KR20170037298A - 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템 - Google Patents

Abstract

컴퓨터에,
등록 계좌들을 유형별로 분류하는 단계; 유형별로 분류된 등록 계좌들에 대한 통합계좌정보를 생성하는 단계; 상기 통합계좌정보에 기초하여, 통합계좌에 대하여 복수개의 신용 리스크 지수들을 계산하는 단계; 및 상기 신용 리스크 지수들로부터 종합신용점수를 계산하는 단계;를 포함하는 통합계좌정보 기반의 실시간 신용 리스크 분석 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 개시된다.

Description

통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템{System and Method for Real time based Credit Risk Analysis using the Integrated Account Information}

본 발명은 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템에 관한 것이다.

신용리스크란 개인이나 기업과 같은 금융여신거래 고객 또는 채무자의 채무불이행으로 인하여 채권자가 손실을 입게 될 확률(probability)로서, 금융기관의 경우 금융감독기준에 따른 최소자기자본을 산정하거나 또는 대출신청 시 승인여부에 대한 결정 및 리스크를 고려한 적정 대출금리를 계산할 때 활용한다.

이러한 신용리스크는 고객유형과 거래상품 또는 거래조건에 따라 그 위험정도가 다르므로, 각각의 경우에 따라 측정모형과 관리기준을 구분하여 적용해야 한다. 예를 들어 개인고객의 경우 대출규모나 성격이 비교적 균질하고 소액으로 분산되어 있는 반면, 기업고객의 경우 거래금액이 크기 때문에 순수한 신용보다는 담보를 전제로 한 대출이 대부분이며, 신용리스크의 평균손실률은 적지만 리스크 손실분포는 높아 개별거래처에 대한 주관적인 판단이 상대적으로 중요하다는 특징이 있다.

이러한 원칙을 적용하여 현행 신용리스크시스템은 크게 재무정보를 기초로 한 모형(예를 들면 이자보상비용, Altman의 ZETA모형, Logit모형 등)이나 금융공학적 이론모형(예를 들면 주식정보를 이용한 KMV모형, 전이행렬에 기초한 J.P.Morgan모형 등)을 기초로 한 기업 신용리스크시스템(Credit Risk Management System)과 통계적 방법(선형회귀분석, 로지스틱 회귀분석(logistic regression)이나 신경망기법(neural network) 등)을 사용하여 개개인의 채무불이행 확률을 예측하는 개인 신용평점시스템(Credit Scoring System)으로 구분된다.

그러나 이러한 현행 신용리스크시스템은 다음과 같은 몇 가지 문제점을 지니고 있다.

첫째, 평가의 적시성이 낮고, 중소기업의 경우 제한적 적용만 가능하다.

기업 신용리스크시스템에는 반기단위의 재무정보와 비 재무정보 및 주가와 같은 시장정보가 입력변수로 활용되는데, 이러한 입력변수들은 생성주기가 상이하므로 가령 현재 시점에서 신용리스크 측정을 한다고 하더라도 일부 변수는 최근 정보이지만 대부분의 나머지 변수는 과거정보를 사용하므로 현재시점의 공정한 평가가 어렵다. 뿐만 아니라 중소기업의 경우 필수 고려항목인 공인된 재무정보가 존재하지 않거나 존재하더라도 신뢰성이 낮으므로 평가의 신뢰성이 매우 낮다는 특징이 있다.

둘째, 고객의 금융정보 중 자산항목은 제외한 부채정보만 활용하여 평가하고 있다.

개인 신용평점시스템은 개인의 금융거래정보 중 수신 즉, 자산항목은 배제하고 여신 즉, 부채와 관련된 정보만 활용한다. 그러나 신용리스크가 고객의 채무불이행에 따른 손실발생 확률임을 고려할 때, 이러한 채무불이행 확률을 선행적으로 파악하기 위해서는 채무상환능력의 기준이 되는 고객의 자산정보도 평가모형의 입력변수로 고려해야 하는데, 현행 시스템은 단지 부채정보와 연체정보만 고려한다는 한계를 가지고 있다.

셋째, 신규 거래고객의 경우 정보부족에 따른 제한적 평가만 가능하다.

개인 신용평점시스템은 여신 신청 당시에 적용하는 사전적 모형(ASS ; Application Scoring Model)과 취급 이후에 거래고객의 과거 실적정보를 활용하는 사후적 모형(BSS ; Behavioral Scoring Model)으로 구분되며, ASS의 경우 고객 데이터베이스 수준으로만 이용하는 경우가 대부분이고, 실제 금융기관은 BSS에 더 큰 비중을 두고 있다. 그러나 신규 거래고객의 경우 금융기관 내부적으로 축적된 정보가 거의 없으므로 BSS를 적용하기 위해서는 거래발생 이후 일정기간이 경과된 시점부터 가능하다는 한계를 지닌다.

본 발명의 일 실시예에 따르면, 고객 명의의 국내외 모든 금융자산과 부채정보를 이용하여 통합계좌정보라는 실시간 기반의 새로운 정보를 생성함으로써, 고객의 신용리스크에 대해 기존 방법처럼 후행적 관리가 아닌 실시간 기반의 선행적 관리를 할 수 있는 실시간 신용리스크 분석 방법, 시스템, 및 이를 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.

본 발명의 일 실시예에 따르면, 통합계좌정보는 국내외 금융기관에 산재되어 있는 고객의 모든 여수신 정보를 이용하여 생성하는 것을 특징으로 하므로, 특정 금융기관이 자체적으로 축적한 고객정보가 없는 신규 고객에 대해서도 타 금융기관의 여수신 정보를 이용할 수 있어서 최초 거래시점부터 신용리스크에 대한 관리가 가능하고, 나아가 개별 금융기관간 신용리스크 전이(Transfer)현상 및 금융상품 유형간 전이현상을 실시간으로 파악할 수 있으므로, 고객의 신용리스크 변화내역을 사전에 인지하여 그에 따른 자문 또는 관리를 수행함으로써 궁극적으로는 금융기관 스스로 부담해야 할 리스크를 감소시킬 수 있는 실시간 신용리스크 분석 방법, 시스템, 및 이를 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.

본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따르면,

컴퓨터에,

등록 계좌들을 유형별로 분류하는 단계;

유형별로 분류된 등록 계좌들에 대한 통합계좌정보를 생성하는 단계;

상기 통합계좌정보에 기초하여, 통합계좌에 대하여 복수개의 신용 리스크 지수들을 계산하는 단계; 및

상기 신용 리스크 지수들로부터 종합신용점수를 계산하는 단계;를 포함하는 통합계좌정보 기반의 실시간 신용 리스크 분석 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.

