[논문]한국 NPL시장 수익률 예측에 관한 연구

이현수; 정승환; 오경주

doi:10.13088/jiis.2019.25.2.123

한국 NPL시장 수익률 예측에 관한 연구
A study on the prediction of korean NPL market return 원문보기

지능정보연구 = Journal of intelligence and information systems, v.25 no.2, 2019년, pp.123 - 139

이현수 (연세대학교 투자정보공학과) , 정승환 (연세대학교 산업공학과) , 오경주 (연세대학교 산업공학과)

초록
AI-Helper

국내 NPL (Non performing loan) 시장은 1998년에 형성되었지만, 본격적으로 활성화 된 시기는 2009년으로 역사가 짧은 시장이다. 이로 인해 NPL 시장에 대한 연구도 아직까지는 활발히 진행되지 않고 있는 상황이다. 본 연구는 NPL 시장의 각 물건 별 기준 수익률 달성 유무를 예측할 수 있는 모델을 제안한다. 모델 구축에 사용되는 종속변수는 물건 별 최종 수익률이 기준 수익률 수치 도달 여부를 나타내는 이항변수를 사용하였고, 독립변수로는 물건의 특성을 나타내는 11개의 변수를 대상으로 one to one t-test와 logistic regression stepwise, decision tree를 수행하여 의미있는 7개의 독립변수를 선별하였다. 그리고 통상적으로 사용되는 기준 수익률 수치(12%)가 의미있는 기준 수치인지 확인하기 위해 수치 값을 조절해가며 종속변수를 산출하여 예측모델을 구축해보았다. 그 결과 12%의 기준 수익률 수치로 산출한 종속변수를 이용하여 구축한 예측모델의 평균 Hit ratio가 64.60%로 가장 우수하다는 결과를 얻었다. 다음으로 선별된 7개의 독립변수들과 12%를 기준으로한 수익률 달성유무 종속변수를 이용하여 판별분석, 로지스틱 회귀분석, 의사결정나무, 인공신경망, 유전자알고리즘 선형 모델의 5가지 방법론을 적용해 예측모델을 구축해보았다. 5가지 방법론으로 도출한 예측 모델 간 Hit ratio를 비교한 결과 인공신경망을 이용하여 구축한 예측모델의 Hit ratio가 67.4%로 가장 우수한 결과를 도출해내었다. 본 연구를 통해 추후 NPL시장 신규 물건 매매에 있어서 7가지의 독립변수들과 인공신경망 예측 모델을 활용하는 것이 효과적임을 증명하였다. 물건의 12% 수익률 달성 여부를 사전에 예측해봄으로써 유동화회사가 투자 의사결정을 하는 데에 도움을 줄 것으로 예상하며, 나아가 NPL 시장의 거래가 적정한 가격 선에서 진행됨으로 인해 유동성이 더욱 높아질 것이라 기대한다.

Abstract ▼ AI-Helper

The Korean NPL market was formed by the government and foreign capital shortly after the 1997 IMF crisis. However, this market is short-lived, as the bad debt has started to increase after the global financial crisis in 2009 due to the real economic recession. NPL has become a major investment in the market in recent years when the domestic capital market's investment capital began to enter the NPL market in earnest. Although the domestic NPL market has received considerable attention due to the overheating of the NPL market in recent years, research on the NPL market has been abrupt since the history of capital market investment in the domestic NPL market is short. In addition, decision-making through more scientific and systematic analysis is required due to the decline in profitability and the price fluctuation due to the fluctuation of the real estate business. In this study, we propose a prediction model that can determine the achievement of the benchmark yield by using the NPL market related data in accordance with the market demand. In order to build the model, we used Korean NPL data from December 2013 to December 2017 for about 4 years. The total number of things data was 2291. As independent variables, only the variables related to the dependent variable were selected for the 11 variables that indicate the characteristics of the real estate. In order to select the variables, one to one t-test and logistic regression stepwise and decision tree were performed. Seven independent variables (purchase year, SPC (Special Purpose Company), municipality, appraisal value, purchase cost, OPB (Outstanding Principle Balance), HP (Holding Period)). The dependent variable is a bivariate variable that indicates whether the benchmark rate is reached. This is because the accuracy of the model predicting the binomial variables is higher than the model predicting the continuous variables, and the accuracy of these models is directly related to the effectiveness of the model. In addition, in the case of a special purpose company, whether or not to purchase the property is the main concern. Therefore, whether or not to achieve a certain level of return is enough to make a decision. For the dependent variable, we constructed and compared the predictive model by calculating the dependent variable by adjusting the numerical value to ascertain whether 12%, which is the standard rate of return used in the industry, is a meaningful reference value. As a result, it was found that the hit ratio average of the predictive model constructed using the dependent variable calculated by the 12% standard rate of return was the best at 64.60%. In order to propose an optimal prediction model based on the determined dependent variables and 7 independent variables, we construct a prediction model by applying the five methodologies of discriminant analysis, logistic regression analysis, decision tree, artificial neural network, and genetic algorithm linear model we tried to compare them. To do this, 10 sets of training data and testing data were extracted using 10 fold validation method. After building the model using this data, the hit ratio of each set was averaged and the performance was compared. As a result, the hit ratio average of prediction models constructed by using discriminant analysis, logistic regression model, decision tree, artificial neural network, and genetic algorithm linear model were 64.40%, 65.12%, 63.54%, 67.40%, and 60.51%, respectively. It was confirmed that the model using the artificial neural network is the best. Through this study, it is proved that it is effective to utilize 7 independent variables and artificial neural network prediction model in the future NPL market. The proposed model predicts that the 12% return of new things will be achieved beforehand, which will help the special purpose companies make investment decisions. Furthermore, we anticipate that the NPL market will be liquidated as the transaction proceeds at an

