신용카드회사의 개인사업자 신용평가 업무에 관한 연구:머신러닝 모델의 도입
The Eeffective Credit Scoring Model for Personal Businesses by Credit Card Companies: Machine Learning Technique
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 신용카드회사에 대한 개인사업자 신용평가 업무가 가능하게 됨에 따라 효율적으로 그 러한 업무를 추진하는 방안을 연구하는 것이다. 따라서 선행연구와 기존의 평가전문회사, 핀테크 기업의 사례를 중심으로 방안을 도출하였다. 선행연구의 대부분이 신용평가와 부도 예측에서 머신 러닝 기법의 활용을 주장하고 있다. 또한, 데이터의 수집과 활용에서도 재무 변수 중심의 은행의 심사 자료가 아니라 리얼타임(real time)의 즉각적인 대안 자료가 신용평가에 도움이 되는 체제로 가고 있다. 우리는 연구 결과 3가지를 결론으로 제시한다. 첫째, 신용평가 모델과 방법에서 머신러 닝 기법을 도입하여 빅데이터를 처리할 수 있고 즉시 처리가 가능하도록 신용평가를 수행하여야 한다. 둘째, 대안 정보를 수집하고 집적하여 신용평가에 활용하여야 한다. 개인사업자 대표의 개인 신용정보, 모바일 사용 내역, 집세 연체 등 비금융정보의 수집과 활용이 필요하다. 셋째, 다른 평 가 전문기관, 핀테크 기업과 협업이 필요하다. 정보의 교류와 융합이 더 정확한 평가 평가시스템 을 만들 수 있기 때문이다.
Abstract
This study is to suggest an effective credit scoring model to assess personal businesses. We are focus to set and apply machine learning techniques to construct nonlinear, nonparametric forecasting models of personal businesses and prevent personal business delinquencies. We suggest that it is to apply credit scoring model based on machine learning to deal big data composed of fianacial data and non-financial information. The results of this study are as follows: First, machine learning technology can be used for more sophisticated creditworthiness assessment of personal businesses. Second, credit card companies consider the alternative data and non-financial information as such as SNS data, social reputations, smart phone usage, and payment of rent fee. Third, credit card companies need to have the collaboration with credit-specialized companies, Fintech, to develop better credit evaluation tools in terms of credit scoring model and alternative data.
참고문헌 (26)
- 권황현, "머신러닝과 금융: 머신러닝 기반 신용평가모형", 산은조사월보, 771, pp.3~16 (2020), KDB미래전략연구소
- 김시언, "카드사 부대업무 확대 방향에 관한 연구", 신용카드리뷰, 13(2), pp.1~17 (2019), 사단법인 한국신용카드학회[DOI]
- 김종윤, "통신 빅데이터 활용 개인신용평가모형(통신스코어)개발", 박사, pp.2019
- 박주완, "기계학습 기법을 이용한 소상공인 신용평가모형 구축에 관한연구", 한국비즈니스리뷰, 10(3), pp.1~16 (2017)
- 서정호, "개인사업자 신용평가업(Credit Bureau: CB) 활성화를 위한 과제", 주간금융브리프, 30(11), pp.25~27 (2021), 한국금융연구원
- 서지용, "소상공인 위한 신용평가서비스 활성화 필요성", 아시아경제, ~ (2021)
- 윤종문, "카드사 빅데이터와 딥러닝 신경망 분석 도입의 의미와 활용", 신용카드리뷰, 11(3), pp.27~45 (2017), 사단법인 한국신용카드학회[DOI]
- 이기환, "신용카드 자료를 활용한 자영업자·소상공인 지원 종합정보체계 구축방안에 관한 연구", 신용카드리뷰, 15(4), pp.16~36 (2021), 사단법인 한국신용카드학회[DOI]
- Agarwal, S., "Financial inclusion and alternate credit scoring for the millennials: role of big data and machine learning in fintech" (2020), Indian School of Business
- Bacham, D., "Moody's Analytics Risk Perspectives, Volume IX" (2017)
- Berg, T, , Burg, V., "On the Rise of Fintechs : Credit scoring using digital footprints", The Review of Financial Studies, 33(7), pp.2845~2897 (2018)
- Biatat, V. D., "Enhancing credit scoring with alternative data", Expert Systems with Applications, 163, pp.113766~ (2020)
- Butaru, F., "Risk and risk management in the credit card industry", Journal of Banking & Finance, 72, pp.218~239 (2016)
- Chen, M., "How valuable is fintech innovation?", The Review of Financial Studies, 32(5), pp.2062~2106 (2019)
- Dornadula, V, N., "Credit card rraud detection using machine learning algorithms", Procedia Computer Science, 165, pp.631~641 (2019)
- Dumitrescua, E., "Machine learning for credit scoring : Improving logistic regression with non-linear decision-tree effects", European Journal of Operational Research, 297(3), pp.1178~1192 (2022)
- Elliehausen, G., "The credit card act and consumer finance company lending", Journal of Financial Intermediation, 34, pp.109~119 (2018)
- Bigtech and the changing structure of financial intermediation, "Frost, J.", BIS, ~, pp.BIS Working Papers, 779 (2019)
- How do machine learning and non-traditional data affect credit scoring? new evidence from a Chinese fintech firm, "Gambacorta, L.", BIS, ~, pp.BIS Working Paper, 834 (2019)
- Jagtiani, J., "Do fintech lenders penetrate areas that are underserved by traditional banks?", Journal of Economics and Business, 100, pp.43~54 (2018)
- Jagtiani, J., "The roles of alternative data and machine learning in fintech lending : evidence from the LendingClub consumer platform", Financial Management, 48(4), pp.1009~1029 (2019)
- Khandani, A. E., "Consumer credit-risk models via machine-learning algorithms", Journal of Banking & Finance, 34(11), pp.2767~2787 (2010)
- Liu, Y., "Applying machine learning algorithms to predict default probability in the online credit market : Evidence from China", International Review of Financial Analysis, 79(1), pp.101971~ (2021)
- Provenzano, A. R., "Machine learning approach for credit scoring" (2020), Cornell University
- Balaguru, S., "A novel approach for analyzing the social network", Procedia Computer Science, 48, pp.686~691 (2015)
- Stulz, R. M., "Fintech, bigtech, and the future of banks", Journal of Applied Corporate Finance, 31(4), pp.86~97 (2019)