P2P대출에 대한 채무 불이행자 예측 및 영향 요인 분석

Abstract

P2P대출은 미국과 유럽을 중심으로 빠르게 성장하고 있는 새로운 개념의 금융 서비스이다. 국내에서도 글로벌 시장의 흐름에 발맞춰 다양한 P2P 대출 플랫폼을 선보이고 있으며 실적 또한 거두고 있다. 본 연구의 목적은 P2P대출에 대한 채무 불이행자 예측 모형을 제시하고 이에 영향을 미치는 주요 요인을 도출하고자 한다. 모형 적합시 사용된 통계적 기법으로는 로지스틱 회귀모형, 랜덤 포레스트, 서포트 벡터 기계이며 불균형 데이터의 분류 방법으로 흔히 사용되는 sampling 방법을 적용하여 각 방법론에 대한 성능 비교를 하였다. sampling 방법으로는 큰 집단에서 임의의 관측치 표본을 이용한 down sampling을 사용하여 두 집단의 비율을 비슷하게 맞췄다. 모형 평가 지표로는 오분류율(Misclassification), G-mean을 사용하였다. 또한 비대칭 손실(Asymmetric Loss)을 가정한 경우에 총손실(Total Loss)을 판단 지표로 사용하여 각 분류 방법론들의 분류 정확성에 대해서도 분석하였다.;The P2P lending is a fast-growing new concept of financial services centered on the US and Europe. In Korea, we are also introducing a variety of P2P loan platforms to meet the global market trend. The aim of this study is to present a prediction model of loan default for P2P lending. Also, we derive variables that have a significant impact on loan default. We use various statistical methods - Logistic Regression, Random Forest and Support Vector Machine. And we use sampling techniques (down sampling) which is used as a method of classification of unbalance data. We use the misclassification rate and G-mean for the performance comparison. In addition, we check the total loss of different classification methods when the asymmetric loss is applied to real data.