주제어

표/그림 (10)

표 Methodological theorem of prior research
표 Input variable selection for one to one t-test
표 Input variable selection for logistic regression stepwise
그림 Input variable selection for decision tree
표 Input variable selection
그림 Simple returns value comparison
표 Selection of optimal simple returns
표 Training data set and testing data set
표 Empirical study result
표 Empirical study McNemar test result

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 이러한 시장의 요구에 맞추어 NPL 시장 관련 데이터들을 활용하여 기준 수익률의 달성유무를 판별할 수 있는 예측모델을 제안하려고 한다. 이러한 시장분석 및 기준 수익률 달성유무 판별 모델을 통해 NPL 시장의 형성과 유통을 원활하게 하는 데에 본 연구의 목적이 있다.

대상 데이터

실증 분석을 위해 2013년 12월부터 2017년 12월까지의 약 4년 동안의 국내 NPL 데이터를 활용했다. 데이터의 물건 수는 총 2291개이며, 물건별 최종 수익률이 특정 기준치를 넘었으면 1, 그렇지 않았다면 0으로 설정된 종속변수를 사용했다.

데이터처리

ANN 모델의 성능이 다른 모델과의 비교에서도 유의미한 차이를 나타내는지 확인하기 위해 Mc Nemar test를 수행하였다. 총 10개의 데이터 셋을 통해 도출된 결과 값을 종합한 후 McNemar test를 수행하였으며, ANN모델을 제외한 Hit ratio 상위 3개의 모델(DA, LR, DT)에 대해 분석을 진행하였다.
실험은 판별분석 (DA), 로지스틱 회귀분석 (LR), 의사결정나무 (DT), 인공신경망 (ANN), 유전자알고리즘 선형모델 (GA linear model)의 5가지 방법론을 활용하여 진행하였고, 이에 대한 hit ratio를 확인하였다. 각 방법론 별 설정 값은3절에 제시한 옵션과 동일하게 적용하였으며, 유전자 알고리즘 선형모델의 경우는 최종 예측 값이 0.5 이상일 경우 1로, 0.5 미만일 경우 0으로 처리해주었다. 실험결과 Table 5와 같이 단순수익률 12%를 기준으로 한 종속변수가 가장 높은 Hit ratio average를 보여주었고, 단순수익률 별 Hit ratio average 추이는 Figure 2와 같다.

이론/모형

NPL 시장을 분석하기 위하여 판별분석, 의사 결정나무, 로지스틱 회귀분석, 유전자알고리즘, 인공신경망의 5가지 방법론을 활용하였다. 선행 연구들은 Table 1과 같다.
종속변수에 의미 있는 변수를 선별하기 위해 one to one t-test와 logistic regression stepwise, decision tree를 활용하였다. One to one t-test는 각각의 독립변수를 종속변수와 일대일 대응시켜 독립표본 t-test를 수행하는 방법으로써, 독립변수들이 개별적으로 종속변수에게 유의미한 영향을 주는지 판단할 때 사용될 수 있다.

