220516

신용평가모형의 이해와 실습

신용평가모형(CSS, Credit Scoring System)

신용 Risk 측정 지표로 심사전략 및 사후관리 등의 주요 리스트 관리전략에 중요 의사결정도구로 활용

데이터 전처리 단계에서 각 변수를 Classing처리하여 WoE의 방향성이 존재하고 IV값이 큰 기준으로 유의미한 후보 변수를 선정함(Data processing & Feature selection)

• Classing : =Binning, 구간화
• WoE : 변수의 타겟 분별력, 방향성
• IV : 분별력의 절대적 크기

->이상치/NULL값 처리, 범주형 처리 용이, 타겟과의 선형성 강화, 심사전략 운영 및 설명 용이

 

모형적합단계에서 적합한 알고리즘이란?

• 설명력 : 결과에 대한 합리적 설명이 가능, 블랙박스형 모형의 활용이 어려움
• 안정성 : 스코어 산출의 안정성, 모형 운영(시스템 운영)의 안정성

->Logistic Regression적용

• 결과에 대한 설명이 용이 : 각 인풋변수와 계수의 곱의 합으로 이루어져 있어 설명에 매우 용이
• 산출 및 운영에 안정적 : 간단한 수식으로 표현이 가능, 시스템 반영 및 운영에 무리가 없으며 특정변수 내 오류발생시 어떤 변수에서 오류가 발생했는지 확인이 쉬움

SHAP(SHapley Additive exPlanations)도 사용

• Lloyd Shapley의 협업게임이론 개념을 적용한 방법론으로 예측에 대한 각 특성의 기여도를 계산하여 instance x의 예측 설명  ex)각 팀에서 그 선수를 빼고 경기를 해본 뒤 그 기여도를 비교해보면 됨
• Shapley Value : 모든 경우에 대한 기여도(marginal contribution)의 평균을 산출
• 모형의 종류에 상관없이 적용가능, Global interpretability도 가능하며 이론적 배경이 탄탄하다고 평가

CB인프라가 미흡한 해외시장/신용정보가 부족한 Thinfile고객의 합리적 신용평가->대안신용평가

고객의 신용카드 신청시, 내/외부 데이터를 수집 및 전처리하여 신용평가 스코어를 산출, 이를 기반으로 심사전략 운영

기존 신용정보가 아닌 비금융정보를 활용하는 것이 대안신용평가의 본질