KR20050039179A - 여신 관리 시스템 및 방법 - Google Patents

Abstract

본 발명은 금융 기관 등에서 여신을 실행하는 경우 또는 실행한 이후에, 여신 금액, 금리, 담보의 한도 등이 적정한가 등에 대한 평가를 시행하여 여신의 사후 감독을 수행할 수 있는 시스템 및 방법에 관한 것으로서, 각 여신 건의 담보물의 재감정 가격을 산출하는 단계; 상기 재감정 가격에 의거하여 청산가치를 산출하는 단계; 상기 산출된 청산가치와 여신 실행 금액을 비교하는 단계; 상기 비교 결과에 따라 메시지를 표시하는 단계를 구비하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

Description

여신 관리 시스템 및 방법{Loan monitoring system and method thereof}

본 발명은 여신(loan) 관리 시스템 및 방법에 관한 것으로서, 금융 기관 등에서 여신을 실행한 이후, 여신 금액, 금리, 담보의 한도 등이 적정한가 등에 대한 평가를 시행하여 여신의 사후 감독을 수행할 수 있는 시스템 및 방법에 관한 것이다.

은행 등의 금융기관의 여신 실행 시스템 즉, 대출은 담보 대출과 무담보 대출로 대별할 수 있다. 담보 대출은 보증인 등을 내세우는 인적 담보 대출도 있으나 부동산을 담보로 하는 물적 담보 대출이 대중을 이루고 있다. 이러한 담보 대출을 실행할 때에 금융 기관은 담보물의 가치를 평가하고 그러한 담보물 가치에 부도율, 적정 마진(이자) 등을 고려하여 여신 즉, 대출을 실행하게 된다.

그러나, 현재 대부분의 금융 기관은 대출을 일단 실행한 이후에는 대출이 적정한가에 대한 판단은 전혀 하고 있질 못하다. 그 이유는 적정 여부에 대한 판단 기준이 모호하고 또한 이를 자동적으로 처리해 줄 수 있는 하드웨어적, 소프트웨어적인 인프라가 존재하고 있지 못하는 것이 가장 큰 이유이다. 그러나, 대출이 적절한가에 대한 사후 평가의 필요성은 금융 기관으로 하여금 급격한 금융 시장의 각종 변수의 변동에 대해 미리 대비할 수 있게 하므로 그 중요성은 매우 크다고 할 수 있다. 예컨대 급격하게 아파트 가격이 급락하는 경우와 같이 급격한 시세의 변동(주로 하락)의 경우에는 대출 실행 금액보다 담보물의 시세가 낮아지는 경우로 이어질 수 있으며 이러한 경우 금융 기관은 아무런 대책없이 손해를 입을 수 밖에 없다. 만약, 담보물이 하락하는 경우에도 금융 기관에서 이러한 경우에 대비하여 담보를 증가시키든지 금리를 올리든지 대출 금액을 일부 조기 상환 받는다든지 할 수 있다면 불가피한 손해를 사전에 방지할 수 있을 것이다. 또한, 개별 대출 건에 대한 경보도 중요하지만 금융 기관 전체적인 차원에서 이러한 변동 요인들에 대하여 사전에 정책적으로 대응할 수 있는 거시적인 자금 운용책을 마련할 수 있도록 할 수 있을 것이다.

이러한 점에서 여신을 실행한 이후에 여신을 모니터링하고 관리할 수 있는 시스템의 개발은 절실히 요망된다고 할 수 있다.

본 발명은 상기한 바와 같은 문제점을 해결하기 위한 것으로서, 여신 실행 이후 간편하게 여신을 모니터링 할 수 있는 시스템 및 방법을 제공하는 것을 목적으로 한다. 또한, 본 발명은 여신을 모니터링하고 적절한 경보를 제공할 수 있는 시스템 및 방법을 제공하는 것을 또 다른 목적으로 한다.

상기한 바와 같은 목적을 달성하기 위하여 본 발명은, 각 여신 건의 담보물의 재감정 가격을 산출하는 단계; 상기 재감정 가격에 의거하여 청산가치를 산출하는 단계; 상기 산출된 청산가치와 여신 실행 금액을 비교하는 단계; 상기 비교 결과에 따라 메시지를 표시하는 단계를 구비하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 재감정단계는, 수식(재감정가액=최초 감정가*감정시점의 시세지수/최초시세지수)에 따라 결정하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 청산가치를 산출하는 단계는, 수식(청산가치=재감정가액*보정낙찰가율-총공제금액)에 따라 결정하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 청산가치를 산출하는 단계는, 수식(청산담보가액=감정가액*보정낙찰가율*배당률-총공제금액)에 따라 결정하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 보정낙찰가율은 소정 기준에 따라 분류된 데이터베이스에 피담보 부동산이 속하는 분류에 해당하는 낙찰가율-여기서, 상기 낙찰가율은 경매 착수 시점에서의 최조 감정가격을 낙찰된 시점의 감정가격으로 조정한 가격을 근거로 산출한 것임-이며, 상기 배당률은 소정 기준에 따라 분류된 데이터베이스에 피담보 부동산이 속하는 분류에 해당하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 내부 DB의 데이터베이스는 각 부동산별로 시세, 평형 및 용도 중 적어도 어느 하나 이상에 따라 분류된 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 비교 결과에 따라 메시지를 표시하는 단계는, 청산가치가 여신 실행 금액보다 큰 경우는 우량으로 판정하고 이에 대응하는 색깔을 표시하고, 청산가치가 여신 실행 금액 보다 적은 경우는 불량으로 판정하고 이에 대응하는 색깔을 표시하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 본 발명은, 각 여신 건의 담보물의 미래 추정 가격을 산출하는 단계; 상기 미래 추정 가격에 의거하여 미래 청산가치를 산출하는 단계; 미래의 CD 금리를 산출하는 단계; 상기 산출된 미래 청산가치 및 미래 CD 금리에 의거하여 미래 시점의 여신 위험도를 산정하는 단계; 및 상기 여신 위험도 산정 결과에 따라 메시지를 표시하는 단계를 구비하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 상기 미래 시점의 여신 위험도를 산정하는 단계는, 미래 시점의 여신 위험도에 따라 금리 결정 단계, 대출 한도 조정 단계, 신용 보강 단계 중 적어도 어느 하나의 단계를 포함하는 것을 특징으로 하는 여신 관리 방법을 제공한다.

또한, 본 발명의 다른 측면에 따르면, 소정 기준에 따라 분류된 데이터베이스에 피담보 부동산이 속하는 분류에 해당하는 낙찰가율-여기서, 상기 낙찰가율은 경매 착수 시점에서의 최조 감정가격을 낙찰된 시점의 감정가격으로 조정한 가격을 근거로 산출한 것임-, 배당율 및 부동산 지수에 대한 데이터를 포함하는 데이터를 저장하는 DB; 상기 DB로부터 각 시점에서의 부동산 지수를 읽어 들여 특정 시점에서의 부동산 가격을 산출하는 재감정 모듈; 상기 재감정 모듈에서 산출된 특정 시점에서의 부동산 가격에 의거하여 특정 시점에서의 청산가치를 산출하는 청산가치 산출 모듈; 특정 시점으로부터 미래에 대한 부동산 가격의 미래 가치를 추정하는 미래 가치 추정 모듈; 특정 시점에서의 금리를 추정하는 금리 추정 모듈; 상기 청산가치 산출 모듈에서 산출된 청산가치와 상기 미래가치 추정 모듈에서 산출된 미래 가치와 상기 금리 추정 모듈에서 산출된 금리들 중에서 적어도 어느 하나 이상에 의거하여 특정 시점 또는 미래 시점에서의 위험도를 표시하는 경보 발생 모듈을 포함하는 것을 특징으로 하는 여신 관리 시스템을 제공한다.

또한, 상기 DB는 각 부동산별로 시세, 평형 및 용도 중 적어도 어느 하나 이상에 따라 분류된 것을 특징으로 하는 여신 관리 시스템을 제공한다.

