데이터마이닝기법을 활용한 주택담보대출 연체가능성 분석에 관한 연구

Abstract

우리나라 주택담보대출의 확대는 2008년 미국의 서브프라임 모기지사태가 발생하면서 부동산시장이 재조명되었으며 단기간에 크게 증가한 주택담보대출의 리스크관리에 대한 관심이 높아지고 있다. 또한 그동안 주택보급율 증가로 주택시장은 안정세를 유지하고 있지만 주택수요는 둔화된 현상을 보이고 있다. 최근 경기침체로 인해 저성장이 지속되고 있으며 인구증가율은 감소되고 생산인구 또한 빠르게 감소할 것으로 전망되고 있어, 고령사회 진입을 앞두고 있는 등 여러 환경이 변화하고 있다. 사회적, 경제적 환경변화와 더불어 가계대출의 대부분을 차지하고 있는 주택담보대출의 커다란 규모와 빠른 증가는 건전성에 대한 관리의 필요성이 높다고 판단되고 있다. 정부에서도 2014년 관계부처 합동으로 가계부채 구조개선 촉진방안을 제시하였고 부채부분 가계건전성 제고를 위한 대출 증가속도의 관리, 대출구조의 개선, 취약계층 채무조정 등 부분별 대책을 순차적으로 마련하고 있는 시점으로 금융기관에서는 가계대출 비중이 높은 주택담보대출 관리가 필요한 상황이다. 기존의 선행연구가 주로 거시경제변수와 연체율 관계를 분석한 연구로서 금융기관에서 대출심사 및 연체예측성 등 자료로 적용하기에는 부적합하였다. 이에 본 연구에서는 주택담보대출 자료를 가지고 연체가능성 여부를 예측하기 위하여 회귀모형인 이항로짓모형을 적용하였고 데이터마이닝기법에는 인공신경망모형 및 의사결정나무모형을 적용하여 활용여부를 각 분석모형을 통하여 예측하였다. 연구결과 비연체차입자에 대한 예측은 로짓모형과 의사결정나무모형이, 연체차입자에 대한 예측은 인공신경망모형과 의사결정나무모형이 높게 나타났다. 상대적으로 편차를 보이긴 하였으나 전반적인 예측력은 의사결정나무모형이 가장 우수한 것으로 나타났다. 로짓모형과 인공신경망모형에서는 대출기간, 금리조정기간, 주택규모 등이 공통적으로 연체에 영향을 많이 미치는 것으로 나타났으며, 의사결정나무모형에서는 대출시기, 대출금액, 대출목적 등이 상위 분류기준으로 나타나 연체여부에 영향을 주는 것으로 나타났다. 각 모형의 특성에 따라 장점을 발견하였으며 각 분석결과를 모두 고려하여 판단할 필요가 있을 것으로 보인다. 로짓모형은 통계적인 활용도에서, 인공신경망모형은 통계적 유의성에 대한 제약 없이 다양한 변수의 영향력을 활용할 수 있다는 점에서 의의를 가질 수 있으며, 의사결정나무모형은 정상 차입자와 연체자의 단계별 분류기준을 확인 할 수 있다는 점에서 의미가 있다고 본다.