정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
개인신용정보 표본DB 기반의 대출 현황 분석 및 채무불이행 예측성능 비교 |
| 영문제목(English Title) |
The analysis of Loan status and Comparison of Default Prediction Performances based on Personal Credit Information Sample Database |
| 저자(Author) |
박소희
최대선
Sohee Park
Daeseon Choi
|
| 원문수록처(Citation) |
VOL 46 NO. 07 PP. 0627 ~ 0635 (2019. 07) |
한글내용
(Korean Abstract) |
본 논문은 한국신용정보원의 신용정보 표본DB 시범서비스의 일환인 개인신용정보 표본DB를 이용하여 차주들의 성별, 연령, 기준월, 업권 등에 따른 대출 및 채무불이행 현황을 분석하고 통계자료를 제시한다. 또한, 국내외 은행은 대출 차입자의 채무불이행에 따른 손실을 최소화하는데 주목하고 있음에 따라 개인신용정보 표본DB를 사용하여 차주의 채무불이행을 예측 모델을 생성하고 성능을 평가한다. 특정달의 채무불이행을 예측하기 위하여 직전 6개월의 차주의 정보 및 대출 정보를 가공하여 특징 데이터를 생성하고 Recurrent Neural Network와 기계학습 알고리즘을 사용하여 채무불이행 예측 모델을 생성하였다. 각 모델의 성능 측정 결과, Recurrent Neural Network가 채무불이행 차주에 대한 Recall이 0.96, AUC가 0.85로 가장 좋은 성능을 보였다. |
영문내용
(English Abstract) |
In this paper, we analyze the status of loans and defaults and present statistical data according to the borrower's gender, age, month, etc. by using the personal credit information sample database offered as a trial service from Korea Credit Information Services. In addition, since domestic and foreign banks are paying attention to minimize the loss caused by default of the borrower, we used the personal credit information sample database to create a predicting model of borrower default and evaluated the model performance. To predict the default for a certain month, the borrower's demographic information and loan information for the previous six months were processed to generate characteristic data, and a default prediction model was created using Recurrent Neural Network and machine learning algorithm. Based on the performance of each model, Recurrent Neural Network was showed as the model to demonstrate the best performance with Recall of 0.96 and AUC of 0.85 for the default borrower.
|
| 키워드(Keyword) |
통계 분석
채무불이행 예측
신용정보
순환신경망
기계학습
statistic analysis
default predict
credit information
recurrent neural network
machine learning
|
| 파일첨부 |
PDF 다운로드
|
