본 연구에서는 신용정보 표본DB 원격분석시스템에서 제공하는 기업신용정보를 활용하여 기계학습 기법을 적용한 채무불이행 예측을 수행한다. 사업자 구분에 따라 분석대상을 나누고 표본DB에서 제공하는 기업신용정보의 활용에 따른 실험을 구성하여 채무불이행 예측을 시도한다. 또한, 기계학습 기법을 모수 추정 방식에 따라 모수적 방법론, 비모수적 방법론, 준모수적 방법론으로 구분하여 예측성과를 비교한다. 결과적으로, 표본DB 원시데이터를 활용한 분석보다 대출 및 연체 종류에 따라 가공한 자료를 활용하는 경우 각 기계학습 모형별 성능개선이 관측되었으나 기업 차주의 특성정보와 기술신용평가 정보의 활용은 모형별 성능개선에 기여하지 못 하였다. 한편, 모든 세그먼트에서 준모수적 방법론에 해당하는 심층신경망 모형에 대해 성능이 가장 우수한 것으로 확인되었으며, 트리계열이 아닌 비모수적 방법론의 경우 재현율이 낮게 관측되어 채무불이행 예측 문제에 적합하지 않았다. 또한, 기존 실무에서 사용되는 모수적 방법론을 활용한 경우보다 준모수적 방법론을 활용할 경우 분류성능이 향상됨을 확인하였다. 본 연구는 실제 기업신용정보에 대해 구성된 표본DB를 활용하여 기업부실 예측을 시도한 최초의 연구이며, 기업신용정보를 활용하는 국내 5,000여 개 여신금융기관과 신용정보사의 자료 활용 및 모형 구축에 대한 방향성을 제시하는 기여가 있다.

주요단어 기계학습, 부실위험, 여신거래정보, 채무불이행 예측, 표본DB원격분석시스템