이하, 첨부 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.

우선, 도 1을 참조하여 본 발명의 기본적인 구성을 요약하게 간단하게 설명하면 다음과 같다.

먼저, 여신 실행 이후 소정 기간 경과후(또는 소정 주기마다)에 여신 실행시의 담보로 되었던 담보물에 대한 재감정 가격을 소정 프로그램에 의해 산출한다(S100). 재감정 가격은 다음의 수식에 의해 구할 수 있다.

재감정가액=최초 감정가*감정시점의 시세지수/최초시세지수

즉, 재감정가액은 최초 감정가를 재감정 시점에서의 시세를 반영하여 보정한 값을 의미한다. 이에 의하여, 후술하는 청산가치를 정확하게 구할 수 있게 된다.

담보물에 대한 재감정 가격이 산출되면, 해당 재감정 가격을 근거로 청산가치를 산출한다(S110). 본 명세서에서 "청산가치"라 함은, 담보물을 경매 등에 의해 청산할 경우 금전으로 환산될 수 있는 가치를 말한다. 청산가치는 다음의 수식에 의해 구할 수 있다.

청산가치=재감정가액*보정낙찰가율-총공제금액

즉, 청산가치는 재감정가액에 대해 낙찰율과 경매 등의 실행시 선공제되는 금액(선순위 임차권 등)을 공제한 금액을 의미하는데, 이에 의해 재감정 시점에서의 청산가치를 명확하게 파악할 수 있게 된다. 이에 대해 상세한 것은 후술한다.

다음으로, 청산가치가 산출되면 청산가치와 여신 실행 금액을 비교한다(S120). 비교는 청산가치가 여신 실행 금액을 초과할 수 있는가를 판단하기 위한 것으로서, 청산가치는 담보물을 청산할 경우 금전으로 환산될 수 있는 가치를 의미하므로 청산가치가 여신 실행 금액보다 크다는 것은 그만큼 안전하다는 것을 의미한다.

청산가치와 여신 실행 금액을 비교한 후, 각각의 결과에 따라 해당 메시지를 표시하게 되는데(S130), 예컨대 청산가치가 여신 실행 금액보다 크면 안전한 것이므로 청색, 청산가치가 여신 실행 금액보다 작으면 위험성이 존재하는 것이므로 적색 등으로 표시하도록 하여 여신 건별로 안전성을 직관적으로 파악할 수 있게 한다.

이와 같은 과정에 의해 여신의 안정성, 위험도를 판단할 수 있게 되는데, 상기 과정에서 재감정가액, 시세지수, 청산가치, 보정낙찰가율 등의 각각의 파라메터값들은 모두 부동산을 일정한 기준으로 분류한 데이터베이스에 기초한 값이라는 점을 또 다른 특징으로 하게 되는데, 이렇게 같은 분류에 속하는 부동산들끼리 변수를 추출하여 결과값을 산출하므로 보다 정확한 결과값을 산출할 수 있게 된다.

도 2는 본 발명에 의한 방법을 구현하기 위한 시스템의 일예를 나타낸 블록도이다.

도 2에 도시한 바와 같이, 본 시스템은 재감정 모듈(11), 청산가치 산출 모듈(12), 미래가치 추정 모듈(13), 금리추정 모듈(14), 경보 발생 모듈(15) 및 DB(16)를 포함한다.

우선, DB(16)는 본 시스템을 구현하기 위해 필요한 각종 데이터를 저장하고 있는 것으로서, 도 1에서는 하나의 DB로 나타내었으나 외부기관 또는 자체 축적 데이터 그 자체를 저장하는 원시 DB와 이러한 원시 DB로부터 필요에 따라 가공 처리된 가공 DB를 포함하도록 구성될 수 있다.

도 3은 DB(16)의 상세 구성을 설명하기 위한 블록도이다. 도 3에 도시한 바와 같이 DB(16)는 급지 정보, 부동산 지수 및 청산가치 정보 등을 포함하고 있다.

급지 정보는 공시지가 급지 정보, 건축물 신축 급지 정보, APT 급지 정보, 기타 주택 급지 정보, 기타 부동산 급지 정보 등 용도별로 구분하여 구성할 수 있다. 여기서, 급지라 함은 개별 부동산의 가치를 정확하게 반영하기 위해 본 발명에서 고안해 낸 소정 기준의 분류를 의미한다. 예컨대, 전국 모든 APT를 17급지로 구분할 수 있으며 이 구분의 기준은 아파트의 시세를 기준으로 할 수 있다. 또한, 각 급지별로 상세 분류를 더 두어서 보다 정밀하게 급지를 분류화할 수도 있다. 예컨대, APT 급지 정보를 17급지로 구분하고 각 급지별로 APT의 평수에 따라 7-8단계로 나누어 구분할 수 있다. 이렇게 상세 분류를 둠으로써 개별 부동산에 대한 가치 평가가 더욱 정확하게 이루어질 수 있다.

이러한 급지 구분은 각 부동산의 주소를 기준으로 찾도록 할 수 있다. 예컨대, '서울시 강남구 대치동 153번지 금마아파트'를 입력하면 해당하는 급지가 '4급지'임을 알려준다. 또한, 같은 '금마아파트'라도 33평형인가 또는 44평형인가 등의 평형 정보에 따라 '4급지 3평형'임을 알려주도록 할 수도 있다.

한편, 부동산 지수는 공시 지가 기준 지수, 건축물 신축 기준 지수, APT 기준 지수, 기타 주택 기준 지수, 기타 부동산 기준 지수 등을 포함하도록 구성할 수 있다. 이들 부동산 지수는 급지별로 구분된 부동산들에 대한 개별 부동산 지수를 의미한다. 예컨대, 앞의 예의 '금마아파트'는 4급지에 속하는 것으로서 4급지에 해당하는 부동산 지수를 개별적으로 저장 및 보관한다.

부동산 지수는 과거 어느 시점의 값을 100으로 정의하고 이를 시간의 추이에 따라 상대적으로 평가한 값을 말한다. 예컨대, 2000년 1월 1일의 '금마아파트'값인 1억을 100이라고 하면, 2001년 1월 1일의 값인 1억2천은 120이고, 2002년 1월 1일의 값인 1억4천은 140이 된다. 이렇게 구해지는 부동산 지수들은 용도별(APT, 기타 주택 등), 급지별 및/또는 평형별로 일정 주기마다 구하여 DB에 저장하도록 하는 것이 바람직하다.

한편, 청산가치 정보는 배당률 정보, 보정 낙찰가율 정보, 청산가율 정보를 포함한다. 여기서 배당률은 부동산이 경매 등에 의해 청산될 때 각 채권자들에게 배당되는 비율을 의미하고 보정 낙찰가율이라 함은 경매 착수 시점에서의 최조 감정가격을 낙찰된 시점의 감정가격으로 조정한 가격을 근거로 산출한 것으로서 해당 급지, 용도 및/또는 평형별로 세분화된 낙찰가율을 의미한다. 보다 상세하게 설명하면, 낙찰가율은 낙찰가/감정가로 정의할 수 있으나, 이 감정가는 경매 착수 시점에서의 감정가이므로 앞의 종래 기술의 문제점에서 설명한 바와 같이 낙찰시점에서는 무의미한 데이터가 되버릴 수 밖에 없다. 따라서, 낙찰가율 계산에 있어서 감정가를 낙찰 시점에서의 감정가로 보정하여 낙찰가를 계산한다.