본 발명의 다른 실시예에 따르면,

통합계좌정보 기반의 실시간 신용 리스크 분석 시스템에 있어서,

등록계좌들에 대한 정보를 저장하는 금융기관의 서버; 및

등록 계좌들을 유형별로 분류하고, 유형별로 분류된 등록 계좌들에 대한 통합계좌정보를 생성하고, 상기 통합계좌정보에 기초하여, 통합계좌에 대하여 복수개의 신용 리스크 지수들을 계산하고, 상기 신용 리스크 지수들로부터 종합신용점수를 계산하는 신용리스크 분석 서버;를 포함하는 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템이 제공될 수 있다.

본 발명의 일 실시예에 따르면, 상기 신용 리스크 지수들은 안전계수, 부도확률, 예금회전율 중 적어도 하나를 포함할 수 있다.

본 발명의 일 실시예에 따르면, 상기 등록 계좌들의 유형은, 요구불예금, 저축성 예금, 대출, 펀드, 보험, 주식, 주식, 및 채권으로 이루어진 것일 수 있다.

본 발명의 일 실시예에 따르면,

상기 신용 리스크 지수들을 계산하는 단계는,

등록 계좌의 유형별로 예금회전율을 계산하는 동작을 포함하며,

상기 회전율은 단위시간 동안 계좌의 출금총액을 동일기간 동안의 평잔으로 나눈 값으로 정의된 것일 수 있다.

본 발명의 일 실시예에 따르면,

상기 안전계수는,

에 의해 계산되며, 여기서 m은 안전계수, x 는 통합 계좌의 출금액, y 는 통합 계좌의 단위시간의 누적 금액인 적수이고,

x는

를 만족하는 정규분포확률변수이고,

는 x에 대한 평균이고,

는 x 에 대한 표준편차이며,

y는

를 만족하는 정규분포확률변수이고,

는 y에 대한 평균이고,

는 y에 대한 표준편차일 수 있다.

본 발명의 일 실시예에 따르면,

상기 부도확률은

에 의해 계산되며,

,

,

,

인 것일 수 있다.

본 발명의 하나 이상의 실시예에 따르면, 고객 명의의 국내외 모든 금융자산과 부채정보를 이용하여 통합계좌정보라는 실시간 기반의 새로운 정보를 생성함으로써, 고객의 신용리스크에 대해 기존 방법처럼 후행적 관리가 아닌 실시간 기반의 선행적 관리를 할 수 있는 효과가 있다.

본 발명의 하나 이상의 실시예에 따르면, 통합계좌정보는 국내외 금융기관에 산재되어 있는 고객의 모든 여수신 정보를 이용하여 생성하는 것을 특징으로 하므로, 특정 금융기관이 자체적으로 축적한 고객정보가 없는 신규 고객에 대해서도 타 금융기관의 여수신 정보를 이용할 수 있어서 최초 거래시점부터 신용리스크에 대한 관리가 가능하고, 나아가 개별 금융기관간 신용리스크 전이(Transfer)현상 및 금융상품 유형간 전이현상을 실시간으로 파악할 수 있으므로, 고객의 신용리스크 변화내역을 사전에 인지하여 그에 따른 자문 또는 관리를 수행함으로써 궁극적으로는 금융기관 스스로 부담해야 할 리스크를 감소시키는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 통합계좌 정보 기반의 실시간 신용리스크 분석 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 실시간 신용리스크 분석 서버의 구성을 도시한 도면이다.
도 3은 금융기관의 계좌번호체계에 대한 코드정의의 일례를 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 통합계좌정보 기반의 신용리스크 관리 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 부도확률 및 안전계수를 생성하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 예금회전율을 생성하는 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 종합신용점수(Score)를 생성하는 방법을 설명하기 위한 도면이다.
도 9는 금융상품의 유형별 분류(표 1)과, 금융상품 중도해지/환매 순서(표2)를 나타낸 도면이다.
도 10은 상품 유형별 통합계좌번호 생성의 예시(표3)를 나타낸 도면이다.
도 11은 부하-강도 모델을 이용한 부도와 출금액 및 적수의 관계(표4)를 나타낸 도면이다.
도 12는 본 발명의 실시예들의 설명을 위한 수학식을 나타낸 도면이다.
도 13은 여수신 계좌의 중도해지 및 환매순서와 회전율과의 관계를 나타낸 도면이다.
도 14는 예금회전율과 베타를 이용한 신용리스크 스케일링(scaling) 기준 예시(표 6)를 나타낸 도면이다.
도 15는 출금액 및 적수의 확률분포 특성을 이용한 부도사건의 정의를 나타낸 도면이다.
도 16은 부도확률 및 안전계수에 대한 신용리스크 스케일링(scaling) 기준 예시(표 8)를 나타낸 도면이다.

이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

이하, 도면을 참조하여 본 발명을 상세히 설명하도록 한다. 아래의 특정 실시예들을 기술하는데 있어서, 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다. 어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.

본 발명의 실시 예를 위하여 몇 가지 용어를 다음처럼 정의하기로 한다. 우선 금융거래 고객의 범위를 본 실시예에서는 대기업을 제외한 개인 또는 중소기업으로 한정하고, 금융상품유형은 은행의 여신 및 수신계좌 전체를 대상으로 한다.

신용리스크란 채무자의 채무불이행으로 인하여 채권자가 손실을 입게 될 확률(probability)로서, 특히 금융기관에서 신용리스크의 측정 및 관리가 필요한 이유는 첫째, 금융감독 기준에 따라 여신거래 등 제반 금융거래에서 부도(Default)와 같은 신용사건이 발생하더라도 정상적인 영업행위가 이루어질 수 있는 최소자기자본을 계산할 때 필요하고, 둘째는 대출신청 등과 같은 금융여신거래 시 승인여부에 대한 결정 및 리스크를 고려한 적정 대출금리를 계산할 때 필요하기 때문이다.

이러한 신용리스크는 고객유형과 거래상품 또는 거래조건에 따라 그 위험 정도가 다르므로, 각각의 경우에 따라 측정모형과 관리기준을 구분하여 적용해야 한다.

지금까지 금융기관의 여신 관련 신용리스크에 대한 많은 계량적 연구가 있었지만, 대부분 규모가 큰 기업여신을 중심으로 이루어졌을 뿐, 규모가 작은 개인 또는 중소기업 여신에 대한 연구는 매우 빈약하고, 설령 있다 하더라도 규모가 큰 기업에 적합한 평가모형을 일부 변형하여 사용하는 수준이다. 그 이유는 금융기관의 전체 리스크 측면에서 볼 때, 개인 또는 중소기업 여신에 비해 기업여신이 차지하는 부분이 절대적으로 크고, 또한 기업여신은 개인 또는 중소기업 여신에 비해 그 수가 한정적이기 때문에 정형화된 모형에 의해 측정이 가능한 반면, 개인 또는 중소기업 여신은 그 수가 너무 방대하고 여신규모가 작아서 신용리스크 측정이 어렵기 때문이다.

