 연구를 수행하였다. 즉, 개인신용평점 모형의 성능분석이라는 연구목표를 달성하기 위해서 평점표의 유지보수와 관련된 이론적인 연구가 체계적으로 진행되었고, 실제 은행의 자료를 활용하여 이론적인 연구결과를 적용하는 연구가 병행되어 수행되었다. 이러한 이론적이며 응용적인 연구의 결과는 방문기관의 공동연구자인 Thomas교수와 함께 국외전문학술지(SCI)에 투고가 되어 신용평점과 관련된 분야에서 연구를 수행 중인 연구자들에게 큰 도움을 줄 것으로 기대된다. 뿐만 아니라, 실제 은행 자료에 활용을 했기 때문에 은행, 증권사 그리고 생보사 등의 산업계에서도 활용될 수 있는 근거를 확보하였다.