이를 예를 들어서 설명하면 다음과 같다. 예컨대, 최초 감정시의 감정가가 1억(아파트 지수 100)이고, 낙찰시의 시세가 1억 2천(아파트 지수 120)이고 낙찰가가 1억 1천이면, 종래의 방법에 의한 낙찰율은 1억1천/1억*100 = 110%이다. 그러나, 본 발명에서 사용하는 방법에 따르면 낙찰율은 1억1천/1억2천*100 = 91.7%가 된다. 따라서, 종래의 방법의 낙찰율을 고려한다면 대출 금액 산정은 감정가 이상으로 될 수 있다는 이상한 결과가 나올 수 있으며 이는 결국 피담보 부동산에 대해 대출 금액을 산정할 때 신뢰할 수 있는 데이터로 사용할 수는 없다는 것을 의미하게 된다. 그러나, 본 발명에서의 방법을 사용하면 이러한 문제점을 근본적으로 방지할 수 있게 된다.

한편, 청산가율 정보는 배당률와 보정 낙찰가율의 곱셈의 결과값을 의미한다.

재감정 모듈(11)은 여신 실행시의 담보로 되었던 담보물에 대하여 재감정시점에서의 가격을 소정 프로그램에 의해 산출하는 모듈로서, 재감정가액=최초 감정가*감정시점의 시세지수/최초시세지수의 식에 의해 구할 수 있다.

여기에서 최초 감정가라 함은 여신 실행시의 감정가격을 말하며, 감정시점의 시세지수 및 최초 시세지수는 특정 시점의 가격을 100이라고 했을 때의 감정시점 및 최초 여신실행시의 가격을 지수화한 것을 말한다.

예를 들어, 최초 감정가격이 1억이고 그 때의 시세지수(최초시세지수)가 120이라고 할 때, 감정시점의 시세지수가 150이라고 하면, 재감정가액은 1억*150/120=1억2천5백만원이 된다.

청산가치 산출 모듈(12)은 앞서 설명한 바와 같이 담보물을 경매 등에 의해 청산할 경우 금전으로 환산될 수 있는 가치를 구하는 것으로서, 청산가치=감정가액*보정낙찰가율(*배당률, 생략 가능)-총공제금액의 식에 의하여 구할 수 있다.

여기에서 배당률, 보정 낙찰가율은 도 3의 DB(16)를 참조하여 설명한 바와 같다. 즉, 배당율은 부동산이 경매 등에 의해 청산될 때 각 채권자들에게 배당되는 비율을 의미하고, 보정 낙찰가율이라 함은 경매 착수 시점에서의 최조 감정가격을 낙찰된 시점의 감정가격으로 조정한 가격을 근거로 산출한 것으로서, 각 부동산에 대해 해당 급지, 용도 및/또는 평형별로 세분화된 낙찰가율을 의미한다. 즉, 각 부동산이 속하는 분류만의 데이터를 가지고 배당율, 보정 낙찰가율을 구하여 이를 근거로 청산가치를 구하므로 보다 정확한 청산가치 정보를 구할 수 있게 된다.

미래 가치 추정 모듈(13)은 부동산의 임의의 미래 시점에서의 가치를 추정하는 모듈이다. 예컨대, 현재(2003년 10월 15일) 시점에서의 부동산 가격이 1억이라고 할 때, 2003년 12월 31일에서의 부동산 가격을 추정할 수 있으며, 후술하는 바와 같이 단순한 미래 가격을 예측하는 것 이외에 미래 시점에서의 청산가치를 추정하는 작업도 수행하는 모듈이다. 이러한 미래 가치 추정 모듈(13)에 의해 현재 시점에서의 여신 위험을 관리할 뿐 아니라 미래 시점에서의 여신 위험을 예측해 볼 수 있게 된다.

도 4는 미래가치 추정 모듈(13)의 상세 구성의 일예를 나타낸 블록도로서, 여러 가지 부동산 중에서 APT에 적용된 경우에 대한 것이다. 도 4에 나타낸 바와 같이, 미래 가치 추정 모듈(13)은 APT 지수 추정 모듈, 지가지수 추정 모듈, 건축 지수 추정 모듈, 청산가치 추정 모듈을 포함한다.

APT 지수 추정 모듈은 미래 시점에서의 APT 지수를 추정하기 위한 것으로서, 도 4에 나타낸 바와 같이 ARIMA, Diffusion, VECM 등의 통계적 방법을 사용하여 산출할 수 있다.

지가지수 추정 모듈 및 건축지수 추정 모듈은 각각 지가지수와 건축지수를 추정하기 위한 것으로서, 각각 Regression, ARIMA 등의 통계적 방법을 사용하여 산출할 수 있다.

청산가치 추정 모듈은 위와 같이 산출된 APT 지수, 지가 지수, 건축 지수를 사용하여 미래 시점에서의 청산가치를 산출한다. 청산가치는 앞서 설명한 바와 같은 의미로서, 미래 시점에서 경매 등에 의해 청산될 경우 금전으로 환산될 수 있는 가치를 말한다.

위의 ARIMA, Diffusion, VECM, Regression, ARIMA 등의 방법은 통계적 기법에 의해 산출되는 모형으로써, 이들에 대하여 설명하면 다음과 같다.

<ARIMA>

ARIMA 방법은 아파트 지수 그 자체의 시계열 자료를 이용하여 미래의 아파트 지수를 예측하는 모형으로 변수 자체내에 내재되어 있는 구조를 밝혀 분석하는 통계적 기법으로서 자기회귀모형(AR)과 이동평균모형(MA)의 결합된 방법이다.

AR(p) 모형은 t 시점의 데이터 값이 자신의 과거 p개 데이터값(t-1,t-2,...t-p)에 의해 설명될 수 있음을 의미하고, MA(q) 모형은 t 시점의 데이터값이 과거 q개의 노이즈(noise)로 설명될 수 있음을 의미한다. 이를 간단히 식으로 표현하면 다음과 같다.

ARIMA에서 I는 'integrated'를 의미하는데, 이는 분석대상이 되는 시계열이 안정적인지 여부를 나타낸다. 기본적으로 ARMA모형은 안정적 시계열을 대상으로 하기 때문에, 만약 어떤 시계열이 불안정적이라면 안정적이 될 때까지 차분하여서 분석에 사용한다. 예를 들어 I(0)는 원 시계열 자체가 안정적이어서 그대로 분석에 이용했음을 의미하고, I(1)은 원 시계열이 불안정적이어서 한번 차분한 것(t시점의 데이터에서 t-1시점의 데이터를 뺀 값)을 분석에 이용했음을 의미한다. 여기서 어떤 시계열이 안정적인지를 판단하는 방법은 단위근 검정(Unit Root Test)이라는 통계적 검정을 이용한다. 우리의 분석 대상이 되는 아파트지수의 경우는 I(1)시리즈인 것으로 판단되어 한번 차분한 시리즈를 분석에 이용하였다. 따라서, 어떤 시계열이 ARIMA(1,1,0)이라고 나타내어 진다면, 이 시리즈를 한번 차분한 것을 분석에 이용하였고(I(0)), 그 한번 차분한 시리즈는 바로 이전 값에 의해 영향을 받으며(AR(1)), moving-average term은 없음(MA(0))을 의미하는 것이다.

ARIMA 모형을 위해서 우선 Unit Root Test(단위근 검정)를 행한다.

위 그림으로부터 나타난 결과가 불안정 시계열이므로, 단위근이 존재할 것으로 예측되므로 한번 차분한 시리즈를 이용한다.

위 차분 결과를 보면, 검정 결과가 Critical Value 보다 큰 통계량을 나타냄으로 세 시리즈 모두 단위근이 있는 불안정 시리즈로 판정한다.

다음으로 ARIMA 모형 추정을 도 5에 도시한 바와 같이 Phase 1, Phase 2로 나누어 설명한다. Phase 1은 1997.10-2001.5 사이 구간에 대한 것으로서 APT 지수가 급격히 상승하는 시점 이전의 데이터이고, Phase 2는 1997.10-2002.3 사이의 구간에 대한 것으로서 APT 지수가 급격히 상승하는 시점을 포함하는 데이터로서, 도 5에서와 같이 각 Phase에 대한 추정식을 구한다.