그러나 최근 들어 기업금융 위주의 금융기관들이 수익성 확대를 위해 개인 또는 중소기업의 소매금융을 확장하고 있고, 동시에 소매금융을 지원하는 정부의 정책 등 공급측면뿐만 아니라 저금리기조의 정착으로 가계의 신용거래 증가 그리고 라이프스타일 및 가치관의 급격한 변화와 같은 수요측면의 영향에 따라 소매금융이 크게 활성화되고 있는 상황이다. 이러한 소매금융의 급작스런 확대가 가져 올 수 있는 과도한 부채위험 및 신용불량자 양산 그리고 소매금융의 부실화에 따른 금융기관의 부실화는 국내 소매금융의 발전과 금융기관들의 경쟁력 확보에도 장애요소로 작용하게 되므로, 금융기관은 소매여신에 적합한 신용평가시스템을 구축하고 이를 효과적으로 운영해야 할 필요성이 높아지고 있는 상황이다.

이에 금융기관에서는 개인고객의 경우 여신거래에 따른 신용리스크 관리를 위해 신용평점시스템(CSS; Credit Scoring System)을 활용 중이고, 중소기업의 경우 기업 신용평가모형을 활용하고 있다. 그 중 신용평점시스템은 여신 신청 당시에 적용하는 사전적 모형(ASS ; Application Scoring Model)과 취급 이후에 거래고객의 과거 실적정보를 활용하는 사후적 모형(BSS ; Behavioral Scoring Model)으로 구분되는데, 현실적으로 ASS의 경우 고객 데이터베이스 수준으로만 이용하는 경우가 대부분이고, 실제 금융기관은 BSS에 더 큰 비중을 두고 있다. 그러나 신규 거래고객의 경우 금융기관 내부적으로 거래상대방에 대해 축적된 정보가 거의 없으므로 BSS를 적용하는 것이 현실적으로는 불가능하다.

이러한 문제뿐만 아니라 금융기관별로 수천만 건에 이르는 개인 및 중소기업의 여신거래에 대한 신용리스크 평가과정에서 지금까지 제시된 문제점을 종합하면 다음과 같다.

1) 일반 기업여신 보다 실제 부도율과 예상손실이 높게 나타난다.

2) 다수의 계좌로 구성됨에 따라 부도 상관관계가 기업 익스포져 보다 낮다.

3) 비 예상손실은 기업 익스포져 보다 낮게 나타난다.

4) 일부 여신의 부도가 전체 소매에 미치는 영향이 작고, 부도상관관계도 낮기 때문에 신용리스크가 급격하게 증가하지 않는다.

5) 손실발생의 빈도는 소매부문이 더 높지만 개별건의 손실 정도(Loss Severity)는 기업부문에 비하여 낮다.

6) 중소기업의 경우 일반기업처럼 검증된 재무제표가 작성되지 않고, 설령 작성된다 하더라도 그 주기가 1년에 1회 정도로 시의성이 매우 낮다.

7) 중소기업은 재무정보 이외의 정보 가령 뉴스나 생산/운영정보 등 제반 평가에 활용할 수 있는 정보가 부족하고, 현장실사가 거의 불가능하여 평가자의 정성적 판단이 제한된다.

이러한 여러 문제점에 기인하여 본 발명의 실시예 에서는 개인 또는 중소기업의 신용리스크 평가 시 기존 평가모형 및 입력변수를 활용하는 대신 국내외 전체 금융기관에 산재되어 있는 고객의 모든 여수신 계좌 및 일반 금융상품 계좌에 대해 본 발명에서 정의한 상품유형별로 자동 분류한 뒤 스크린 스크래핑을 실시하여 수집한 거래정보를 이용하여 통합계좌정보를 생성한 뒤 실시간 신용리스크를 측정하고자 한다.

이처럼 기존의 평가모형과 입력변수를 사용하지 않는 이유는 개인 또는 중소기업의 경우 일반기업처럼 자산과 부채의 포트폴리오가 다양하지 않고 대부분 금융기관과의 여수신 거래에 집중되어 있기 때문이고, 또한 자금경색이 발생할 경우 계좌 입출금내역 및 잔고내역을 통해 가장 빨리 확인이 가능하기 때문이다.

본 발명의 일 실시예에 따르면, 기존 모형에서 활용하던 재무정보 등과 같은 입력변수 대신 고객이 자신 명의의 국내외 전체 금융상품 계좌번호를 등록하면, 이 등록계좌를 본 발명에서 정의한 상품유형으로 자동 분류하고, 각 계좌에 대한 스크린 스크래핑을 실시하여 계좌별 실시간 거래정보를 수집하고, 이 거래정보를 기초로 상품유형별 통합계좌정보와 전체 계좌에 대한 통합계좌정보를 자동으로 생성한 뒤 이를 이용하여 실시간 부도확률, 실시간 안전계수 및 실시간 예금회전율과 같은 실시간 신용리스크 평가지표를 산출함으로써, 실시간으로 고객의 신용리스크 및 신용리스크의 전이현상에 대한 측정이 가능하도록 한 것을 특징으로 한다.

이를 위해 본 발명의 일 실시예에 따르면 개별 금융계좌가 아닌 상품유형별 또는 전체의 통합계좌정보를 생성한 뒤 통합계좌의 적수 및 평잔 개념을 활용함으로써 기존에 문제점으로 지적되었던 입력변수의 생성주기 차이에 따른 평가의 적시성 문제를 해결하였고, 고객의 금융자산 및 부채정보를 모두 반영한 통합계좌정보를 이용함으로써 기존에 부채정보만 활용함에 따른 문제점을 해결하였고, 그리고 특정 금융기관이 아닌 전체 금융기관의 통합계좌정보를 이용함으로써 정보부족에 따른 신규고객에 대한 평가의 한계성을 극복할 수 있다.

도 1은 본 발명의 일 실시예에 따른 통합계좌 정보 기반의 실시간 신용리스크 분석 시스템을 설명하기 위한 도면이고, 도 2는 본 발명의 일 실시예에 따른 실시간 신용리스크 분석 서버의 구성을 도시한 도면이다.

본 발명의 일 실시예에 따른 통합계좌 정보 기반의 실시간 신용리스크 분석 시스템은, 통신망(10), 신용리스크 분석 서버(100), 회원 단말(200), 및 등록계좌들에 대한 정보를 저장 및 관리(삭제, 변경, 추가)하는 금융기관의 서버(300)를 포함할 수 있다.

