소상공인 신용평가모형 구축에 관한 연구 - 설문조사 자료를 이용하여 -
A Study on the Construction of Credit Evaluation Model for Small Businesses - using survey data -
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
일반적으로 소상공인은 금융거래 기록이 불충분하여 신용평가모형의 신뢰성을 확보하는데 필요한 최소한의 자료를 획득하는 것이 상당히 어렵다. 자료의 신뢰성 문제를 해결하기 위해 정성적인 정보를 활용하는 관계형 금융 기법을 활용하여 자료 부족으로 인한 신용평가모형의 한계를 일부 극복할 수는 있지만 이를 달성하는 것은 쉽지 않다. 이에 본 논문은 재무변수 등 객관적인 정보를 이용하지 않고 정성적인 자기기입식 설문조사 자료만을 이용하여 신용평가모형 구축 가능성 여부를 확인해 보고자 한다. 이를 위한 분석 자료는 신용보증재단중앙회의 “2017 소기업·소상공인 금융실태 및 신용보증지원효과 조사”에 응답한 표본2,884개이고, 이용한 알고리즘은 로지스틱회귀모형이다. 모형 구축 결과 최종적으로 선택된 변수는 월세, 성장단계, 창업동기, 창업 전 직업, 경영상 애로사항, 현재 자금 운용 상황, 주된 차입기관, 대출 거절 이유, 평균매출액, 업력 10개였다. 구축된 모형을 평가하기 위하여 10중첩 교차타당법을 통한 반응률을 확인한 결과, 불량일 사후확률이 낮은 구간에서 높은 구간으로 갈수록 불량률이 점차 증가하고 서열화가 잘 이루어지고 있다. 그러므로 소상공인 신용평가모형을 구축하기 위해 정성적인 설문조사 자료를 이용하는 것은 가능하다는 결론을 내릴 수 있다. 그리고 신뢰성과 정확성이 높은 신용평가모형이 구축되기 위해서는 차주의 설문응답이 성실해야 한다는 선행조건이 충족되어야 한다.
Abstract
In general, it is very difficult for small business owners to obtain the minimum amount of data necessary to secure the reliability of the credit evaluation model because financial transaction records are insufficient. The reliability problem of the small business credit evaluation model can be partially overcome by using relational financing technique which utilizes qualitative information. But it is not easy to achieve. Therefore, the purpose of this paper is to verify the feasibility of constructing a credit evaluation model using self-filling questionnaire data without objective informations. Analysis data are 2,884 respondents to the "2017 Small Business and Small Business Owners Financial Status and Credit Guarantee Support Effectiveness Survey" of the KOREG and the algorithm used is a logistic regression model. As a result of model construction, 10 independent variables are finally selected. The selected variables are monthly rent, growth stage, motivation for start-up, occupation before start-up, difficulties in management, current fund operation situation, main borrowing institution, reasons for loan rejection, average turnover, age of business. The response rate gradually increased from low to high posterior probability of bad, and the sequencing is progressing well. Therefore, it can be concluded that it is possible to use survey data to build a credit rating model for small businesses. In order to establish a credit evaluation model with high reliability and accuracy, the answer of the borrower's questionnaire should be faithful.
참고문헌 (23)
- 강창완, "데이터마이닝-개념과 기법" (2007), 사이플러스
- 강현철, "SAS Enterprise Miner를 이용한 「데이터마이닝 -방법론 및 활용-」" (1999), 자유아카데미
- 박주완, "인적자원 변수를 이용한 기업신용평가모형 구축에 관한 연구”", 인적자본 기업패널 학술대회 논문집 (2015)
- 박주완, "데이터마이닝 기법을 이용한 소상공인 신용평가모형 구축에 관한 연구", KOREG Research, 5(1) (2017)
- 포용적 금융 시스템 구축을 위한 서민금융정책 방향, In NICE Credit Insight 2017 autumn, "박창균", NICE평가정보 CB연구소, ~ (2017)
- 성웅현, "응용 로지스틱 회귀분석-이론, 방법론, SAS 활용-" (2001), 탐진
- 2016 소상공인 금융실태조사 보고서, "신용보증재단중앙회", ~ (2016)
- 2017 소상공인 금융실태조사 보고서, "신용보증재단중앙회", ~ (2017)
- 2017 소상공인 신용평가모형 구축 최종보고서(내부자료), "신용보증재단중앙회", ~ (2017)
- 머신러닝을 활용한 신용평가모형의 개발-신용정보부족군(Thin-File)을 대상으로, In NICE Credit Insight Issue Report, "신윤제", NICE평가정보 CB연구소, ~ (2016)
- 유원종, "비재무적 요인이 중소벤처기업의 신용평가에 미치는 영향", 대한경영학회지, 28(12), pp.3191~3210 (2015), 대한경영학회[DOI]
- 윤종식, "SVM을 이용한 소상공인 부실예측모형", 한국경영과학회 학술대회논문집, pp.826~833 (2007)
- 이승현, "데이터 마이닝" (2014), 에이콘
- 이영섭, "기업 인적자원 관련 변수를 이용한 기업 신용점수 모형 구축에 관한 연구", 응용통계연구, 20(3), pp.423~440 (2007), 한국통계학회
- 이영섭, "데이터마이닝 Cookbook" (2003), 교우사
- 이주민, "AHP 모형을 활용한 소상공인 신용평가시스템 구축", 정보시스템연구, 16(3), pp.109~132 (2007), 한국정보시스템학회
- 장원경, "중소기업에 대한 신용대출의사결정시 재무적 정보와 비재무적 정보의 상대적 중요성에 관한 연구", 중소기업연구, 24(1), pp.235~254 (2002), 한국중소기업학회
- 최종후, "데이터마이닝의 현장" (2005), 자유아카데미
- Altman, E. I., "The value of non-financial information in small and medium-sized enterprise risk management", The Journal of Credit Risk, 6(2), pp.95~127 (2010)
- Bhimani, A., "The role of financial, macro- economic, and non-financial information in bank loan default timing prediction", European Accounting Review, 22(4), pp.739~763 (2013)
- Hosmer, D. W., "Applied Logistic Regression Second Edition" (2000), John Wiley and Sons
- Kohavi, R., "A Study of Cross-validation and Bootstrap for Accuracy Estimation and Model Selection", Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence, pp.1137~1143 (1995)
- Leung, K., "Building a scorecard in practice", Conference on Computational Intelligence in Economics and Finance (CIEF 2008) (2008)