도 6은 Phase 1에 대한 시뮬레이션 결과이고 도 7은 Phase 2에 대한 시뮬레이션 결과이다.

<Diffusion>

Diffusion은 두개의 설명변수(M1, CD rate)를 각각 확률적 과정(SP)를 따른다고 가정하고 이들 요소들과 아파트 지수와의 관계식을 유도하여 향후 아파트 지수를 이들 두 요소의 움직임에 의해 결정된다고 보는 모형이다.

우선, 일반 모형을 살펴 보면,

1) M1 일반 모형

2) CD rate 일반 모형

3) APT 지수 모형

이고, 위 변수값들에 따라서 다양한 모형이 도출될 수 있다. 이 중에서 대표적인 아래와 같은 4가지 모형을 비교하여 가장 적합한 모형을 선택하도록 한다.

CD rate 모형도 아래와 같은 4개 모형을 대상으로 선택하도록 한다.

이러한 모형들 중에서 M1에 적합한 모형을 추정해 보면,

위 결과를 보면, M1 차분값의 가장 적합한 SP는 model 2임을 알 수 있다.

다음으로, CD rate에 대한 모형을 추정해 보면,

이로부터, 가장 적합한 SP는 model 2임을 알 수 있다.

또한, 아파트 지수는 위의 식과 같이 M1, CD rate가 주어지면 회귀 방정식에 의해 쉽게 구할 수 있으며, 총 17개 급지 8평형 등급(136개 등급)에 대해서 모두 136개의 회귀 방정식이 얻어진다.

다음으로, M1을 시뮬레이션해보면 아래 그림과 같다.

위 그림은 1997년 10월 - 2002년 1월까지의 데이터를 사용하여 M1의 SP를 추정하고 향후 2002년 2월 -2003년 1월까지 예측한 결과로서 γ=0, θ=0의 model 2를 사용한 값이다.

또한, CD 시뮬레이션은 아래 그림과 같이 된다.

위 그림은 1997년 10월 - 2002년 1월까지의 데이터를 사용하여 M1의 SP를 추정하고 향후 2002년 2월 -2003년 1월까지 예측한 결과로서 γ=0.5인 위 model 2를 사용한 값이다.

다음으로, 아파트 지수 시뮬레이션을 4급지 5평형등급에 대해 행한 결과를 보면,

이고 이에 따른 결과는 아래와 같다.

Phase 1에서 보면 예측 값이 실제 값보다 훨씬 낮은데 이는 과거에 이러한 급상승을 경험해 보지 못했기 때문에 이에 대해서는 적절하게 예측값에 반영을 하지 못했기 때문이다. 그러나, Phase 2에서는 약 10개월 정도 지나고 나서 예측한 값에서는 지난 10개월 동안의 급상승이 충분히 예측에 반영되어 실제 아파트 지수 값을 예측값의 boundary 안으로 끌어들이고 있음을 알 수 있다.

이와 같은 결과를 바탕으로 최종 모형을 선정하면, M1의 SP는,

이고,

CD rate의 SP는, 이며,

아파트 지수는,

로 선정한다.

<VECM>

다음으로, VECM(Vector Error Correction Model)에 대하여 설명한다.

VECM은 미래의 아파트 지수를 현재까지의 아파트 지수 움직임과 두개의 설명변수(M1, CD rate)의 현재까지의 움직임에 대해 설명하는 모형이다.

VECM에 의하면, 시계열의 안전성을 분석하고, Unit root test와 적분차수를 검정하고 VAR 모형을 구한후, Cointegration(공적분)을 행하여 VECM 모형을 구한다.

본 VECM 모델에서는, 여러 등급의 아파트 지수 중 우선적으로 4, 6, 8 급지 5평형등급의 3개 지수를 분석대상으로 결정하였다. VAR모형의 내생 변수 결정을 위해서는 아파트 지수에 비교적 큰 영향을 미치는 거시 경제 변수를 선택해야 하는데, 아파트지수 기초분석 결과를 바탕으로 M1과 90일물 CD rate를 이용하였다. 각 시계열은 1997년 10월부터 2003년 1월까지의 월별자료로 구성되었다.

우선, 아파트 지수를 그림으로 구성하면 도 8a, 도 8b, 도 8c과 같다. 도 8을 보면, 세 시계열 모두 시간에 따라 증가하고 있어 불안정적임을 추측할 수 있다. Unit root test의 한 방법인 ADF 검정을 수행한 결과 세 시계열 모두 적분차수가 2인 I(2) 과정으로 불안정 시계열임을 확인할 수 있다.

M1과 CD 금리는 도 9a, b와 같은 그래프로 나타낼 수 있고 각각은 ADF 검정 결과 I(1) 과정인 것으로 나타났다.

VAR모형을 적용하기 위해 아파트지수, M1, CD금리를 내생변수로 이용하기로 하였는데 앞절에서의 unit root test를 통해 각 시계열의 안정성 여부를 알아 본 결과에 의하면 세 시계열 중 아파트 지수만 적분 차수가 다른 것으로 나타났다. 내생 변수가 모두 I(1)인 시계열이 되도록 하기 위해 식(9)와 같은 VAR모형의 내생변수 를 아래와 같이 설정하였다.

여기서 로 아파트 지수 를 한번 차분한 값을 의미한다. 가 I(2) 이므로 는 I(1)이 된다.

의 식에서 p로 나타나는 VAR 모형의 차수는 AIC와 SC를 기준으로 하여 각 아파트 지수를 포함하는 모형에 대하여 아래와 같이 결정하였다.

다음으로, 요한슨 공적분 검정을 수행한 결과 세 아파트 지수 모형에 대한 결과 모두 2개의 cointegrating equation을 가지는 것으로 나타났다. 따라서 VAR모형에 제약을 가하여 VECM으로 분석하는 것이 타당한 것으로 보인다.

이상에서 본 바와 같이, 세 개의 변수간에 공적분 관계가 존재하는 것을 확인했으므로 cointegration equation을 오차수정항으로 포함하는 VECM을 구성하였다. VAR모형 설정시의 최대 래그를 고려하여 모형을 추정하였고 추정된 계수를 바탕으로 다음 10개월간의 지수를 예측하였다. 같은 분석을 서로 다른 구간에 대해 반복 시행하여 데이터에 따른 모형 안정성과 예측 성과의 차이점을 알아보고자 했다.

예측 결과를 그래프로 나타내면 다음과 같다. 아래 그림에서 실제 지수의 움직임은 무늬가 있는 선이고 예측치는 실선으로 나타나 있다.

어느 시계열에 대해서든 모형 1의 예측치는 실제 시계열의 움직임을 잘 예측하지 못하고 있다. 반면 아파트 지수가 급격히 증가하는 2001년의 자료를 모형 추정에 이용한 모형 2의 예측치는 지수의 계속적인 상승을 잘 예측하고 있음을 알 수 있다. 실제로 모형의 RMSE(root mean squared errors)는 모형 1에서 8.21~13.88정도 되는 반면 모형 2에 대해서는 2.79~8.04로 상대적으로 작은 값을 가진다.

이에 따른 VECM 모형은 다음 식과 같다.

이러한 과정에 의해 미래 APT 지수의 최적 모형을 산정하게 되는데, RMSE(root mean squared error)에 의해 구한다. RMSE는 시계열 예측값이 정확할 수록 RMSE값이 작아지는 것을 의미하며 따라서 최소의 RMSE값을 가지는 모형을 선택한다. RMSE는 다음과 같이 계산된다.

앞서 설명한 바와 같은 ARIMA, Diffusion, VECM의 3가지 모형을 통해 아파트 지수 예측력을 비교하기 위해 RMSE를 사용하여 분석한 결과는 다음과 같다.

