[확대경] 긍정적 정보, 저신용자 등급 상승 기여

상위 60%이내 불량률 개선…예측력 높아져

저소득층 승인율 확대돼 저신용자 대출 확대

긍정적 실적정보를 신용평가모형에 반영했을 경우 저소득층에 대한 대출 확대와 저신용자의 신용등급 상승에 많은 영향을 주는 것으로 나타났다.
한국신용정보 CB운영실 유승연 수석연구원은 ‘긍정적 실적정보가 개인신용평가에 미치는 영향분석’이라는 보고서를 내고 이같이 설명했다.

이 보고서에 따르면 부정적 정보 위주의 평가시스템에서는 한 번 떨어진 등급을 원상복귀하기가 매우 어려워, 본인의 상승의지와 노력과는 상관없이 등급하락 요인이 자연적으로 사라질 때까지 기다려야 하는 경우가 많다고 분석했다. 하지만 긍정적 실적정보가 많이 포함돼 있을수록 자발적이고 능동적인 등급상승노력을 통해 등급을 회복시킬 수 있는 가능성이 더욱 커지게 된다고 강조했다.

특히, 긍정적 정보를 신용평가모형에 포함할 경우 불량률 개선효과는 소득수준이 낮은 집단에서 더욱 크고 확실하게 나타났다고 설명했다. 이를 통해 결과적으로 저소득층에 있어서의 승인율 확대라는 효과를 기대할 수 있다고 덧붙였다.

유 수석연구원은 “긍정적 실적정보가 포함되면 보다 정밀한 신용평가시스템을 구축해 예측력 확대, 불량률 감소와 같은 계량적인 개선이 가능할 뿐만 아니라 조회정보와 같은 민원유발요소의 자연적인 감소와 이로 인한 사회적 비용의 경감 및 단시간 내 회복 가능한 역동적인 등급구조로 변경이 가능하다”면서 “이는 현재의 시스템이 가지고 있는 한계를 극복할 수 있는 운영상의 매우 큰 장점으로 강조된다”고 말했다.

◇ 개인신용평가모형, 우불량 예측력 개선돼
이 보고서는 한신정 CB에 집중된 카드, 대출 원장 및 실적정보 보유자중 기준일 현재 채무불이행 또는 연체정보 미보유자 등을 모형개발 대상으로 했으며 2009년 1월부터 12월까지 우불량 관찰기간을 가졌다. 채무불이행, 신용개설정보, 대출, 보증정보, 조회정보, CB연체정보만 가진 A모형과 이 모형에 카드실적 및 한도정보, 여신실적 및 한도정보를 포함한 B모형을 구성해 서로 비교분석했다.

두가지 모형을 분석한 결과 평점분포의 변화가 나타났다. 긍정적 실적을 포함한 평가모형의 경우 평점대별 분포가 특정점수대에서 뾰족하게 몰리지 않고 좀더 완만하고 고르게 펴지는 본포편중 개선효과를 볼 수 있었다고 설명했다.

또한 모형의 우불량 예측력이 개선됐다. 긍정적 실적정보가 추가되면서 모형의 전체적인 우불량 변별력이 개선되는 모습을 나타냈다는 것. 향후 모든 금융기관의 긍정적 정보가 공유돼 활용된다면 신용평가모형의 정확성 및 이를 통한 활용성 확대에 큰 기여를 할 수 있다고 강조했다.

등급별 불량수준도 크게 개선된 것으로 나타났다. 각 등급별 불량률 수준은 크게 개선됐으며 특히 상위 60%이내 중간집단 이상에서의 개선효과가 크다고 설명했다.
유 수석연구원은 “상대적으로 위험요인이 적은 상위등급에서의 추가적인 변별력 확대가 가능할 것으로 예상된다”고 말했다.

◇ 소득이 낮은 집단 불량률 개선효과 커

긍정적 실적정보를 포함할 경우 소득수준이 높은 집단보다 소득수준이 낮은 집단에서 불량률 개선효과가 더 크게 나타났다고 분석했다. 승인율에 따른 위험률개선효과 역시 크게 개선되는데 이러한 개선효과는 소득수준이 높은 집단보다는 낮은 집단에서 더 크고 뚜렷하게 나타났다는 것.

유 수석연구원은 “동일한 위험율을 유지하면서 승인율을 조정하는 경우 긍정적 정보 반영 시 저소득층에서의 승인율 확대폭이 훨씬 클 것으로 기대된다”고 말했다.

실제로 승인율 60%를 유지한다고 가정했을 때 소득수준이 낮은 집단의 경우는 승인자 중 위험비율이 기존 0.46%로 줄어들면서 25%나 개선되는 효과를 나타내는 반면 소득수준이 높은 집단은 0.26%에서 0.25%로 거의 비슷한 수준을 계속 유지하고 있는 것으로 나타났다.

또한 기존의 모형1에서는 특정 정보에의 의존도가 커서 불량, 연체정보 등 부정적 정보에 배점이 크게 집중됐지만 긍정적 정보 포함으로 인해 연체 등 부정적 정보 배점 비중이 낮아지면서 각 정보영역별로 비교적 고른 배점구성을 확보할 수 있게 됐다.

유 수석연구원은 “신용평가요소를 다양화할 수 있고 특정요소에 대한 배점 집중도를 크게 완화하는 효과가 있다”고 말했다.

모형1에서는 불량·연체정보의 배정비중이 모두 42.8%, 대출·보증이 23.1%, 조회정보가 15.1%를 차지하고 있다. 긍정적 정보가 추가된 모형2의 경우 실적정보가 29.1%의 배점을 확보하면서 불량·연체정보가 35.4%로 줄어들었다.

대출·보증 정보도 16.6%, 조회정보는 10.9%, 신용개설정보는 8.1% 등 전반적으로 이전 케이스에 비해 각 영역별 배점구성이 고르게 분포되고 있는 것으로 분석됐다.

◇ 개인의 소득·능력 관련된 정보도 효과적

아울러 긍정적 실적정보를 포함한 신용평가기준 적용시 점수상승의 혜택을 가장 많이 받게 되는 집단은 전체 대상 중 중간 이하 등급인 것으로 나타났다.

분석 보고서에 따르면 등급하락은 상위 1~2등급에서, 등급상승은 3~8등급 사이에서 비교적 넓은 구간에서 활발하게 이뤄지고 있다고 설명했다. 특히, 하락 폭이 2등급 이상으로 큰 경우는 주로 1~2등급에서 일어났으며 반면 2등급 이상 상승을 하는 경우는 7~9등급에서 많이 나타났다고 분석했다.

유 수석연구원은 “몇 건의 연체나 부정적 정보로 인해 중하위권의 등급으로 떨어졌지만 활발한 신용활동을 영위하고 있는 일반적인 서민집단층이 바로 긍정적 실적정보의 반영 시 실질적인 등급상승의 효과를 가장 크게 볼 수 있는 대상”이라고 말했다.

특히, 실적과 관련된 긍정적 정보뿐만 아니라 개인의 소득이나 능력과 관련된 정보 역시 개인의 신용도에 유리하게 작용할 수 있는 요소라고 설명했다. 따라서 이러한 정보들에 대한 공유와 활용이 가능하게 된다면 비록 등급이 하락되었다 하더라도 본인의 적극적인 노력으로 신용등급 상승에 빠르게 적용되는 역동적인 등급구조를 갖출 수 있게 된다고 강조했다.

                                       〈 등급별 변동비율 〉
                                                                           



고재인 기자 kji@fntimes.com