성능/효과

그리고 물건 별 SPC가 동일하다는 것은 해당 물건들이 동시에 매입이 되었음을 의미하므로 이 변수 또한 종속변수 결정에 있어서 시기가 중요함을 뒷받침해준다. 다음으로 시도(City) 변수는 선택이 되지 못한 것에 반해시군구(Municipality) 변수는 선택된 것을 보아, 시도(City)의 경우 한 범주 내에 다양한 물건들이 속해 있기에 종속변수를 결정하는 데에 큰 영향을 주지 못하였지만 시군구(Municipality)의 경우보다 세분화 되어있기에 종속변수 결정에 의미있는 영향을 준다는 것을 확인하였다. 그리고 은행에서 결정해주는 감정가나 OPB의 경우도 최종적인 단순수익률 달성 유무를 결정하는 데에있어서 유의미한 역할을 한다는 것을 볼 수 있다.
본 연구를 통해서 NPL 시장의 물건 데이터들은 단순수익률 달성유무를 판단할 때 매입년도와 SPC (Special Purpose Company), 시군구 (Municipality), 감정가 (Appraised value), 매입원가, OPB (Outstanding Principle Balance), HP (Holding Period) 의 변수들이 의미가 있음을 제안하며, 단순수익률 12%를 기준으로 하였을 때 비교적 높은 예측력을 가지는 모델을 만들 수 있음을 확인하였다. 독립 변수들 중에서 매입년도 변수가 선택된 것을 보아 단순 수익률 12% 달성 유무(종속변수)를 결정하는 데에 있어 시기가 중요함을 확인할 수 있었다. 그리고 물건 별 SPC가 동일하다는 것은 해당 물건들이 동시에 매입이 되었음을 의미하므로 이 변수 또한 종속변수 결정에 있어서 시기가 중요함을 뒷받침해준다.
국내 NPL 시장에 있어서 투자 의사 결정을 제안해주는 연구는 많이 부족한 상황이다. 본 연구를 통해서 NPL 시장의 물건 데이터들은 단순수익률 달성유무를 판단할 때 매입년도와 SPC (Special Purpose Company), 시군구 (Municipality), 감정가 (Appraised value), 매입원가, OPB (Outstanding Principle Balance), HP (Holding Period) 의 변수들이 의미가 있음을 제안하며, 단순수익률 12%를 기준으로 하였을 때 비교적 높은 예측력을 가지는 모델을 만들 수 있음을 확인하였다. 독립 변수들 중에서 매입년도 변수가 선택된 것을 보아 단순 수익률 12% 달성 유무(종속변수)를 결정하는 데에 있어 시기가 중요함을 확인할 수 있었다.

후속연구

따라서 본 연구를 기반으로 하여 단순수익률 기준의 달성유무로 예측만을 해주는 모델에서 더 나아가 물건별 적정 매입원가나 Holding period, Target price를 예측해주는 모델에 대한 연구로 발전시킬 수 있다. 이러한 발전된 연구는 유동화회사뿐만 아니라 NPL 시장 자체가 더욱 활성화되는 데에 기여할 것이라 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	NPL 시장에 대한 연구가 아직 활발히 진행되지 않고 있는 상황인 이유는?	국내 NPL (Non performing loan) 시장은 1998년에 형성되었지만, 본격적으로 활성화 된 시기는 2009년으로 역사가 짧은 시장이다. 이로 인해 NPL 시장에 대한 연구도 아직까지는 활발히 진행되지 않고 있는 상황이다.
	국내 NPL (Non performing loan) 시장은 언제 형성됐는가?	국내 NPL (Non performing loan) 시장은 1998년에 형성되었지만, 본격적으로 활성화 된 시기는 2009년으로 역사가 짧은 시장이다. 이로 인해 NPL 시장에 대한 연구도 아직까지는 활발히 진행되지 않고 있는 상황이다.
	국내 NPL (Non performing loan) 시장이 본격적으로 활성화된 시기는?	국내 NPL (Non performing loan) 시장은 1998년에 형성되었지만, 본격적으로 활성화 된 시기는 2009년으로 역사가 짧은 시장이다. 이로 인해 NPL 시장에 대한 연구도 아직까지는 활발히 진행되지 않고 있는 상황이다.