(밑줄친 굵은 숫자가 세가지 모형 중에서 가장 좋은 예측력을 가진 경우를 표시함) 97년 10월부터 2001년 5월까지의 데이터를 사용하여 향후 10개월을 예측하는 경우에는 VECM 모형이 다른 모형에 비하여 예측력이 나은 것으로 나타나고 더 많은 기간 (97년 10월부터 2002년 3월까지)의 데이터를 사용한 경우의 향후 10개월 예측력에 있어서는 ARIMA 모형이 적합한 것으로 나타났다.

이러한 방식에 의해 도 4의 APT 지수 추정 모듈은 APT 지수를 추정하고, 지가지수 추정 모듈 및 건축 지수 추정 모듈 등의 결과값과 함께 청산가치추정 모듈에 의해 청산가치를 추정하게 된다. 지가지수 추정 모듈은 Regression 즉, 지가지수의 움직임은 아파트 지수의 움직임에 일정하게 비례한다고 판단하여 아파트 지수의 추이를 이용하여 지가지수의 움직임을 추정 및 예측한다. 건축지수 추정 모듈은 건축 지수 그 자체의 과거 자료를 이용하여 건축 지수를 예측하는 ARIMA 모형을 이용한다.

다음으로 청산가치 추정 모듈에서 청산가치를 추정하는 과정을 설명한다. 청산가치는 부동산 지수와 낙찰지수와의 관계로부터 두 시계열의 미래관계를 유추하는 것이다.

위 그림은 4급지 5평형 등급의 아파트 지수와 낙찰지수를 그래프로 나타낸 것이다. 여기서 낙찰지수는 아파트 지수에 낙찰가율을 곱하여 얻어졌다. 두 시계열은 비슷한 추세를 따라 움직이고 있는 것으로 보인다.

위 그림에서는 두 시계열을 이용하여 X-Y그래프를 그려 보았다. 여기서 두 시계열 간에 거의 직선에 가까운 선형관계가 존재하는 것처럼 보인다. 그러나 단위근 검정 결과 두 지수는 모두 단위근을 한 개이상 가지고 있는 것으로 나타나 level수준에서 선형 관계를 분석하는 것은 적합하지 않은 것으로 나타났다. 다음으로는 각 시계열의 차분값을 이용하여 아래와 같은 X-Y그래프를 구성하였다.

X축의 DINDEX4는 4급지 5평형등급 APT지수의 차분값이고 Y축의 DPC4는 동일 등급의 낙찰지수 차분값이다. 이 그림을 통해 두 변수간의 선형관계가 존재함을 추측할 수 있다. 다른 두 등급-6급지 5평형등급, 8급지 5평형등급-에 대해서도 같은 방식의 그래프를 구성했을 때 아래와 같이 비슷한 형태를 얻을 수 있었다.

4급지 5평형등급의 데이터를 이용하여 가장 간단한 형태의 선형회귀방정식을 아래와 같이 세우고 추정을 해 보았다.

Eviews를 이용한 모형 추정 결과는 아래 표에 요약되어 있다.

상수는 유의하지 않은 것으로 나타났고 값으로부터 모형의 설명력이 비교적 높은 것을 알 수 있다. 상수를 제외하고 다시 추정하면 아래 수식을 얻을 수 있었다.

D(PC4) = 0.9460268233*D(INDEX45)

이 식을 이용하면 부동산 지수 예측치로부터 낙찰지수 예측치를 얻을 수 있고 얻어진 낙찰지수에 배당률을 고려하면 청산 지수 또한 얻을 수 있다.

다시 도 2로 돌아가서, 도 2의 금리 추정 모듈(14)에 대하여 설명한다.

여기서의 금리는 CD 금리 예측을 수행하는데, CD rate은 보통 3개월/6개월 물에 대하여 거래가 이루어지는 아주 단기의 이자율로써, 금융기관의 조달 금리로 간주할 수 있다. 부동산 담보부 자산의 금리를 결정하기 위해서는 미래의 각 시점에서의 zero rate을 알아야 하는데, 이는 다음과 같은 두 가지 방법에 의해서 구할 수 있다.

- 단기 이자율에 대한 Stochastic process를 가정하여, 이로부터 도출한 단기 이자율을 누적 시킴으로써 zero rate을 구할 수 있다.

- 채권 수익률의 Term structure에서부터 zero rate을 예측하는 방법

- 위의 두 가지 방법은 모두 서로간에 장/단점을 가지고 있으나, 두 번째 방법의 경우 우리나라에서 거래되는 최장기 채권의 만기가 5년 ~ 10년 안팎이어서, 30년 이상의 만기에 대한 zero rate을 예측해야 하는 본 특허에서는 적합하지 않으므로, 본 특허에서는 첫 번째 방법에 의거하여 zero rate을 예측할 것이며, 이를 위해서는 CD rate을 예측하기로 한다.

일반 모형으로서, SP의 종류를 보면,

- Chen et al.(1992)에 의하면 대부분의 one-factor model은 아래의 식 (1)과 같은 형태의 일반적인 모형에 의해 표현될 수 있다.

- 많은 사람들의 연구 결과 식 (1) 모형의 계수가 얼마가 되어야 하는 지에 대해서는 논란의 여지가 있지만, 이는 사용하고자 하는 data set의 특성을 충분히 반영하여 효율적으로 추정하면 해결될 수 있다.

- 여기서는 아래의 일반모형에 실제 국내 CD rate을 적용하여, 가장 data에 적합한 모형을 산출하도록 한다.

(1)

γ : CD 금리

dw: Standard Brownian Motion --> 평균이 0이고 분산이 t인 normal 분포를 가짐

dt: instantaneous time period --> 이론적으로는 아주 작은 time 구간을 의미하지만, 실증 분석에서는 상황에 따라 1일, 1주일 등으로 선택

(α,β,σ,γ : 상수)

이에 따른 표본 모형으로서, M1 모형으로 대표적인 것 2가지를 선정해 보면 아래와 같다.

이들로부터 결과를 분석해 보면,

위의 표에서 Chi-square 값은 크면 클수록 p-value는 작으면 작을수록 모형의 설명력이 높은 것을 의미한다. 여러 time period 별로 나누어서 검증을 해 보았고, 본 명세서에서는 이들 중 대표적인 전체 sample period를 대상으로 한 결과만을 위의 표에 나타내었다. 위의 결과 값을 살펴보면 CD 금리의 가장 적합한 stochastic process는 Model 2임을 결론 내릴 수 있다. 그러나 Chi-square 값이나 p-value를 살펴보면 두 모형 모두 설명력이 그다지 우수하지 못한 결과를 보이는데, 이는 나머지 14개 모형 모두에 관해서도 거의 유사한 결과이다. 이에 대한 이유로는 CD rate 의 일별 자료를 살펴보면 거의 변화가 없는 경우가 상당히 많음을 관찰할 수가 있는데, 모형에서는 이러한 변화가 없는 부분을 제대로 설명해 주지 못하는 점이 주요한 원인이다. 하지만 매일의 CD rate의 정확한 변화는 제대로 설명하지 못한다 하더라도, 전체적인 CD rate의 추세는 아래의 simulation 결과 분석에서 살펴보듯이 잘 설명해 주기 때문에, 위의 model 2 즉 CIR process를 적용하기로 한다.

도 10의 시뮬레이션 결과를 분석해 보면, 1)은 1997년 10월 1일 ~ 2001년 12월 31일까지 데이터를 사용하여 CD 금리의 stochastic process를 추정하고, 향후 2002년 1월 1일 ~ 2002년 12월 31일까지 예측한 결과이다. 또한 2)는 1997년 10월 1일 ~ 2002년 6월 30일까지 데이터를 사용하여 CD 금리의 stochastic process를 추정하고, 향후 2002년 7월 1일 ~ 2003년 6월 30일까지 예측한 결과이다. CD 금리 모형은 식 (1)에서 제시한 일반 모형 가운데 γ=0.5인 Model 2 모형을 사용하였으며, 어떤 모형을 사용할 것인지의 결정은 향후 데이터가 축적됨에 따라서 유동적으로 판단하여 결정할 수 있다. 그림에서 알 수 있듯이 CD 금리의 실제 관찰 값은 예측 값의 boundary에는 포함이 되고 있지만 예측 평균 값보다는 다소 낮은 것을 알 수 있다.