본원 명세서에서, '금융기관'이라고 함은 요구불예금, 저축성 예금, 대출, 펀드, 주식, 및 채권에 대한 계좌 정보를 가지고 있는 기관을 의미하는 것으로 사용하기로 한다.

통신망(10)은, 유선 및/또는 무선 통신을 지원하는 각종 망을 의미한다.

본 실시예에 따르면, 신용리스크 분석 서버(100)는, 금융기관의 서버(300)로부터 계좌정보들을 획득하여 실시간 신용리스크 분석 동작을 수행할 수 있다.

본 발명의 일 실시예에 따르면, 신용리스크 분석 동작은 예를 들면, 등록 계좌들을 유형별로 분류하고, 유형별로 분류된 등록 계좌들에 대한 통합계좌정보를 생성하고, 상기 통합계좌정보에 기초하여, 통합계좌에 대하여 복수개의 신용 리스크 지수들을 계산하고, 상기 신용 리스크 지수들로부터 종합신용점수를 계산하는 동작을 포함한다.

본 발명의 일 실시예에 따르면, 신용리스크 분석 서버(100)는, 메모리(미 도시), 컴퓨터 프로세서(미 도시), 및 각종 데이터를 저장하고 있는 저장부와 같은 하드웨어와, 제어부, 통신부, 및 웹 페이지 관리부와 같이 기본적인 프로그램과 신용리스크 분석 동작을 실시간으로 수행할 수 있는 프로그램과 같은 소프트웨어들을 포함한다.

저장부는 회원 DB, 계좌번호 마스터 DB, 금융상품 DB, 안전계수 스케일링(Scaling) DB, 회전율 스케일링(Scaling) DB, 및 부도확률 스케일링(Scaling) DB를 저장할 수 있다.

회원 DB는 회원의 신상정보를 포함한다.

계좌번호 마스터 DB는 계좌번호의 패턴들을 포함한다. 예를 들면, 은행, 보험사, 증권사 별로 계좌번호의 패턴이 다를 수 있으므로, 그러한 패턴들을 계좌번호 마스트 DB가 포함한다. 즉, 계좌번호 마스트 DB는, 금융기관의 계좌 번호들이 어떠한 항목으로 구성되어 있는지를 알려주는 데이터를 포함한다.

금융상품 DB는, 금융 상품을 유형별로 분류한 데이터를 포함한다. 예를 들면, 금융상품 DB는 은행의 요구불예금이나 저축성 예금, 그리고 증권 계좌나 보험 계좌와 같이 금융기관이 발행한 모든 금융상품을 유형별로 분류한 데이터를 포함한다.

회전율 스케일링(Scaling) DB 는 예금회전율 스케일링(Scaling) 기준을 포함한다.

부도확률 스케일링(Scaling) DB는 부도확률 스케일링(Scaling) 기준을 포함한다.

실시간 신용리스크 분석 동작을 수행하는 프로그램은 컴퓨터 프로세서의 제어하에 메모리에 로딩되어 동작하며, 저장부에 저장된 DB들을 사용할 수 있다.

본 발명의 일 실시예에 따른 실시간 신용리스크 분석 동작을 수행하는 프로그램은 회원가입/인증 모듈, 유형별 금융계좌 분류모듈, 스크린 스크래핑 모듈, 통합계좌정보생성 모듈, 안전계수 계산 모듈, 회전율 계산 모듈, 부도확률 계산 모듈, 통계량 계산 모듈, 종합 신용 score 계산 모듈과 같은 실시간 신용리스크 분석 동작을 수행하기 위한 프로그램들을 포함할 수 있다.

회원가입/인증 모듈은 회원 가입 및 인증을 위한 사용자 입출력인터페이스를 제공하기 위한 모듈이다.

유형별 금융계좌 분류모듈은 회원이 보유한 금융계좌들을 유형별로 분류하는 모듈이다. 유형별 금융계좌 분류모듈은 예를 들면 사용자가 등록한 계좌정보에 포함된 '과목' 정보를 이용하여 계좌의 유형을 분류할 수 있다.

스크린 스크래핑 모듈은 사용자가 등록한 금융계좌들에 대하여 금융기관의 서버로부터 해당 계좌의 거래정보(해당 계좌의 거래 내역 정보를 포함하며, 에를 들면 거래일자, 거래 일시, 거래금액, 거래목적)를 획득하는 모듈이다.

통합계좌정보생성 모듈은 유형별로 통합계좌정보를 생성할 수 있다. 추가적으로, 통합계좌정보생성 모듈은 유형별 통합계좌정보를 다시 통합하여 전체 통합계좌정보를 생성할 수 있다.

안전계수 계산 모듈은 안전계수를 계산할 수 있고, 회전율 계산 모듈은 회전율을 계산할 수 있고, 그리고 부도확률 계산 모듈은 부도확률을 계산할 수 있다.

통계량 계산 모듈은 개별 계좌별 또는 통합계좌별로 거래금액이나 잔액정보를 이용한 통계치(예를 들면, 평균이나 표준편차)를 계산할 수 있다.

종합 신용 score 계산 모듈은 안전계수, 회전율, 및 부도확률을 기반으로 종합 신용 스코어를 계산할 수 있다. 예를 들면, 종합 신용 스코어는 신용 리스크 지수들에 대한 개별 평점을 부여하고 합산하는 방법으로 계산될 수 있다.

보다 구체적인 예를 들면, 종합 신용 스코어는 안전계수, 부도확률, 예금회전율 각각에 대한 개별 평점을 부여하고 합산하는 방법으로 계산될 수 있다.

본 발명의 일 실시예에 따르면, 신용 리스크 지수들은 안전계수, 부도확률, 예금회전율 중 적어도 어느 하나를 포함한다.

본 발명의 일 실시예에 따르면, 등록 계좌들의 유형은 요구불예금, 저축성 예금, 대출, 펀드, 보험, 주식, 또는 채권과 같은 것일 수 있다.

본 발명의 일 실시예에 따르면, 신용리스크 분석 서버(100)는, 통합계좌 기반의 신용리스크 측정을 위하여 금융기관 서버로부터 개인 및 중소기업의 전체 계좌 정보를 획득하고, 그러한 계좌 정보에 포함된 계좌번호 또는 사용자가 입력한 사용자 입력정보를 이용하여 계좌들을 상품 유형별로 자동분류 할 수 있다.

