본 연구는 한국자산관리공사가 운영한 국민행복기금 데이터를 활용해 채무상환 유형별 패턴 및 행태에 대해 분석하였다. 본 연구에서 고려한 채무상환 4가지 유형은 기한이익상실(실패)와 분할상환·일시상환·조기상환(성공)이며, 국민행복기금 약정체결 시 얻을 수 있는 정보를 활용해 다항분류(multiclass classification)를 수행하였다. 분석 결과, 실감면율과 약정횟수가 전체 채무상환 프로세스에서 가장 큰 영향을 미쳤으며, 4가지 채무상환 유형별로 채무상환 결과에 미치는 결정요인이 상이한 것으로 나타났다. 본 연구는 약정건별 채무상환 유형별 확률을 도출하는 등 개인신용평가를 수행한데 기여했으며, 실감면율과 같은 정책변수를 시뮬레이션하여 기한이익상실 위험을 낮추고 완제가능성을 높이는 전략에 대해 논하는 등 실용적인 연구를 수행한데 의의가 있다.

주요단어: 국민행복기금, 실감면율, 머신러닝, LightGBM, SHAP, 시뮬레이션