빅데이터 분석기법에 기초한 가계 부실징후 분석
Insolvency Prediction of Korean Households Using Big Data Analysis Methods
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
한국경제에서 가장 큰 리스크 요인은 급증한 가계부채이다. 본 연구는 민간회사인 나이스신용정보의 자료에 기초한 한국은행의 가계부채DB를 빅데이터 분석기법을 이용하여 분석함으로써 거시적인 가계부실 위기 가능성을 추정하는 방법을 제시하였다. 대부분의 기존 가계부채 관련 연구들은 제한된 변수만을 고려하여 가계의 부채결정 요인을 분석하였다. 하지만본 연구는 이용 가능한 모든 미시 변수를 고려하여 학습과 예측을 통해 최적의 예측모형을구축할 뿐 아니라 다양한 거시 경제변수들을 빅데이터 기법을 통해 결합하여 최종적인 모형을 도출한다는 점에서 기존의 접근 방법과 차별성을 가진다. 본 연구의 방법론에 의한 예측은 단순 임의보행에 따른 예측에 비해 근소하게 우월한 것으로 나타났다.
Abstract
The most significant risk for the Korean economy is the surge in household debt. By relying on an extensive data analysis technique, this study presents a method of estimating the possibility of a macroeconomic crisis of household insolvency. This study uses the Bank of Korea household debt database based on the credit rating data provided by NICE Investors Service Co. Most existing studies on household debts have analyzed household debt determinants by considering only limited variables. In contrast, this study not only constructs an optimal forecast model through learning and prediction that utilize all available micro variables but also derives a final model using big data techniques that combine various macroeconomic variables. The prediction based on the methodology proposed by this study is marginally superior to the prediction based on a simple random walk.
참고문헌 (18)
- 김성준, "가계부채DB의 이해와 활용", 조사통계월보, pp.16~48 (2018), 한국은행
- 김우영, "가계부채의 결정요인 분석", 국제경제연구, 16(1), pp.39~78 (2010), 한국국제경제학회[DOI]
- 이수진, "우리나라 다중채무자 특성 및 전환요인 분석", 한국경제의 분석, 25(1), pp.137~174 (2019), 한국경제의 분석패널[DOI]
- 가계부채 부실화 가능성과 대응방안, "임진", 금융연구원, ~ (2018)
- 금융안정보고서, "한국은행", 한국은행, ~ (2020)
- 한국은행, "금융안정상황", 한국은행, ~ (2021)
- 한치록, "계량경제학 강의" (2022), 박영사
- 함준호, "개인CB 자료를 이용한 우리나라 가계의 부채상환위험 분석", KDI Journal of Economic Policy, 32(4), pp.1~34 (2010), 한국개발연구원[DOI]
- Bergmeir, C, "A note on the validity of cross-validation for evaluating autoregressive time series prediction", Computational Statistics and Data Analysis, 120, pp.70~83 (2018)[DOI]
- Desouza, Kevin C., "Realizing the Promise of Big Data: Implementing Big Data Projects", IBM Center for the Business of Government, ~ (2014)
- Dumbill, Edd, "Big Data Now" (2012), O'Reilly Media, Inc
- Friedman, Jerome, "Regularization paths for generalized linear models via coordinate descent", Journal of Statistical Software, 33(1), pp.1~22 (2010)
- Gunning, D., "DARPA’s Explainable Artificial Intelligence Program", AI Magazine, 44~58 (2019)
- Hoerl, Authur E., "Ridge regression : Biased estimation for nonorthogonal problems", Technometrics, 12(1), pp.55~67 (1970)
- Hoerl, Authur E., "Ridge regression : Applications to nonorthogonal problems", Technometrics, 12(1), pp.69~82 (1970)
- James, Gareth, "An Introduction to Statistical Learning: with Applications in R" (2013), Springer
- Tibshirani, Robert, "Regression shrinkage and selection via the lasso", Journal of Royal Statistical Society Series B, 58(1), pp.267~288 (1996)
- Wolpert, D. H., "No free lunch theorems for optimization", IEEE Transactions on Evolutionary Computation, 1(1), pp.67~82 (1997)