초록 ▼

□ 연구개요
본 연구는 설명 가능한 인공지능(eXplainable Artificial Intelligence, XAI)을 활용하여 신용정보법 개정안에 부합하는 대출자격 분류모형을 구현하여 블랙박스 모형으로 도출된 대출심사 결과에 대해 합리적인 논거를 제시하는 것을 주목표로 함. 선행연구에서 개발 된 기계학습 모형에 다각도 XAI 기법을 응용하여 차용자의 대출자격 평가에 대한 참여자 주체별 설명 가능한 논거를 제시하였음. 선행연구 모형의 한계점 극복을 위해 대용량 데이터로부터 차용자의 미래 채무 이행의 예측을 위한 새로운 불균형

□ 연구개요
본 연구는 설명 가능한 인공지능(eXplainable Artificial Intelligence, XAI)을 활용하여 신용정보법 개정안에 부합하는 대출자격 분류모형을 구현하여 블랙박스 모형으로 도출된 대출심사 결과에 대해 합리적인 논거를 제시하는 것을 주목표로 함. 선행연구에서 개발 된 기계학습 모형에 다각도 XAI 기법을 응용하여 차용자의 대출자격 평가에 대한 참여자 주체별 설명 가능한 논거를 제시하였음. 선행연구 모형의 한계점 극복을 위해 대용량 데이터로부터 차용자의 미래 채무 이행의 예측을 위한 새로운 불균형 데이터 분류 방법론을 앙상블 모형을 통해 개발함.

□ 연구 목표대비 연구결과
본 연구의 정성적 연구 목표는 100% 달성 됨. 특히, 기존 연구목표에 더해 현재 금융계에서 대두되고 있는 “비금융데이터” 결합을 통한 대출/채무불이행 예측 모형을 제안하였음. 또한 선행 연구에서 제안 된 Instance-based Entropy Fuzzy Support Vector Machine의 time complexity 문제 해결을 위해 다수 머신/딥러닝 모형의 이종 앙상블(Heterogeneous Ensemble)을 제안함. 이는 실제 금융회사와의 협업을 통해 도출 된 방식으로 현재 비즈니스 운용 시 다수의 대출 조사/심사역의 의견을 취합하는 프레임워크를 모방하여 설계함. 이를 통해 도출된 XAI 기반 SHAP 수치는 여러 알고리듬의 결합의 결과임으로 고객의 설명요구권에 따른 심사 결과 문의에 광범위한 대응이 가능할 것으로 기대함. 더불어 일반적인 분류 문제에선 혼동행렬 요소 내 경우가 동일한 기회비용을 초래한다는 가정이 적절하나, 여신심사 문제의 맥락에선 위양성(False positive)와 위음성(False negative)가 더 중요하다는 현업의 니즈에 맞추어 비용함수 설정 및 weighted voting 방법을 새롭게 제시하였음(예시: 위음성은 심사대상자가 채무를 갚지 않는다는 것을 의미하므로, 채무를 갚을 대상자에게 대출을 하지 않은 경우 대비 더 큰 비용을 야기함). SHAP 결과를 바탕으로 비금융데이터의 효용을 확인하였고 이는 인터넷은행 업체들이 갖는 강점인 비금융데이터 결합에 대한 가능성을 재확인하는 계기가 되어 초청강연을 통한 이종 앙상블 기법 소개 및 추후 협업을 논의 중임. 또한 XAI 개념 확장을 통해 포트폴리오 운용 방법론 개발과의 융합 또한 달성함. 상기와 같이 정성적 목표는 충분히 달성하였으나 정량적으로 제시한 목표인 21개월 내 SCIE급 논문 4편 게재는 미달성함 (논문 1편 게재 완료). 금융 저널의 특성 상 긴 리뷰 기간으로 추후 3년 내 추가 3편 게재 달성 예상됨. 그 외, 학술대회 참여/발표 3건 및 인력양성 지원 10명은 달성 완료함.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
데이터3법 개정에 따른 설명요구권은 현재 금융권의 화두임. 마이데이터사업자에 대한 정부승인으로 전통적 금융사 및 신생 테크핀 기업 또한 알고리듬에 기반 한 대출 모형 개발이 진행 중임. 본 연구를 통해 이에 부합하는 이종 앙상블 모형 및 XAI 방법론을 제시하였으며 다수의 금융회사와 기술 개발 및 자문 관련 논의를 현재 진행중임. 특히 마이데이터사업에 관련 된 데이터사업자에 대부분의 온라인은행 및 핀테크 업체가 포함되어 있어 비금융데이터를 활용한 대안신용평가에 대한 관심이 매우 높음. 본 연구는 기존 연구 목표에 비금융데이터를 신규 추가에 따른 분류모형 개선을 확인한 결과를 포함하고 있어 추후 산업계 적용 시 레퍼런스로서 활용될 수 있을 것으로 예상됨. 또한 XAI의 확장 영역에서 도출 된 포트폴리오 운영 방법론은 적은 자산으로도 우수한 성능을 보여 한 곳의 핀테크 업체와 2023년 내 산학협력 추진이 확정됨. 이와 같이 본 연구는 실제 산업계에 적용 가능한 실용적 연구임.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1-1. 연구개발의 목적 및 최종목표 ... 4
• 1-2. 연구개발의 필요성 ... 4
• 1-3. 연구범위 ... 5
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 2-1. 연구 목표 구체화·방향성 검토 ... 5
• 2-1. XAI를 활용한 비금융 정보의 신용 평가 활용 가치 분석 ... 6
• 2-2. 비금융 데이터와 이종 앙상블 학습을 활용한 신용 연체자 분류모형 연구 ... 8
• 2-3. 금융 산업 내 프로세스 혁신에의 적용 ... 10
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 11
• 1) 정성적 연구개발성과(연구개발결과) ... 11
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 12
• 4) 목표 미달 시 원인 분석 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 자체점검표 ... 13
• 7. 참고문헌 ... 14
• 붙임1. 세부 정량적 연구개발성과 ... 16
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 18
• 끝페이지 ... 20