계좌 정보는 도 3에 예시적으로 도시되어 있다. 도 3을 참조하면, 계좌번호에 점번호-과목-일련번호-검증번호가 포함되어 있고, 여기서 '과목'에 기재된 정보가 상품(계좌)의 유형을 분류하는데 사용될 수 있다.

도 3을 계속 참조하면, 예를 들면 11자리 계좌번호 체계에서, 과목에 기재된 번호가 13 또는 33 이면 보통예금을 의미하고, 18 또는 38이면 저축예금을 의미하고, 26 이면 가계당좌를 의미하고, 22 이면 기업자유예금을 의미한다.

'점번호'는 해당 금융계좌를 발급한 해당 금융기관의 지점코드를 의미한다.

신용리스크 분석 서버(100)는 금융기관 서버로부터 획득한 계좌 정보들을, 계좌 번호와 사용자 입력 정보를 이용하여, 상품유형별로 자동으로 분류할 수 있다.

도 9를 참조하면 본 발명의 실시예에 따른 상품의 유형이 예시적으로 나타나 있고, 신용리스크 분석 서버(100)는 계좌들을 유형별로 분류하여 통합하고 유형별로 통합계좌정보를 생성한다. 예를 들면, 신용리스크 분석 서버(100)는 요구불예금에 대한 통합계좌정보, 저축성 대금에 대한 통합계좌정보, 대출에 대한 통합계좌정보, 펀드에 대한 통합계좌정보, 보험에 대한 통합계좌정보, 주식에 대한 통합계좌정보, 채권에 대한 통합계좌정보를 생성할 수 있다.

예를 들면, 요구 불예금에 대한 통합계좌정보는, 가상계좌번호인 통합계좌번호, 요구 불예금으로 분류된 예금들에 대한 합산금액, 인출날짜 및 인출금액, 입금날짜 및 입금금액을 포함할 수 있다. 어떤 사용자가 2015년 9월 21일 기준으로 A은행에 보통 예금 계좌에 500만원, B은행에 보통 예금 계좌에 300만원 예금되어 있고, A 은행의 보통 예금 계좌로 2015. 3. 1. 100만원 입금되었고, B 은행의 보통 예금 계좌에서 2015. 4. 1. 20만원 인출되었다고 가정한다. 이러한 경우 요구 불예금에 대한 통합계좌정보는 다음과 같은 정보를 포함하고 있을 수 있다.

요구불예금에 대한 통합계좌번호	예금액	인출시기	인출금액	입금시기	입금액
****-**-**-**	800만원	2015.4.1	20만원	2015. 3. 1	100만원

이러한 유형별 통합계좌정보는 예시적인 것으로서 다른 유형으로도 구성이 가능하다. 예를 들면 도 10의 표와 같이 원 계좌번호에 대한 정보들 같이 포함되도록 유형별 통합계좌정보를 구성할 수 있다. 도 10에 대한 상세한 설명은 후술하기로 한다.

한편, 동일 또는 비슷한 방식으로, 다른 유형에 대한 통합계좌정보 역시 통합계좌번호, 예금액, 인출시기, 인출금액, 입금시기, 입금액과 같은 정보를 포함할 수 있다.

신용리스크 분석 서버(200)는 유형별 통합계좌정보를 통해서 각 유형별로 현금의 흐름을 파악할 수 있고, 어떠한 유형이 먼저 현금의 흐름이 나빠지는지 또는 좋아지는지를 판단할 수 있게 된다.

나아가, 신용리스크 분석 서버(200)는 각 유형별 통합계좌정보를 통합하여, 전체 통합계좌정보를 생성할 수 있다. 유형별 통합계좌정보를 통합하고, 새로운 통합계좌번호를 부여하고, 현금의 전체 흐름을 판단할 수 있는 전체 통합계좌정보를 생성할 수 있다.

이처럼, 신용리스크 분석 서버(100)는 유형별로 계좌들을 통합하여 관리하고, 유형별로 인출 및 예금을 실시간으로 관리할 수 있다.

계좌들의 유형은 요구불예금, 저축성 예금, 대출, 펀드, 보험, 주식, 또는 채권과 같은 것일 수 있다.

후술하겠지만, 본 발명의 일 실시예에 따르면 신용리스크 분석 서버(100)는, 전체 금융계좌를 상품유형별로 분류한 뒤 상품유형별로 신용리스크를 계산한다. 이처럼 상품유형별로 신용리스크를 계산하는 이유는, 도 9의 [표 2]에서 알 수 있듯이 상품유형별 중도해지 및 환매속성을 활용할 경우 상품유형간 신용리스크의 전이(transition)현상을 판단할 수 있기 때문이다.

도 9의 [표 2]는 2013년 7월 모 은행에서 조사하여 발표한 통계자료 중 개인의 금융기관 수신계좌에 대한 중도해지 또는 환매속성에 대한 자료이다. 이 자료에 따르면 고객은 자금 필요 시 저축성예금계좌 보다는 요구불예금 계좌의 자금을 가장 먼저 인출하는 통계적 특징이 있음을 알 수 있다. 그 이유는 자금경색이 되더라도 미래를 위해 가입한 적금통장은 그대로 유지한 채 보통예금통장의 현금을 먼저 인출한다는 의미이다. 예를 들면 요구불예금에는 당좌예금, 보통예금, 별단예금, 가계종합예금이 포함되고, 저축성예금에는 정기예금, 정기적금, 저축예금, 자유저축예금이 포함될 수 있다.

신용리스크 분석 서버(100)는, 상품유형별 분류를 수행한 뒤, 각 상품유형별 계좌 및 통합계좌를 위한 가상의 계좌코드를 자동으로 생성하고, 그러한 가상의 계좌코드를 기준으로 통합계좌정보를 생성할 수 있다.

도 5는 본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법을 설명하기 위한 도면이다.

도 5를 참조하면, 본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법은 계좌정보로부터 금융기관코드/계좌번호를 추출하는 단계; 금융기관코드와 계좌번호를 이용하여 계좌번호의 패턴을 추출하는 단계; 계좌번호 마스트 DB에 해당 패턴이 존재하는지 여부를 확인하는 단계; 계좌번호 마스트 DB에 해당 패턴이 존재하면, 계정과목 코드가 존재하는지 확인하는 단계; 계정과목 코드가 존재하면 계정과목 코드 정보를 추출하는 단계, 계좌번호 마스트 DB에 해당 패턴이 존재하는지 않거나 또는 계정과목 코드가 존재하지 않으면 계정 과목을 '기타'로 처리하는 단계; 추출한 계정과목 코드 정보와 은행코드를 이용하여 유형별 통합계좌번호를 생성하는 단계; 및 유형별 통합계좌번호가 포함된 유형별 통합계좌정보를 생성하여 저장하는 단계를 포함할 수 있다.

