AI 용어집 · 기초 · 전통 ML·추천·검색 · 금융·보험
신용평가 모델 Credit Scoring
신용평가 모델은 대출이나 카드를 신청한 사람·기업이 앞으로 돈을 제때 갚을 가능성을 데이터로 계산해 점수나 등급으로 나타내는 모델이다. 금융회사는 이 점수로 승인 여부·한도·금리를 정한다.
용어 정보
어떻게 작동하나
과거 대출자들의 정보(상환 이력, 소득, 부채 규모, 거래 기간 등)와 실제로 연체했는지 여부를 짝지어 모델을 학습시킨다. 모델은 새 신청자의 정보를 보고 연체할 확률을 예측하고, 이를 점수나 등급으로 바꾼다. 전통적으로는 해석이 쉬운 로지스틱 회귀 같은 통계 모델을 많이 썼고, 요즘은 그래디언트 부스팅 같은 머신러닝 기법도 함께 쓴다. 최종 결정은 점수와 함께 회사의 대출 정책·규정을 반영해 내린다.
신용평가 모델이 점수를 내기까지
- 1과거 데이터 모으기상환 이력·소득·부채와 연체 여부
- 2모델 학습회귀·그래디언트 부스팅 등
- 3연체 확률 예측새 신청자 정보 입력
- 4점수·등급 변환
- 5승인·한도·금리 결정회사 정책과 함께 반영
왜 중요한가
금융회사가 손실을 줄이면서도 갚을 능력이 있는 사람에게는 돈을 빌려줄 수 있게 해 주는 핵심 도구다. 심사를 자동화하면 수많은 신청을 빠르고 일관되게 처리할 수 있다. 또 통신비·공과금 납부 기록 같은 대안 데이터를 쓰면 금융 거래 기록이 적은 사회초년생이나 자영업자도 평가받을 길이 넓어진다.
알아 둘 점
과거 데이터에 들어 있는 편향을 모델이 그대로 배울 수 있어, 특정 집단에 불리한 결과가 나오지 않는지 점검해야 한다. 대출을 거절당한 사람에게 이유를 설명해야 하는 경우가 많아 설명 가능성이 특히 중요하다. 경제 상황이 바뀌면 데이터 분포가 달라져 모델 성능이 떨어지는 데이터 드리프트도 흔하다. 그래서 금융권은 모델 리스크 관리 체계 안에서 검증·모니터링을 정기적으로 한다.
예시
인터넷은행이나 핀테크 앱에서 대출 한도를 조회하면 몇 초 만에 한도와 금리가 나오는데, 그 뒤에서 신용평가 모델이 신청자의 정보를 바탕으로 상환 가능성을 계산한다. 일부 서비스는 신용평가회사 점수에 자체 데이터로 만든 모델을 더해 심사한다.