도 11은 미래에 있어서의 여신 위험을 산출하는 과정을 보다 상세하게 나타낸 블록도이다.

도 11에 도시한 바와 같이, 우선 미래의 부동산 가치를 측정한다. 미래의 부동산 가치는 앞서 설명한 바와 같은 ARIMA, Diffusion, VECM 모형을 통해 산출한 결과들 중에서 RMSE에 의해 가장 적합한 결과를 산출한다.

그리고, 미래 APT 지수의 결과를 활용하여 미래 지가지수를 산출하고 ARIMA 모형에 의하여 미래 건축 지수를 추정한다.

이러한 결과를 가지고 앞서 설명한 바와 같은 과정에 의해 미래 청산가치를 추정한다. 또한, 미래 CD rate도 추정하고 미래 청산 가치와 함께 여신 위험을 산정하게 된다.

여신 위험 산정은 부도율을 고려하여, 금리 결정, 대출한도, 신용보강의 3가지 모형으로 진행되는데 각각은 독립적으로 진행할 수 있다. 이러한 여신 위험 결과를 가지고 조기 경보를 산정할 수 있게 된다.

금리 결정, 대출한도, 신용 보강에 대해 보다 상세히 설명하면 다음과 같다.

< 금리결정모형 >

주택담보대출의 상환형태는 크게 만기일시상환, 원금균등분할상환, 원리금균등분할상환, 체증식할부상환방식으로 나눌 수 있는데, 만기일시상환은 다시 지급되는 이자결정방식에 따라 고정금리와 변동금리로 나뉘며 이자지급시점에 따라 선취와 후취로 나뉜다. 변동금리는 3개월CD연동금리와 6개월CD연동금리를 사용한다. 원금균등분할, 원리금균등분할, 체증식할부상환은 거치기간을 고려해야 한다. 만기일시상환과 원금균등분할상환은 일수로 이자를 계산하며 원리금균등분할과 체증식할부상환은 월수로 이자 계산을 한다. 이상의 담보부대출금리는 크게 낙찰가치(향후 배당률을 고려하여 청산가치로 전환)와 CD금리인 두개의 요소의 미래 예측값을 시뮬레이션을 이용하여 발생시켜 놓고 단위기간 동안의 대출자의 부도율을 입력변수로 받아들여 미래에 발생할 수 있는 부도위험을 고려하여 대출금리를 결정하는 것이다. 낙찰가치는 과거 아파트지수와 낙찰가와의 상관관계를 이용하여 예측된 아파트지수를 낙찰가로 전환하는 단계를 거친 후 사용하게 된다.

< 대출한도결정모형 >

대출한도결정모형이 금리결정모형과의 다른 점은 금리결정에서는 대출금액이 주어진 상황에서 적절한 금리를 결정하는 것이고 대출한도결정을 한다는 것은 주어진 이자율 하에서 최대한의 대출금액을 결정하는 것이다.

대출한도를 결정하는 알고리즘은 우선 대출금액으로 대출담보의 현재 청산가치의 일정 비율(예를 들면 청산가치의 80%)로 주어지는 경우의 적절한 이자율을 결정하여 이러한 이자율보다 작은 이자율이 주어지는 경우는 현재의 청산가치의 일정비율을 대출한도로 설정하고 큰 이자율이 주어지는 경우는 대출한도결정모형을 통하여 최적의 값을 선택한다. 이러한 논리의 바탕은 대출이자율이 대출금액의 단순증가함수로 표현되는 것이 아니라 대출금액이 청산가치보다 작은 경우에는 대출금액이 증가하더라도 부도율이 일정하다는 가정하에서는 이자율의 증가로 이어지지 않는다. 왜냐하면 대출금액이 청산가치보다 작은 상황에서는 대출금액이 증가하더라도 담보자산으로 대출자가 원금이나 이자를 내지 못하여 발생하는 손실을 보상할 수 있기 때문이다. 하지만 청산가치보다 큰 대출금에 대해서는 담보물로 원금이나 이자 손실을 보상할 수 없기 때문에 이자율은 그러한 위험을 보상하기 위해 증가하게 된다.

< 신용보강모형 >

신용보강이란 주어진 이자율과 대출금액 하에서 현재 담보물로는 대출자의 부도위험으로 인한 원금이나 이자 손실을 충분히 보상할 수 없는 경우 담보물의 보강을 은행에서는 요구하게 되는데 이러한 추가분을 신용보강모형에서는 결정하게 된다. 물론 담보물의 보강을 요구하거나 적용이자율의 조정을 통해서도 이루어질 수 있는데 이자율의 조정은 대출이 이루어진 후 재검토 시점에서 이미 알고 있는 대출금액과 담보물의 청산가치로 적절한 이자율을 이자결정모형에서 결정하면 되므로 신용보강모형에서는 담보물의 추가분의 결정을 내리는 것에 초점을 맞춘다. 신용보강모형의 결정논리는 담보물의 현재청산가치와 예측된 미래청산가치가 전체적으로 얼마만큼 증가할 경우 현재의 대출계약조건인 이자율과 대출원금을 그대로 유지해도 좋은가 하는 것이다.

이러한 모형이 적용된 구체적인 방법은 다음과 같다.

1. 입력변수

기본적인 입력변수는 금리결정, 대출한도, 신용보강에서 동일하게 적용되고 단지 대출금, 현재청산가치, 적용이자율 이상의 세 가지 변수 중에서 다른 두 변수를 알고 있는 경우 나머지 하나의 변수를 구하는 차이만 존재한다.

- 금리결정에서는 현재청산가치와 대출금이 주어진 경우 이자율을 결정하는 것이다.

- 대출한도에서는 현재청산가치와 적용이자율이 주어진 경우 대출금의 최대값인 대출한도를 결정하는 것이다.

- 신용보강에서는 대출금과 적용이자율이 주어진 경우 대출받은 사람의 부도위험으로부터 발생하는 은행의 손실을 막기 위한 적절한 청산가치를 결정하는 것이다.

다음으로 공통적으로 입력되는 변수의 기본개념을 간략히 설명한다.

1-1. 대출자의 단위기간동안의 부도율

보통 1년을 단위로 주어지는데 대출자가 향후 1년동안에 부도를 발생시킬 확률을 퍼센트단위로 주어진다. 이렇게 입력된 부도율은 내부 알고리즘에서 기본 시간단위로 전환하여 쓰여진다. 예를 들면 연단위로 12%로 입력된 보도율은 월단위로 1%로 전환하여 내부엔진에서 사용하게 된다.

1-2. 경매처리경과시간

실제 부도가 일어난 시점과 부도가 일어나서 부동산경매를 통하여 실질적인 현금흐름이 발생하는 시점까지의 경과시간은 부동산물건에 따라 다르기 때문에 크게 범주(예를 들면 아파트인 경우 6개월이라면 연립이나 다세대인 경우 12개월)를 나누어 물건에 따라 경매처리경과시간이 주어지는 것으로 한다.

1-3. 대출시점의 담보자산의 가치와 대출기간과 금리유형

담보대출시점의 담보자산의 가치와 낙찰가율을 토대로 대출금의 상한선을 설정할 수 있으며 상한선을 토대로 결정된 대출금액과 대출기간이나 금리산정방법(예를 들면 고정금리인지 변동금리인지 또는 거치 분할 상환 방식이라면 몇 년 거치에 원금(또는 원리금) 분할인지를 나타냄)을 입력변수로 받아들인다.