금융기관 마다 계좌번호의 패턴이 다를 수 있고, 패턴이 다르면 계정과목 코드의 위치가 다르기 때문에, 본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법에서는 계정과목 코드를 추출하기 전에 먼저 계좌번호의 패턴을 파악하는 단계를 수행한다.

본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법은, 유형별 통합계좌번호를 생성하기 전에, 해당 유형에 대한 통합계좌번호가 생성되어 있는지를 확인하고, 이미 해당 유형에 대한 통합계좌번호가 생성되어 있는 경우에는, 통합계좌번호를 생성하지 않을 수 도 있다.

예를 들면, A 은행에 자유 예금 계좌가 1개 있고, B 은행에 자유 예금 계좌가 1개 있다고 가정하고, 이들에 대하여 본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법을 적용하여 설명하기로 한다.

본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법은, A 은행의 자유 예금 계좌 정보로부터 금융기관코드/계좌번호를 추출한다. 추출한 계좌번호와 금융기관코드를 이용하여 계좌번호의 패턴(예를 들면, 계좌 자리수)을 추출하고, 계좌번호 마스트 DB를 참조하여 해당 패턴이 존재하는지 여부를 판단한다. 만약, 계좌번호 마스트 DB에 A 은행의 자유 예금 계좌에 대한 패턴이 존재하면, A 은행의 자유 예금 계좌 정보에서 계정과목 코드가 존재하는 위치를 알 수 있다. 계정과목 코드가 존재하는 위치를 참조하여 계정과목 코드를 추출하면, 추출한 계정과목 코드가 '자유예금'을 의미할 것이므로, 요구불예금에 대한 통합계좌번호를 생성한다.

본 발명의 일 실시예에 따른 유형별 통합계좌정보를 생성하는 방법은, 계속하여, B 은행의 자유 예금 계좌 정보로부터 금융기관코드/계좌번호를 추출한다. 추출한 계좌번호와 금융기관코드를 이용하여 계좌번호의 패턴(예를 들면, 계좌 자리수)을 추출하고, 계좌번호 마스트 DB를 참조하여 해당 패턴이 존재하는지 여부를 판단한다. 만약, 계좌번호 마스트 DB에 B 은행의 자유 예금 계좌에 대한 패턴이 존재하면, B 은행의 자유 예금 계좌 정보에서 계정과목 코드가 존재하는 위치를 알 수 있다. 계정과목 코드가 존재하는 위치를 참조하여 계정과목 코드를 추출하면, 추출한 계정과목 코드가 '자유예금'을 의미하는 것을 알 수 있다. 그런데, A 은행의 예금 계좌로부터 요구불예금에 대한 통합계좌번호가 포함된 통합계좌정보가 이미 생성이 되어 있으므로, B 은행의 자유 예금 계좌에 대하여는 새롭게 통합계좌정보를 만들지 않고, 이미 요구불예금에 대하여 생성된 통합계좌정보에 B은행의 자유 예금 계좌의 예금액, 인출금액, 인출일시, 입금액, 입금일시 등을 통합한다.

이상 도 5를 참조하여 설명한 유형별 통합계좌정보를 생성하는 방법에 의해 생성된 통합계좌정보를 도 10에 예시적으로 나타내었다.

도 10을 참조하면, 고객 1과 고객 2에 대하여 각각 요구불예금에 대한 통합계좌정보가 예시적으로 도시되어 있다.

도 10을 참조하면, 2명의 고객이 각기 3개의 은행에 요구불예금 계좌를 각각 3개, 4개씩 보유하고 있다고 하면, 표의 우측과 같은 상품유형별 통합계좌번호가 생성된다.

도 10에서, 금융기관코드 002(산업은행), 003(기업은행), 004(국민은행)는 실제 코드정보이고, 계좌번호에서 밑줄 친 부분은 각 은행별 보통예금에 해당하는 계정코드를 의미하는 실제 코드정보이다. 그리고 기관구분에서 1001은 본 발명에서 은행을 표시하기 위한 가상의 코드이고, 상품유형에서 101은 요구불예금을 표시하기 위한 가상코드이다.

통합계좌정보의 거래내역(입금시기, 입금액, 출금시기, 출금액)과 총 예금액을 도 10에는 표시하지 않았지만, 도 10의 통합계좌정보에 개별 계좌의 거래내역과 총 예금액이 당연히 추가될 수 있다.

이제, 신용리스크 분석 서버(100)가, 통합계좌정보 기반으로 신용리스크 지표를 산출하는 방법을 설명하기로 한다.

다양한 신용리스크 지표가 존재하지만, 본 발명의 실시예들에서는, 신용리스크 지표로서 통합계좌정보 기반의 실시간 부도확률과 실시간 예금회전율 그리고 실시간 안전계수가 이용될 수 있다.

이를 위해 본 발명에서는 일반적인 부도(Default)에 대한 정의에서 핵심 개념인 연체 및 회수의문이라는 현상을 통합계좌정보에 적용하기 위하여 다음처럼 개념을 새롭게 정의하기로 한다.

1) 연체: (T)시점 통합계좌의 적수 < 0

= (T-1)시점 통합계좌의 적수 + (T)시점 통합계좌의 입금액

< (T)시점 통합계좌의 출금액

2) 회수의문: Pr((T)시점 통합계좌의 적수 < 0)

여기서 적수는 일정 기간 동안의 잔액에 대한 누적액이라는 점에서 유량(Flow)의 성격이라면, 특정 시점의 잔액은 저량(Stock)의 성격을 가지므로 상호 구분된다.

그리고 통합계좌는 유형별 통합계좌와 전체 통합계좌(유형별 통합계좌를 통합한 계좌) 2가지를 모두 사용해도 되지만, 거래상대방의 부도 등 신용리스크를 설명하는 데는 전체 통합계좌를 이용하는 것이 효과적이다. 왜냐하면 상기 부도에 대한 정의에 따를 경우 요구불예금 계좌의 적수가 부족하여 부도가 예상되는 경우 저축성예금 계좌 또는 다른 금융상품 계좌에 대한 중도해지 및 환매를 통하여 필요금액을 조달하여 부도를 방지할 수 있기 때문이다. 그렇지만 예금회전율을 이용한 신용리스크 측정시에는 전체 통합계좌보다 상품유형별 통합계좌정보를 이용하는 것이 선행지표로서의 의미를 더 가진다.

이러한 개념적 정의를 기초로, 신용리스크 분석 서버(100)가 통합계좌정보 로부터 부도확률 및 안전계수를 계산하는 방법을 설명하기로 한다.

