설명 가능한 인공지능을 활용한 은행대출연체 예측 모델 연구
Developing Consumer Bank Loan Delinquency Prediction Model Using XAI
최봉진(부산은행); 이성우(동아대학교 산학협력단); 김연국(동아대학교 경영정보학과)
22권 2호, 43~61쪽
초록
[연구목적] 본 연구는 AI 기술의 핵심 개념인 기계학습과 설명 가능한 인공지능(XAI) 기술을활용하여 대출연체 예측 모델을 생성하고 로지스틱 회귀분석과 같은 설명력이 높은 모델과 비교 평가하여 실무에 적용 가능한 모델을 제시하고자 한다. [연구방법] 본 연구는 국내 A은행의 2020년 12월부터 2022년 6월까지의 가계 대출 고객 데이터를 활용하여 로지스틱 회귀분석 모델과 XGBoost 모델을 생성하고 비교 평가하였다. XAI 기법 중 하나인 SHAP을 적용하여 XGBoost 모델의 결과를 설명하였다. [연구결과] XGBoost 모델이 로지스틱 회귀분석 모델보다 더 높은 예측 성능을 보였다. XGBoost 모델의 해석을 위해 SHAP을 적용한 결과 K사 신용 평점, A은행의 6개월 내 수신평잔, N사 카드론리스크평점, K사 다중채무위험지수 등급, A은행의 6개월 내 핵심예금평잔, 대출계좌의 금리 등의 변수가 주요 예측 변수로 도출되었다. [연구의 시사점] 기계학습 모델(XGBoost)과 XAI를 결합한 모델이 로지스틱 회귀분석 모델보다 높은 예측력을 보이고 주요 변수가 유사하게 나타남에 따라 경영학 연구에서 일반적으로 사용하는 로지스틱 회귀분석 모델의 대안이 될 수 있을 것이라 기대된다.
Abstract
[Purpose] This study aims to create a loan default prediction model using machine learning, a core concept of AI technology, and explainable AI (XAI) techniques, and to compare and evaluate it against highly interpretable models such as logistic regression. [Methodology] This study utilizes the data of household loan customers of Local Bank A in South Korea from December 2020 to June 2022 to generate and compare the logistic regression model and the XGBoost model. We used SHAP, one of the XAI techniques, to explain the XGBoost model. [Findings] The XGBoost model shows better prediction performance than the logistic regression model. By applying SHAP to the XGBoost model, we identify key predictors： credit rating, average bank deposit balance over the past six months, card loan risk rating, K rating agency’s multiple debt risk index, average core deposit balance over the past six months, and the current interest rate of the loan account. [Implications] The machine learning model (XGBoost) combined with XAI shows better prediction performance than the logistic regression model, and the key predictors identified by the two models are similar. Therefore, the combined model could serve as an alternative to the logistic regression model commonly used in business research.
- 발행기관:
- 한국전산회계학회
- 분류:
- 회계정보시스템