인터넷 검색자료를 이용한 가계대출 수요의 분석
Analysis on the Household Loan Demand Using Internet Search Data
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
가계부채에 관한 연구는 많이 이루어지고 있으나 가계대출 수요에 대한 분석은 상대적으로 미흡한 실정이다. 본 연구에서는 가계대출 수요를 분석하기 위해 기존 방식과 달리 빅데이터의 검색자료를 이용한 가계의 주택담보대출 수요 파악 가능성과 유용성을 살펴본다. 기존의 경우 가계대출에 대한 수요는 통상적으로 한국은행에서 조사하는 대출태도조사 기반의 대출수요로 파악되었으나 동 지표의 경우 실질적인 대출수요라기 보다는 공급자 관점에서의 추정이라 정부의 대출 관련 정책 등에 연동되는 경우가 많았다. 본 연구에서는 최근의 빅데이터 선행 연구를 기반으로 대출수요자의 대출금리 검색과 같은 검색자료를 이용하여 가계대출 수요를 식별할 수 있는지를 분석한 결과, 대출태도조사 기반 자료에 비해 검색지표가 설명력이 높은 것으로 나타났다. 다음으로 이와 같은 검색지표가 대출증가율 설명에 있어 경제변수들에 비해 추가적인 정보를 제공하는지를 실증 분석한 결과 검색지표가 제한적이나마 추가적인 설명력이 있는 것으로 나타났다. 본 연구를 토대로 향후 주택담보대출 수요를 속보성있게 파악하여 관련 소비자금융정책을 적절히 시행할 수 있을 것으로 기대한다.
Abstract
Although many studies have been conducted on household debt, the analysis of household loan demand is relatively insufficient. In order to analyze household loan demand, this study examines the possibility and usefulness of identifying household mortgage loan demand using social big data such as internet search data, unlike the existing method. In the past, the demand for household loans was identified as loan demand based on a loan attitude survey conducted by the Bank of Korea. In the case of this indicator, it is an estimate from a supplier's point of view rather than actual loan demand, so it is often linked to the government's loan- related policies. This study analyzed whether household loan demand could be identified using internet search data such as loan interest rate searches of loan users based on recent big data prior studies. As a result of the analysis, it was found that the search index had a higher explanatory power than the loan attitude survey-based data. Next, as a result of analyzing whether such a search index provides additional information in explaining loan demand, it was found that the search index has additional explanatory power compared to other economic variables, although statistical significance is marginal. Based on this study, it is expected that it will be possible to properly implement related consumer finance policies by quickly identifying the demand for mortgage loans in the future.
참고문헌 (12)
- 대출태도지수와 대출실적간의 관계, "노형식", 금융연구원, ~, pp.주간금융브리프 19(27) (2010)
- 유경원, "포털 검색어 자료를 이용한 개인파산 판단지표의 개발", 소비자정책교육연구, 17(3), pp.83~100 (2021), 한국소비자정책교육학회[DOI]
- 빅데이터를 활용한 경제데이터 분석 사례 및 방법론 연구, "유경원", ~ (2019)
- 유경원, "빅데이터를 활용한 개인회생 및 개인파산 실적 예측 - 검색지수와 신청건수의 관계 분석 -", 소비자학연구, 31(1), pp.113~132 (2020), 한국소비자학회[DOI]
- 최철, "우리나라 가계 대출수요와 서민금융 정책 방향", 금융소비자연구, 9(1), pp.91~112 (2019)
- 금융안정보고서, "한국은행", ~ (2021)
- 금융기관 대출행태서베이 결과, "한국은행", ~ (2021)
- Burdeau, E., "Accessing the use of Google Trends to predict credit developments", ISI World Statistics Congress (2017)
- Using Internet Search Data as Economic Indicators, "McLaren, Nick", Bank of England, ~, pp.Quarterly Bulletin 2011 Q2 (2011)
- Seth Stephens-Davidowitz, "Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are", Foreword by Steven Pinker, ~ (2017)
- "한국은행 경제통계시스템"[URL]
- "Google Trends"[URL]