본 실시예에서, 신용리스크 분석 서버(100)는 공학(Engineering) 분야에서 기계나 장치의 신뢰성(Reliability)을 측정하는데 널리 사용되는 부하-강도(Stress-Strength) 모델을 이용한다. 여기서, 부하(Stress)-강도(Strength) 모델에서 부하(Stress)는 재료, 부품 및 장치의 고장을 유발시키는 요인으로서 온도, 전류 등 외부요인에 해당되며, 강도(Strength)는 외부에서 부하가 발생했을 때 고장 없이 만족스럽게 기능을 수행하는 재료, 부품 및 장치의 능력을 의미한다.

그러므로 부도라는 관점에서 고려할 때 (T)시점에서 통합계좌의 출금액을 그 시점의 부하(Stress)로 하고, (T)시점에서 통합계좌의 적수를 강도(Strength)로 정의할 수 있다.

그리고 출금액과 적수는 시간에 따라 값이 바뀌므로 확률변수(random variable)의 성격을 가지며 그 결과 확률분포를 이용한 통계적 해석이 가능하게 된다. 이때 활용가능 한 확률분포 유형에는 정규분포, 대수정규분포, 지수분포, 웨이블분포, 베타분포 등이 있지만, 본 발명의 실시 예에서는 설명의 편의를 위해 출금액과 적수에 대한 분포특성은 정규분포(Normal Distribution)를 따르는 것으로 한다.

상기했듯이 연체 또는 회수의문과 부도의 정의를 통합계좌의 출금액과 적수정보를 이용하여 도 11의 [표 4]와 같이 3가지 유형으로 다시 정의하기로 한다.

1) 통합계좌의 출금액은 일정하지만, 수신금액 감소에 따라 (T)시점의 출금액이 (T)시점 적수보다 크게 되는 경우

2) 수신금액과 출금액이 동일한 규모로 크게 증가하여 (T)시점의 적수는 변화없지만 (T)시점의 출금액이 (T)시점 적수보다 크게 되는 경우

3) 수신금액 증가폭보다 출금액 증가폭이 더 커짐에 따라 (T)시점의 출금액이 (T)시점 적수보다 크게 되는 경우

본 발명의 일 실시예에 따른 신용리스크 분석 서버(100)는 예금회전율(Turn-over Ratio of Deposits)을 이용하여 신용리스크를 측정할 수 있다.

이하에서는, 예금 회전율에 의한 신용리스크 방법에 대하여 상세히 설명하기로 한다.

금융계좌의 예금회전율은 단위기간 동안 계좌의 출금총액을 동일기간 동안의 평잔으로 나눈 값(도 12의 수학식 1을 참조)으로서, 평잔대비 자금의 평균 출금횟수를 의미한다.

일반적으로 예금회전율은 채권수익률이나 어음부도율과 같이 시중의 자금사정지표 또는 유동성지표로 널리 활용되고 있으며, 예금회전율이 높다는 것은 다음 3가지로 유형으로 구분하여 해석할 수 있다.

첫째 평잔은 일정하지만 소비나 투자 등을 위해 단위기간 동안 예금인출이 빈번한 경우로서 경제상황이 호전될 것임을 시사하는 긍적인 측면,

둘째, 출금액은 일정하지만 입금액 감소로 인하여 평잔이 크게 축소된 경우로서 경제상황이 악화되었음을 시사하는 부정적인 측면,

그리고 셋째, 입금액 증가폭보다 출금액 증가폭이 더 커서 출금총액은 증가했지만, 평잔은 감소한 부정적 측면으로 구분된다.

그러므로 예금회전율을 활용하여 개인 또는 중소기업의 신용리스크를 평가한다는 것은 상기의 예금회전율에 대한 2번째 및 3번째 정의를 기초로 하는 것이고, 그 정의에서도 알 수 있듯이 예금회전율 정보뿐만 아니라 입금액과 출금액까지 분석에 포함시키는 것을 특징으로 한다. 이는 현행 개인 신용평점시스템(CSS)이 고객의 여신 즉, 부채정보는 반영하지만, 수신 즉, 자산정보는 반영하지 않는다는 점에서 본 발명의 방법과는 차이가 있음을 알 수 있다.

뿐만 아니라, 본 실시예에서, 신용리스크 분석 서버(100)는 도 9의 [표 2]에서 살펴보았듯이 상품유형별로 예금회전율을 각각 계산하여 활용하는 것을 특징으로 하는데, 이는 도 9의 [표 2]를 통하여 제시하였듯이 금융상품 유형별 신용리스크의 전이현상이 존재하기 때문이다.

즉, 요구불예금이 저축성예금보다 중도해지 및 환매순서에서 우선시 된다는 의미는 개별계좌나 전체 통합계좌 레벨이 아닌 상품유형별 통합계좌정보를 이용할 경우 신용리스크의 전이현상을 분석할 수 있고 이를 통하여 신용리스크에 대한 실시간 사전모니터링이 가능함을 알 수 있다.

즉, 도 13의 [표 5]와 같이, 가령 T1 시점에서 긴급하게 자금이 필요한 경우 요구불예금의 회전율이 증가하더라도 저축성예금의 회전율은 일정수준이 유지된다는 것이다. 그 이유는 자금경색이 되더라도 미래를 위해 가입한 적금통장은 그대로 유지한 채 보통예금통장의 현금을 먼저 인출한다는 의미이다. 그렇지만 이러한 상태가 지속되다가 요구불예금의 잔액이 부족한 T2 시점이 되면 어쩔 수 없이 저축성예금을 중도 해지하여 필요자금을 충당하는 것을 알 수 있다. 이때 저축성예금의 경우 대부분 적립금액이 크지 않기 때문에 저축성예금회전율의 기울기는 단기간에 매우 가팔라지는 성향을 보이게 된다.

이러한 신용리스크 전이현상은 기존의 평가모형처럼 여신계좌 즉, 부채정보만 활용한 신용리스크 측정모형에서는 파악할 수 없는 것으로서, 그 이유는 상품유형별 통합계좌정보에는 모든 금융기관의 동일 상품유형에 대한 계좌정보가 포함되기 때문이다. 즉, 저축성예금에 대한 통합계좌정보는 개인 또는 중소기업이 보유한 국민은행, 신한은행, 우리은행 등 국내외 모든 금융기관의 저축성예금 계좌정보를 통합한 것이므로 타 금융기관에서 선행적으로 발생한 부도징후 가령, 대규모 자금인출에 따른 잔고부족 또는 예금회전율 증가 등의 효과가 해당 금융기관까지 순차적으로 파급되는 것을 사전에 파악할 수 있다.