2. 알고리즘

금리결정의 기본적인 알고리즘은 고정금리인 경우 원금이 만기에 일시상환, 원금이 원금지급주기에 의해 균등분할상환, 원금과 이자를 합하여 균등분할상환, 일정금액이 증가하면서 원리금균등분할상환과 동일하게 원금이 상환되는 방법이 있다. 이러한 모든 상품에 적용되는 금리결정모형의 기본논리는 모두 동일하며 단지 현금흐름이 발생하는 시점과 크기의 차이만 있으므로 만기상환인 경우를 예로 들어 다음에서 설명된다.

2-1. 고정금리

고정금리로 담보부대출을 할 경우 월 단위로 이자를 지급하고 대출만기시점에서 일시에 원금을 상환하는 경우를 예로 들면 다음과 같다. 우선 기본적인 기호를 정의하면 다음과 같다.

q: 연단위로 입력된 부도율을 월단위로 전환한 값

c: 월단위로 일정하게 지급하게 되는 이자금액

B(t): 만기가 t인 채권의 현가 (결국 미래의 현금흐름을 현가로 전환할 때 사용하는 할인율이라 할 수 있음)를 나타내며 CD금리를 이용하여 다양한 만기를 가진 채권의 현가를 계산하게 된다.

Δt: 담보물건에 따라 다르게 입력된 경매처리경과시간

F: 대출금액

T: 대출만기

N: 대출만기를 월단위로 전환한 값으로 만기가 5년인 경우에 N은 60(=12*5)이 된다.

V(t): 대출이 일어난 시점으로부터 t 시간이 경과된 후 낙찰가치

t_i(i=1,2,…,N)=i*T/N

금리는 다음과 같은 관계식을 통해 구할 수 있다.

즉 좌변의 현재시점의 대출금액은 우변의 두 항목(첫번째 항은 향후 이자가 지금되는 매월단위로 부도가 난 경우의 청산가치의 현금흐름을 현가로 전환한후 여러시점에서 발생할 수 있는 부도의 경우를 모두 고려하여 합한 값이고 두번째 항은 부도가 일어나지 않았다는 조건하에서 매월단위로 지급되는 이자현가의 총합과 만기시의 원금의 현가를 합한 것)과 같아지도록 하는 c 즉 이자금액을 결정하는 방식이다.

2-2. 변동금리

CD 연동 변동금리로 담보대출을 할 경우 금리는 3개월 단위로 재조정되므로 이를 고정금리모형에서 조정하면 된다. 간단히 이야기하면 고정금리에서 이자금액인 c 가 향후 이자변동과 더불어 변동된다. 즉 대출시점의 CD 금리가 향후 3개월간 동일하게 적용되고 3개월이 경과된 후 그 시점의 CD금리로 다시 향후 3개월간의 이자 금리가 재조정되는 방식이다. 금리는 다음과 같은 관계식을 통해 구할 수 있다.

다른 기호들은 고정금리와 동일하고 이자금액인 c는 일정한 상수가 아니라 기준금리인 CD금리와 일정 스프레드를 합한 값인 로 변환하게 된다. 즉 와 같은 관계식에서 고정스프레드인 sp를 결정하게 된다. {ㅇ}는 올림을 표시하는 기호이다.

변동금리는 3개월 CD 금리연동과 6개월 CD 금리 연동으로 선택해서 사용하게 된다.

다음으로, 도 11의 조기 경보 모형에 대하여 설명한다.

부동산담보대출의 경우 담보물인 부동산의 시장가치의 변동이나 담보 대출자의 신용 하락(현금흐름의 위험도)으로 인한 부동산담보자산의 디폴트(default) 위험의 증대와 같은 요소는 계속적인 모니터링을 통해 관리되어야 한다. 따라서 향후 적정수준의 담보가치 산출과 더불어 일정 수준 이하로 떨어질 경우 주의 조치나 사후관리로 들어갈 수 있도록 체계적인 시스템을 구축할 필요가 있다. 이를 위한 방법으로 부동산의 청산가치가 일정 수준 이하로 떨어질 확률을 의미하는 EDF(Expected Default Frequency)나 자체적으로 설정한 일정수준(예를 들면 대출금액 그 자체가 될 수 있음.)과 청산가의 거리를 의미하는 DTD(Distance-to-Default)를 사용하는 방법이다.

본 발명의 조기 경보 시스템에서는 첫번째 방법으로 대출원금과 미래 청산가치의 평균과의 거리를 DTD로 보고 크게 청색, 황색, 적색 구간으로 나누며 두번째 방법으로 일정기간(특정검토기간(예를 들면 6개월)이나 향후 대출잔존만기)동안 청산가치가 대출원금보다 떨어질 경우가 발생할 확률을 추정하는 EDF를 구한다.

청색구간은 현재 시점이나 담보대출 계약 시점에서의 청산가치과 대출원금의 차이보다 대출만기시점이나 특정대출재검토시점에서의 청산가치의 평균값과 대출원금의 차이가 더 큰 경우를 말한다.

황색구간은 현재 시점이나 담보대출 계약 시점에서의 청산가치과 대출원금의 차이보다 대출만기시점이나 특정대출재검토시점에서의 청산가치의 평균값과 대출원금의 차이가 더 작지만 여전히 대출만기시점이나 특정대출재검토시점에서의 청산가치의 평균값이 대출원금보다는 큰 경우를 말한다.

적색구간은 대출만기시점이나 특정대출재검토시점에서의 청산가치의 평균값과 대출원금보다 떨어지는 경우를 말한다.

이와 같이 함으로써, 미래의 특정 시점에서의 여신의 위험도를 추정하고 그에 따른 적절한 경보 메시지를 알려주도록 할 수 있다.

도 12는 상기 설명한 바와 같은 여신 위험 방법 및 시스템을 구현하는 프로그램이 실제 컴퓨터의 화면에 나타난 자료로서, 청산 담보가 산출 화면을 pop up 시킨 화면이다.

도 12를 보면, 2003-01-01자로 대상 아파트의 재감정을 실시한 것임을 알 수 있고, 재감정 가격은 아파트 지수를 근거로 하여 산출되어 있음을 알 수 있다.(218,7878,770원)

그 아래를 보면, 청산담보가(청산가치)가 산출되어 있는데, 재감정가격에 보정낙찰가율과 배당율을 곱하여 최종적으로 194,374,055원으로 산출되어 있음을 알 수 있다.

도 13은 금리를 결정하는 조회화면이 pop up된 것으로서 한계금리에 의한 것을 나타낸 것으로서, 각 한도비율에 대한 기준금리, credit, term, 부도율, Average CD 등을 보여주며, 기간별 Risk 금리로는 대출기간별로 데이터를 보여주고 있음을 알 수 있다. 도 14는 도 13과 유사하지만 표준정규에 의한 금리 결정을 조회하는 화면을 나타낸 것이다.

도 15는 조기 경보 현황을 알려주는 화면을 pop up 시킨 것으로서, 특정 시점에서의 전체 건수에 대한 위험도 산정 결과를 색깔별로 나타내 주고 있음을 알 수 있다. 도 15에서는 2003년 6월 30일자(현재시점) 그리고 2003년 12월 31일자(미래시점)에서의 결과로서, 안전함을 나타내는 청색이 대부분을 차지하고 있으며 2003년 12월 31일자를 기준으로 미래를 예측해 보아도 청색이 더 커져 있으므로 더욱 안정적이 될 것이라는 것을 직관적으로 파악할 수 있다.

도 16은 각 건별로 조기 경보 상세 내역을 나타내는 pop up 화면이다. 도 16에 나타난 바와 같이, 각 여신 건별로 청산 담보가를 확인할 수 있고, 특정 기간별로 위험도를 산정해 볼 수 있다. 또한, 신용보강이나 대출 감액이나 담보 보강, 금리 조정, 대출감액 등의 상세 내역도 조회할 수 있음을 알 수 있다. 도 17은 신용 보강 산정 조회 화면을 나타낸 것이다.

도 18은 각 개별 여신 건에 대하여 미래 가치 추정 화면을 나타낸 것으로서, 현재를 기준으로 미래 시점에서의 감정가 및 청산가를 산출한 결과를 알 수 있다.

