소득계층별 가계의 부채상환 연체 가능성에 대한 의사결정나무 분석
A Study on Debt Delinquency Prediction for Korean Households across Income Level Using a Decision Tree Analysis
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 연구는 가계부채가 지속적으로 증가하는 상황에서 2020년 가계금융복지조사 데이터를 활용하여 부채보유 가계의 특성을 파악하고 상환을 연체할 가능성이 높은 가계를 예측하였다. 소득계층별로 부채보유 가계를 유형화하였고, 선행연구에서 잘 다루어지지 않던 다양한 변수들을 활용함으로써 모형의 성능을 높였으며, 머신러닝의 대표적 방법인 의사결정나무 분석을 실시하였다는 점에서 기존의 연구들과 차별점을 가진다. 분석 결과, 소득이 증가할수록 연체 경험 비율과 주관적 부채부담 수준은 낮아지고 재무건전성은 양호해져, 저소득층의 취약성에 주목해야 할 필요성이 대두되었다. 또, 의사결정나무 분석 결과 소득계층을 막론하고 상환연체 가능성을 높이는 가장 중요한 변수는 주관적 부채부담이었으며 그 외의 변수는 소득계층에 따라 중요도가 상이한 것으로 나타났다. 저소득층과 중간소득층은 상환가능성과 DTA, 거주형태가 중요 변수였던 반면, 고소득층의 경우 신용카드 관련 대출 보유 여부, 상환가능성, 소비 목적 대출 여부가 중요하게 나타났다. 본 연구에서는 이상의 연구 결과를 바탕으로 다음과 같이 소득계층별 제언을 도출하였다. 우선, 금리 인상 등 외부 충격에 특히 취약한 저소득층의 경우 채무조정을 통해 부채부담을 완화하되, 이들이 부채의 굴레로부터 완전히 벗어나도록 하기 위해서는 신용상담 및 재무설계가 병행되어야 한다. 중간소득층 부채보유 가계의 경우 연체 위험으로부터 벗어날 수 있도록 자산형성을 중심으로 하는 재무건전성 강화가 지원되어야 할 것이다. 마지막으로 비교적 상환능력이 양호한 고소득층의 경우, 가구주 연령 및 직업, 신용카드 대출 여부 등의 특성을 고려하여 연체 가능성이 높은 일부 집단을 대상으로 모니터링이 필요하다.
Abstract
At a time when household debt is on the rise, this study used the Household Financial and Welfare Survey to identify the characteristics of borrowing households and predict households that are likely to fall behind with debt redemption. It differs from previous studies in that it typified households by income level, utilized a variety of variables that were not used before to improve performance of the model, and conducted decision tree analysis, a representative method of machine learning. According to the results, as income increased, the ratio of delinquency experiences and subjective debt burdens decreased, while financial fitness became better, which raises the need to pay attention to the vulnerability of low-income households. In addition, according to the decision tree analysis, the most important variable that increases the possibility of debt delinquency, regardless of income class, was subjective debt burden. Other variables showed different importance depending on the income level. Redeemability, DTA(Debt to Asset Ratio) and residence types were important variables in low- and middle-income models, while credit card-related loans, redeemability, and consumption-purpose loans found to be important in high-income model. This study draws suggestions by income class as follows: First of all, low-income households, particularly vulnerable to external shocks such as benchmark interest rate hikes, should ease their debt burden through Debt Management, and credit counseling should be combined to help them completely escape from debt. For mid-income households, strengthening financial fitness centered on asset formation should be supported. Finally, in the case of high-income households, monitoring is necessary for some groups that are likely to be overdue, considering householders’ age, occupation, and whether they have a credit card loans.
