메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김성수 (연세대학교) 배준호 (연세대학교) 이주현 (연세대학교) 정희주 (하나금융TI) 김희웅 (연세대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제29권 제3호
발행연도
2023.9
수록면
419 - 437 (19page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
국내 씬파일러(Thin Filer)의 수가 1200만명을 넘어서며, 금융 업계에서 씬파일러의 신용을 정확히 평가하여 우량고객을 선별해 대출을 공급하는 시도가 많아지고 있다. 특히, 차주의 신용정보에 존재하는 비선형성을 반영하여 채무불이행을 예측하기 위해서 다양한 머신러닝 알고리즘을 활용한 연구가 진행되고 있다. 그 중 그래프 신경망 구조(Graph Neural Network)는 일반적인 신용정보 외에 대출자 간의 네트워크 정보를 반영할 수 있다는 점에서 데이터가 부족한 씬파일러의 채무 불이행 예측에서 주목할 만하다. 그러나, 그래프 신경망을 활용한 기존의 연구들은 신용정보에 존재하는 다양한 범주형 변수를 적절히 처리하지 못했다는 한계가 있었다. 이에 본 연구는 범주형 변수의 맥락적 정보를 추출할 수 있는 트랜스포머 메커니즘(Transformer mechanism)과 대출자 간 네트워크 정보를 반영할 수 있는 그래프 합성곱 신경망(Graph Convolutional Network)를 결합하여 효과적으로 씬파일러의 채무 불이행 예측이 가능한 TeGCN (Transformer embedded Graph Convolutional Network)를 제안한다. TeGCN는 일반 대출자 데이터셋과 씬파일러 데이터셋에 대하여 모두 베이스라인 모델 대비 높은 성능을 보였으며, 특히 씬파일러 채무 불이행 예측에 우수한 성능을 달성했다. 본 연구는 범주형 변수가 많은 신용정보와 데이터가 부족한 씬파일러의 특성에 적합한 모델 구조를 결합하여 높은 채무 불이행 예측 성능을 달성했다는 시사점이 있다. 이는 씬파일러의 금융소외문제를 해결하고 금융업계에서 씬파일러를 대상으로 추가적인 수익을 창출하는데 기여할 수 있을 것이다.
#씬파일러 #채무 불이행 예측 #그래프 합성곱 신경망 #범주형 변수 임베딩 #Thin Filer #Default Prediction #Graph Convolutional Network #Categorical Feature Embedding #TeGCN

목차

1. 서론
2. 개념적 배경
3. 연구 방법론
4. 데이터 수집 및 전처리
5. 실험 설계
6. 실험 결과
7. 결론
참고문헌(References)
Abstract

참고문헌 (53)

참고문헌 신청
권영탁. (2021, 08.17). [권영탁의 핀테크 이야기] 대안신용평가로 씬파일러들 구제해야. 한국금융신문. https://m.fntimes.com/html/view.php?ud=202108140937274397dd55077bc2_18 google schola 김명종. (2012). 회사채 신용등급 예측을 위한 SVM 앙상블학습. 지능정보연구, 18(2), 29-45. google schola 김성진, & 안현철. (2016). 기업신용등급 예측을 위한 랜덤 포레스트의 응용. 산업혁신연구, 32(1), 187-211. google schola 김연정. (2021, 09.27). ‘금융이력부족자’ 대부분 신용점수 700점대…은행 대출에 불리. 연합뉴스. https://www.yna.co.kr/view/AKR20210926043100002 google schola 김종윤, 장원중, & 김광용. (2019). 온라인 상거래 데이터를 반영한 개인신용평가모형 (커머스스코어) 개발. 정보기술아키텍처 연구, 16(1), 45-55. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

자기주식의 취득·처분공시효과와 기업가치
기현희 국제회계연구 2012 .10
Temporal Fusion Transformer를 이용한 대형마트 판매량의 다단계 시계열 수요예측
안세희 ,  정재윤 한국전자거래학회지 2023 .08
앙상블 모델 개발을 통한 수출액 예측과 클러스터링 기반 유망 시장 추천
김성범 ,  배준호 한국지능정보시스템학회 학술대회논문집 2021 .12
인공지능 스피커를 활용한 활동이 유아의 언어능력에 미치는 영향
이재은 ,  오세경 열린유아교육연구 2021 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088055489