도 19 내지 도 24는 전체 건에 대한 배치작업을 나타내는 화면으로서, 도 19는 재감정, 도 20, 도 21은 부도율, 도 22 및 23은 금리 결정, 도 24는 조기경보에 대한 각각의 배치 화면을 나타낸 pop up 화면임을 알 수 있다.

도 19 내지 도 24와 같이 배치작업을 함으로써, 금융 기관은 모든 여신 건에 대하여 간단하게 현재 시점 또는 미래 시점에서의 청산가치를 파악할 수 있고, 모든 여신 건에 대하여 위험도를 산출하고 그에 대한 메시지를 색깔별로 표시하는 등의 경보를 조기에 알려줌으로써 여신 위험 관리를 짧은 시간 내에 효율적으로 행할 수 있게 된다.

본 발명에 의하면, 여신 실행 이후 간편하게 여신을 모니터링 할 수 있는 시스템 및 방법을 제공할 수 있다. 또한, 여신을 모니터링하고 적절한 경보를 제공할 수 있으므로, 금융 기관 등에서 수많은 여신에 대하여 효율적으로 간편하게 관리를 수행할 수 있다. 또한, 본 발명에 의하면, 여신 위험을 조기에 파악할 수 있으므로 금융 기관 등에서 사전에 대책을 세우는 것이 용이하게 된다.

도 1은 본 발명의 기본 구성을 요약설명하기 위한 흐름도,

도 2는 본 발명에 의한 방법을 구현하기 위한 시스템의 일예를 나타낸 블록도,

도 3은 DB의 상세 구성을 설명하기 위한 블록도,

도 4는 미래가치 추정 모듈의 상세 구성의 일예를 나타낸 블록도,

도 5는 ARIMA 모형 추정을 설명하기 위한 도면,

도 6 및 도 7은 각각 Phase 1에 대한 시뮬레이션 결과 및 Phase 2에 대한 시뮬레이션 결과를 나타낸 도면,

도 8은 아파트 지수를 설명하기 위한 도면,

도 9는 M1과 CD 금리를 나타낸 도면,

도 10은 시뮬레이션 결과를 나타낸 도면,

도 11은 미래에 있어서의 여신 위험을 산출하는 과정을 보다 상세하게 나타낸 블록도,

도 12는 청산 담보가 산출 화면,

도 13은 금리를 결정하는 조회화면,

도 14는 표준정규에 의한 금리 결정을 조회하는 화면,

도 15는 조기 경보 현황을 알려주는 화면,

도 16은 각 건별로 조기 경보 상세 내역을 나타내는 화면,

도 17은 신용 보강 산정 조회 화면,

도 18은 각 개별 여신 건에 대하여 미래 가치 추정 화면을 나타낸 것,

도 19는 재감정 화면에 대한 배치 화면,

도 20, 도 21은 부도율에 대한 배치 화면,

도 22 및 23은 금리 결정에 대한 배치 화면,

도 24는 조기경보에 대한 각각의 배치 화면을 나타낸 것이다.

Claims (11)

1. 여신 관리 방법에 있어서,

   각 여신 건의 담보물의 재감정 가격을 산출하는 단계;

   상기 재감정 가격에 의거하여 청산가치를 산출하는 단계;

   상기 산출된 청산가치와 여신 실행 금액을 비교하는 단계;

   상기 비교 결과에 따라 메시지를 표시하는 단계;

   를 구비하는 것을 특징으로 하는 여신 관리 방법.
2. 제1항에 있어서,

   상기 재감정단계는,

   수식(재감정가액=최초 감정가*감정시점의 시세지수/최초시세지수)에 따라 결정하는 것을 특징으로 하는 여신 관리 방법.
3. 제1항에 있어서,

   상기 청산가치를 산출하는 단계는,

   수식(청산가치=재감정가액*보정낙찰가율-총공제금액)에 따라 결정하는 것을 특징으로 하는 여신 관리 방법.
4. 제1항에 있어서,

   상기 청산가치를 산출하는 단계는,

   수식(청산담보가액=감정가액*보정낙찰가율*배당률-총공제금액)에 따라 결정하는 것을 특징으로 하는 여신 관리 방법.
5. 제3항 또는 제4항에 있어서,

   상기 보정낙찰가율은 소정 기준에 따라 분류된 데이터베이스에 피담보 부동산이 속하는 분류에 해당하는 낙찰가율-여기서, 상기 낙찰가율은 경매 착수 시점에서의 최조 감정가격을 낙찰된 시점의 감정가격으로 조정한 가격을 근거로 산출한 것임-이며, 상기 배당률은 소정 기준에 따라 분류된 데이터베이스에 피담보 부동산이 속하는 분류에 해당하는 것을 특징으로 하는 여신 관리 방법.
6. 제5항에 있어서,

   상기 내부 DB의 데이터베이스는 각 부동산별로 시세, 평형 및 용도 중 적어도 어느 하나 이상에 따라 분류된 것을 특징으로 하는 여신 관리 방법.
7. 제1항에 있어서,

   상기 비교 결과에 따라 메시지를 표시하는 단계는,

   청산가치가 여신 실행 금액보다 큰 경우는 우량으로 판정하고 이에 대응하는 색깔을 표시하고,

   청산가치가 여신 실행 금액 보다 적은 경우는 불량으로 판정하고 이에 대응하는 색깔을 표시하는 것을 특징으로 하는 여신 관리 방법.
8. 여신 관리 방법에 있어서,

   각 여신 건의 담보물의 미래 추정 가격을 산출하는 단계;

   상기 미래 추정 가격에 의거하여 미래 청산가치를 산출하는 단계;

   미래의 CD 금리를 산출하는 단계;

   상기 산출된 미래 청산가치 및 미래 CD 금리에 의거하여 미래 시점의 여신 위험도를 산정하는 단계; 및

   상기 여신 위험도 산정 결과에 따라 메시지를 표시하는 단계;

   를 구비하는 것을 특징으로 하는 여신 관리 방법.
9. 제8항에 있어서,

   상기 미래 시점의 여신 위험도를 산정하는 단계는,

   미래 시점의 여신 위험도에 따라 금리 결정 단계, 대출 한도 조정 단계, 신용 보강 단계 중 적어도 어느 하나의 단계를 포함하는 것을 특징으로 하는 여신 관리 방법.
10. 소정 기준에 따라 분류된 데이터베이스에 피담보 부동산이 속하는 분류에 해당하는 낙찰가율-여기서, 상기 낙찰가율은 경매 착수 시점에서의 최조 감정가격을 낙찰된 시점의 감정가격으로 조정한 가격을 근거로 산출한 것임-, 배당율 및 부동산 지수에 대한 데이터를 포함하는 데이터를 저장하는 DB;

    상기 DB로부터 각 시점에서의 부동산 지수를 읽어 들여 특정 시점에서의 부동산 가격을 산출하는 재감정 모듈;

    상기 재감정 모듈에서 산출된 특정 시점에서의 부동산 가격에 의거하여 특정 시점에서의 청산가치를 산출하는 청산가치 산출 모듈;

    특정 시점으로부터 미래에 대한 부동산 가격의 미래 가치를 추정하는 미래 가치 추정 모듈;

    특정 시점에서의 금리를 추정하는 금리 추정 모듈;

    상기 청산가치 산출 모듈에서 산출된 청산가치와 상기 미래가치 추정 모듈에서 산출된 미래 가치와 상기 금리 추정 모듈에서 산출된 금리들 중에서 적어도 어느 하나 이상에 의거하여 특정 시점 또는 미래 시점에서의 위험도를 표시하는 경보 발생 모듈

    을 포함하는 것을 특징으로 하는 여신 관리 시스템.
11. 제10항에 있어서,

    상기 DB는 각 부동산별로 시세, 평형 및 용도 중 적어도 어느 하나 이상에 따라 분류된 것을 특징으로 하는 여신 관리 시스템.