참고문헌 (36)
- 개인신용평가체계 종합 개선방안, "금융위원회", ~ (2018)
- 김성숙, "한국 가계의 소득계층별 부채특성에 따른 연체행동 연구", 가정과삶의질연구, 37(1), pp.179~194 (2019), 가정과삶의질학회[DOI]
- 김영일, "가계의 종합적 특성을 고려한 연체위험 분석", 통계연구, 24(4), pp.48~74 (2019), 통계청
- 김영일, "가계 채무불이행 위험의 결정요인에 대한 분석과 시사점", 금융연구, 32(2), pp.63~92 (2018), 한국금융학회[DOI]
- 김재진, "데이터마이닝 기법을 이용한 소득 수준별 가계부채총액 예측모형 구축", Journal of The Korean Data Analysis Society, 17(6), pp.3035~3046 (2015), 한국자료분석학회
- 남영운, "의사결정나무를 활용한 금융소비자의 저축․투자 관련 정보탐색 결정요인에 대한 연구", 소비자정책교육연구, 16(3), pp.105~130 (2020), 한국소비자정책교육학회[DOI]
- 박미희, "신용카드 이용대금 연체집단의 특성에 관한 연구", Family and Environment Research, 43(2), pp.191~202 (2005), 대한가정학회
- 박윤태, "가구의 소득분위별 가계부채 주관적 상환부담요인에 관한 연구", 한국콘텐츠학회 논문지, 17(9), pp.145~158 (2017), 한국콘텐츠학회[DOI]
- 박종옥, "소비자의 금융채무연체 관련 요인", 소비자학연구, 28(5), pp.137~174 (2017), 한국소비자학회[DOI]
- 배영목, "가계부채의 소득분위별 분포와 특성", 사회과학연구, 32(3), pp.75~99 (2015)
- 백은영, "가계의 부채부담 및 부채문제 : 고소득층과 저소득층 비교분석", 소비문화연구, 15(3), pp.119~138 (2012), 한국소비문화학회
- 백은영, "부채 취약가계 결정 요인", 한국생활과학회지, 21(2), pp.225~240 (2012), 한국생활과학회[DOI]
- 서민구, "R을 이용한 데이터 처리&분석 실무" (2014), 길벗
- 성영애, "가계부채 연체유형과 관련요인에 관한 연구", 소비자학연구, 30(3), pp.27~49 (2019), 한국소비자학회[DOI]
- 안철휘, "효과적인 기업부도 예측모형을 위한 ROSE 표본추출기법의 적용", 한국콘텐츠학회 논문지, 18(8), pp.525~535 (2018), 한국콘텐츠학회[DOI]
- 양세정, "국내 재무설계전문가(FP: Financial Planner)를 대상으로 한 가계재무지표값 조사", Financial Planning Review, 3(1), pp.109~137 (2010)
- 양세정, "한국형 가계재무비율 도출 및 가이드라인 제안", Financial Planning Review, 6(3), pp.143~181 (2013), 한국FP학회
- 이은영, "부채가계의 연체행동 및 관련요인 분석", 소비자학연구, 16(1), pp.179~194 (2005), 한국소비자학회
- 이종희, "소득계층별 한국 차입 가계의 부실화 가능성 연구", 가족자원경영과 정책, 22(1), pp.63~78 (2018), 한국가족자원경영학회[DOI]
- 이종희, "불균형 데이터 환경에서 가계부채 상환연체 분류를 위한 머신러닝의 활용", 소비자학연구, 30(6), pp.97~118 (2019), 한국소비자학회[DOI]
- 이종희, "데이터마이닝 기법을 이용한 중년층의 가계부채 연체 가능성 분류 연구", 가정과삶의질연구, 38(3), pp.1~16 (2020), 가정과삶의질학회[DOI]
- 임은정, "의사결정나무 분석을 통한 한국 중고령자의 점진적 은퇴의사결정에 관한 연구", Financial Planning Review, 8(4), pp.167~195 (2015), 한국FP학회
- 조혜진, "저소득층가계의 부채특성 결정요인분석", 한국가족자원경영학회 학술대회논문집 (2018)
- 최종후, "데이터마이닝 의사결정나무의 응용", 통계분석연구, 4(1), pp.61~83 (1999)
- 최종후, "Answer Tree를이용한 데이터마이닝 의사결정나무분석" (1998), SPSS 아카데미
- 한국은행, "2021년 1", 4분기중 가계신용(잠정), 2021
- 금융안정보고서, "한국은행", ~ (2021)
- 허준, "불균형 데이터 집합에서의 의사결정나무 추론: 종합 병원의 건강 보험료 청구 심사 사례", Information Systems Review, 9(1), pp.45~65 (2007), 한국경영정보학회
- 현대경제연구원, "가계부채의 특징과 시사점", 경제주평, 14(7), pp.1~14 (2014)
- DeVaney, Sharon A., "The Usefulness of Financial Ratios as Predictors of Household Insolvency : Two Perspectives", Financial Counseling and Planning, 5, pp.5~24 (1994)
- DeVaney, Sharon A., "Household Insolvency : A Review of Household Debt Repayment, Delinquency, and Bankruptcy", Financial Services Review, 4(2), pp.137~156 (1995)
- Jackson, Jerry R., "Default Risk on Home Mortgage Loans : A Test of Competing Hypotheses", The Journal of Risk and Insurance, 47(4), pp.678~690 (1980)
- Keese, Matthias, "Who Feels Constrained by High Debt Burdens? Subjective vs. Objective Measures of Household Debt", Journal of Economic Psychology, 33(1), pp.125~141 (2012)
- 김기혁, "상주박물관 소장 1리 방안 군현지도 연구 - 규장각ㆍ장서각본 비교 분석", 한국고지도연구, 6(1), pp.79~94 (2014), 한국고지도연구학회
- Simundic, Ana-Maria, "Diagnostic Accuracy, Part 1 : Basic Concepts", Point of Care The Journal of Near-Patient Testing & Technology, 11(1), pp.6~8 (2012)
- Steinberg, Dan, "The Top Ten Algorithms in Data Mining" (2009), CRC Press