AI와 신용 평가

AI 신용 평가와 금융

01 신용 평가의 과거와 현재
02 신용 평가 모형의 진화와 AI
03 개인 신용 평가와 AI (1): 데이터
04 개인 신용 평가와 AI (2): 방법론
05 기업 신용 평가와 AI (1): 데이터
06 기업 신용 평가와 AI (2): 방법론
07 AI 신용 평가와 공정성
08 AI 신용 평가와 설명 가능성
09 AI 신용 평가와 성능 확인
10 AI 신용 평가와 금융 규제

신용 평가 모형은 평가 대상과 활용 목적에 따라 각각 그 유형이 다르다. 먼저 평가 대상은 크게 개인과 기업으로 구분할 수 있는데, 금융회사는 이 평가 대상을 ‘차주(借主, creditor)’라고 부른다. 이 뜻은 ‘돈을 빌리는 측의 사람’이라는 의미로, 신용 평가 모형에서는 이 차주가 어떤 그룹에 속하느냐에 따라 차주 특성에 맞는 별도의 모형을 활용하여 평가를 진행하게 된다.
－01_“신용 평가의 과거와 현재” 중에서

하지만 현재 실무에서는 소셜 미디어 활동 이력 등의 디지털 발자국 데이터나 심리 테스트 결과 등은 사용되는 경우가 드물다. 그 이유는 이러한 데이터를 개인 신용 평가에 활용하는 것에 대해 개인들의 심리적 저항과 거부감이 매우 크기 때문이다. 그렇기에 우리나라의 경우, 건강 보험·국민연금 납부 내역, 통신료·공공요금 성실 납부 정보 등을 개인이 직접 제출하거나, 개인 신용 평가 회사나 금융회사가 개인의 동의를 거쳐 관련 데이터를 수집하고 이를 가점 형태로 반영하는 방식이 주로 활용된다.
－03_“개인 신용 평가와 AI (1): 데이터” 중에서

기업 신용 평가를 위한 계량 모형은 1968년 뉴욕대학 교수였던 에드워드 올트먼(Edward Altman)이 개발한 ‘Z-스코어’ 모형에서 그 역사가 시작되었다. 이 모형은 평가 대상 기업의 운전 자본, 이익 잉여금, 세전 이익, 매출액 등과 총자산을 비교한 재무 비율을 활용해 기업의 부도 가능성을 예측한 모형으로서, 기업의 신용도를 재무 정보를 활용해 예측하고 이를 점수화한 최초의 기업 신용 평가 모형으로 크게 주목받았다. 이후 다양한 통계 방법론을 적용한 모형들에 대한 연구가 이루어졌으며 최근에는 기존의 통계 방법론의 한계를 극복하면서도 성능을 향상시킬 수 있는 머신 러닝 방법론을 적용한 모형들이 시도되고 있다.
－06_“기업 신용 평가와 AI (2): 방법론” 중에서