참고문헌 (22)

Choi, S. H. and S. Y. Lee, "Analysis of the Importance Level of Decision Making Criteria for the Investment of Asset-Backed Non-Performing-Loans," Korean Association For Housing Policy Studies, Vol.19, No.2(2011), 47-71.
Chung, S. H. and K. J. Oh, "Using genetic algorithm to optimize rough set strategy in KOSPI200 futures market," Journal of the Korean Society of Cadastre, Vol.25, No.2(2014), 281-292.
Hong, S. H. and K. J. Shin, "Using GA based Input Selection Method for Artificial Neural Network Modeling: Application to Bankruptcy Prediction," Korea Intelligent Information Systems Society, Vol.9, No.1(2003), 227-249.
Jeong, J. H. and G. C. Kim, "A Study on Profitability Determinants of Non-Performing Real Estate Loan - Focused on NPL Investment Company's Loan-Level Data in Seoul, Korea -," Korea Real Estate Society, Vol.33, No.1(2016), 5-24.
Jo, K. H., S. H. Jeong, K. S. Kim and K. J. Oh, "Scoring model to determine trade timing based on genetic algorithm," Journal of the Korean Data & Information Science Society, Vol.29, No.3(2018), 1-11.

상세보기
Jo, N. O., Kim, H. J. and K. S. Shin, "Bankruptcy type prediction using a hybrid artificial neural networks model," Korea Intelligent Information Systems Society, Vol.21, No.3(2015), 79-99.
Kim, H. H. and K. J. Oh, "Using rough set to develop the optimization strategy of evolving time-division trading tin the futures market," Journal of the Korean Data & Information Science Society, Vol.23, No.5(2012), 881-893.
Kim, J., "NPL study on the current situation and investment management survey - Overseas case centred on a comparison -," Korea Real Estate Society, Vol.32, No.1(2014), 209-220.
Kim, K. J. and I. G. Han, "Genetic algorithms approach to feature discretization in artificial neural networks for the prediction of stock price index," Expert systems with Applications, Vol.19, No.2(2000), 125-132.

상세보기
Kim, M. K. and Y. H. Cho, "Development of predictive model for rights issues using financial analysis indices and decision tree technique," Korea Intelligent Information Systems Society, Vol.18, No.4(2012), 59-77.
Kim, S. G. and C. S. Lee, "A Empirical Study on the Investment Satisfaction of Asset-backed Non Performing Loans(NPL)," Korea Real Estate Academy, Vol.59, (2014), 87-98.
Kim, S. Y., "Prediction of hotel bankruptcy using multivariate discriminant analysis, logistic regression and artificial neural network," Journal of Tourism Sciences, Vol.30, (2006), 53-75.
Lee, H. Y. and J. M. Park, "The prediction of currency crises through artificial neural networks," Korea Intelligent Information Systems Society, Vol.22, No.4(2016), 19-43.
No, H. J., "Study on Fairness Consolidation of Real Estate Auctions Secured for Bank NPLs," The Korea Contents Association, Vol.15, No.11(2015), 397-409.
Oh, K. J., T. Y. Kim, K. W. Jung and C. H. Kim, "Stock market stability index via linear and neural network autoregressive model," Journal of the Korean Data & Information Science Society, Vol.22, No.2(2011), 335-351.
Saba, I., R. Kouser and M. Azeem, "Determinants of Non Performing Loans: Case of US Banking Sector,"The Romanian Economic Journal, Vol.44, No.6(2012), 125-136.
Shim, K. S., J. J. Ahn and K. J. Oh, "Multi-currencies portfolio strategy using principal component analysis and Logistic regression," Journal of the Korean Data And Information Science Sociaty, Vol.23, No.1(2012), 151-159.

원문보기 상세보기
Shin, S. D., "The Present Situation and Problems of non-performing loans," Legal Theory & Practice Review, Vol.3, No.2(2015), 281-299.
Skarica, B. "Determinants of non-performing loans in Central and Eastern European countries," Financial theory and practice, Vol.38, No.1(2014), 37-59.

상세보기
Sung, S. K. and C. G. Park, "A Study on the Investment Decision making for the Real Estate Mortgage NPL," Journal of The Residential Environment Institute of Korea, Vol.12, No.4(2014), 151-166.
Vatansever, M, and A. Hepsen, "Determining impacts on non-performing loan ratio in Turkey," Journal of Finance and Investment Analysis, Vlo.2, No.4(2013), 119-129.
Woo, H. D. and H. J. Kim, "A Study on the Realities of Payback of Bad Credits in Real Estate - Focused on Apartment Houses for Sale at Auction in Seoul," Journal of the Korean Society of Cadastre, Vol.25, No.2(2009), 1-15.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증