1. 신용평가모형(CSS, Credit Scoring System)이란?
- 크레딧 스코어 시스템은 개인이나 기업의 신용도를 수치로 표현한 전통적인 점수 시스템으로 대출, 신용카드 발급, 금융 서비스 이용 여부 등을 판단하는데 사용
- 주로 과거의 금융 활동, 신용 기록, 현재의 재정 상태 등을 바탕으로 평가되며, 금융 기관은 이를 통해 차입자의 채무 상환 능력과 위험 수준을 판단
2. Credit Scoring의 주요 요소
1) 신용 기록(Credit History)
- 대출 상환 이력, 연체 기록, 신용카드 결제 기록 드을 포함
- 오래된 신용 기록일수록 평가에 긍정적인 영향을 미침
2) 채무 수준(Debt Levels)
- 현재 보유한 채무의 규모 및 한도 대비 사용률(Credit Utilization Ratio)
- 채무 비율이 낮을수록 신용점수에 유리
3) 신용 기간(Length of Credit History)
- 신용 계좌(대출, 신용카드 등)를 유지한 기간
- 평균적으로 오랜 신용 기록이 높은 점수를 얻음
4) 새로운 신용(New Credit)
- 최근 개설한 계좌의 수 및 신용 조회 횟수
- 단기간에 여러 신용을 신청하면 점수에 부정적 영향을 줄 수 있음
5) 신용 유형(Credit Mix)
- 대출, 신용 카드, 할부금 등 다양한 신용 상품 사용 여부
- 다양한 신용 유형을 잘 관리하면 점수에 긍정적 영향을 줌
3. Credit Scoring의 활용
1) 대출 승인
- 금융 기관은 신용 점수를 기준으로 대출 승인 여부를 결정
- 점수가 높을수록 낮은 금리와 유리한 조건을 제공받음
2) 신용카드 발급
- 카드사에서 신용 점수를 기반으로 적합한 카드 상품 제공 여부 결정
3) 금융 상품 추천
- 개인의 신용 점수에 맞는 맞춤형 금융 상품을 제안
4) 보험 및 채용 평가
- 일부 보험 상품의 요율 결정 및 금융 관련 직종의 채용 과정에서도 사용
4. 대표적인 신용 점수 시스템
1) FICO Score(미국)
- 가장 널리 쓰이는 신용 점수 시스템
- 300점에서 850점 사이의 범주로 점수화
2) VantageScore(미국)
- FICO와 유사하지만 더 다양한 데이터 소스를 활용
3) KCB, NICE(한국)
- 국내에서는 KCB(코레아크레딧뷰)와 NICE평가정보에서 신용 평가를 담당
- 개인별 신용 등급(1~10등급) 또는 점수(0~1000점) 제공
5. 기술적 관점에서의 Credit Scoring
최근에는 머신러닝과 데이터 분석 기술이 신용 평가에 도입되어 더육 정교한 예측이 가능해짐
1) 머신러닝 모델
- 고객 데이터를 기반으로 신용 위험을 예측(Random Forest, XGBoost, Neural Networks 등)
2) 빅데이터의 활용
- 기존 금융 데이터 뿐만 아니라, 비정형 데이터(소셜 미디어 활동, 소비 패턴 등)도 분석
6. 대안신용평가모형
- 전통적인 크레딧 스코어링 기법이 아닌 공과금 납부 이력, SNS 정보, 운전이력, 도서 구매, 멤버십 유무, 취미 활동비 등 비금융정보를 토대로 평가를 내림
- 데이터3법 통과 이후, 가명정보활용이 가능해짐에 따라 다양한 비금융데이터를 활용한 신용평가모형 개발이 가능해짐
- 금융 이력은 부족하지만 상환 능력은 충분한 '씬파일러(Thin Filer)'와 같은 새로운 고객층을 발굴하기 위해 현재 많은 빅테크 기업에서 자체 모형 개발을 진행중
* 씬파일러(Thin Filer)
서류가 적어 파일이 얇은(thin filer) 사회초년생이나 주부, 노약자 등 금융 거래 이력이 없거나 부족한 사람들, 금융소외계층을 뜻함
7. 국내 대안신용평가모형
- 카카오뱅크: 카카오스코어
- 토스뱅크: 자체 모형을 토대로 별도 법인 설립 검토중
- 케이뱅크: 통신, 쇼핑 정보를 활용한 신용평가모델 보유
댓글