그리고 이러한 상품유형별 통합계좌정보에 대한 예금회전율을 이용한 신용리스크의 판별력을 높이기 위해서, 본 실시예에서처럼 단위기간 동안 출금액 및 적수의 시계열자료에 대한 베타(beta)를 같이 활용하면 효과적이다. 이때 베타는 회귀방정식의 회귀계수 또는 기울기를 의미하는 것으로서, 시계열성 자료의 추세를 파악할 때 유익한 지표이다.

왜냐하면 예금회전율 자체는 저량(stock) 개념이므로 가령, 2명의 거래상대방에 대한 예금회전율이 같을 경우 그 자체로는 신용리스크의 우열을 판단할 수 없기 때문이다. 대신 분석일 기준으로 최근 시점의 출금액과 적수에 대한 베타(beta)는 유량(flow)의 성격을 가지므로, 이 정보를 예금회전율과 같이 고려하면 리스크에 대한 판별력을 높일 수 있다.

이상의 설명에 따라 통합계좌정보 기반의 신용리스크 평가를 위한 예금회전율 스케일링(Scaling) 기준을 예를 들면 도 14의 표 6과 같이 구축할 수 있게 된다.

도 14의 [표 6]에서는 간단한 예시로서 다양한 금융상품 유형 중 특히 요구불예금상품에 대한 예금회전율만 고려한 것이고, 셀 내부의 숫자는 작은 값일수록 신용리스크가 큰 것을 표시한 것이다.

향후 본 발명의 실무적 활용을 위해서는 상기와 같이 요구불예금상품 뿐만 아니라 모든 금융기관의 전체 금융상품에 대한 유형별 분류와 더불어 예금회전율과 베타를 산정하고, 그들에 대한 스케일링을 통하여 신용리스크를 판별할 필요가 있다.

다음으로, 신용리스크 분석 서버(100)는, 예를 들면 부도확률(Probability of Default)과 안전계수(Safety Ratio)을 이용하여 신용리스크를 측정할 수 있다.

이하에서는, 부도확률(Probability of Default)과 안전계수(Safety Ratio)을 이용한 신용리스크 측정방법에 대해 설명하기로 한다.

도 15의 [표 7]은 본 발명의 부도확률 및 안전계수와 신용리스크의 연관성을 설명하기 위하여 도 19의 [표 3]의 부도발생 경우 3을 구체화 한 하나의 실시 예시로서, 가령 특정 고객이 보유한 총 7개 계좌(예금 3건, 적금 2건, 대출 2건)에 대해 500번의 계좌 입출금 시뮬레이션을 수행하여 생성한 통합계좌의 출금액과 적수의 자료이다.

도 15의 [표 7]의 우측과 같이 (T-N)시점에는 적수와 출금액 분포 사이에 안전지대(Safety Zone)가 존재했지만, 시간경과에 따라 상기 부도발생 경우 3의 경우처럼 출금액이 증가하고 적수가 감소하면서 (T)시점에는 안전지대가 사라지고 부도가 발생하는 것을 볼 수 있다.

여기서 안전지대 또는 안전계수는 통합계좌의 부하(출금)와 강도(적수)에 대한 비율을 의미한다. 가령 출금액(x)과 적수(y)가 각각 정규확률변수를 따르고,

라면, 이때 안전계수는 도 12의 수학식 2처럼 정의할 수 있다.

즉, 안전계수는,

에 의해 계산되며, 여기서 m은 안전계수, x 는 통합 계좌의 출금액, y 는 통합 계좌의 단위시간의 누적 금액인 적수이고,

x는

를 만족하는 정규분포확률변수이고,

는 x에 대한 평균이고,

는 x 에 대한 표준편차이며,

y는

를 만족하는 정규분포확률변수이고,

는 y에 대한 평균이고,

는 y에 대한 표준편차이다.

정규분포의 경우 누적분포 성질에 따라

와

가 1이면 68.3%, 2이면 95.5%, 3이면 99.7%에 해당한다.

그리고 출금액과 적수에 대한 확률분포 정의는 상기처럼 정규분포 외에 포아송분포, 대수정규분포, 웨이블분포, 베타분포와 같은 다른 유형도 가능하다.

다음 예시를 통하여 안전계수와 부도확률과의 관계를 설명하기로 한다.

가령 다음의 조건

에서, 95% 신뢰구간에서의 안전계수는 다음과 같다.

그리고 상기에서 살펴 보았듯이, 특정시점에서 출금액이 적수보다 큰 경우를 부도라 하면, 도가 발생할 확률은 (

)이므로, 여기서 z = x-y라 두면 z는 마찬가지로 정규확률변수이므로, 그 분포특성은 도 12에서의 수학식 3과 같다.

즉,

,

,

와 같다.

결국 통합계좌의 부도발생할 확률(

)은 도 12에서의 수학식 4와 같다.

즉,

와 같다.

상기 예시의 A와 B기업에 대한 적분하한을 계산하면,

A기업의 적분하한은

B기업의 적분하한은

이고, 그에 따라

A기업의 부도확률은 (1-NORMSDIST(3.535))*100 = 0.02%

B기업의 부도확률은 (1-NORMSDIST(0.624))*100 = 26.6% 가 된다.

여기서 NORMSDIST는 MicroSoft사의 EXCEL 프로그램에서 제공하는 표준정규누적분포값을 구하는 함수이다.

이러한 통합계좌정보 기반의 신용리스크 평가를 위한 부도확률 및 안전계수의 스케일링(Scaling) 기준은 도 16의 표 8처럼 구축할 수 있다.

도 16의 [표 8]을 참조하면, 위험수준의 순서가 낮을수록 위험도가 높은 것을 의미한다.

이상의 실시 예에서 살펴본 바와 같이 개인 또는 중소기업이 보유한 통합계좌정보를 활용하여 본 발명에서는 신용리스크 지표로서 예금회전율, 부도확률, 안전계수를 산정하였으며, 나아가 이러한 개별지표에 대한 종합화를 통하여 종합신용점수(Score)를 산출할 수 있고, 이를 특정 개인이나 중소기업의 현시점 기준 실시간 신용리스크로 결정할 수 있다.

이때 종합신용점수를 산출하는 방법은 다양한 기준이 있을 수 있겠지만, 본 발명의 실시 예에서는 구체적인 설명을 생략하기로 한다.

도 4는 본 발명의 일 실시예에 따른 통합계좌정보 기반의 신용리스크 관리 방법을 설명하기 위한 흐름도이다.

도 4를 참조하면, 본 발명의 일 실시예에 따른 통합계좌정보 기반의 신용리스크 관리 방법은, 등록계좌들을 상품유형별로 분류하는 단계, 상품 유형별로 통합계좌정보를 생성하는 단계, 통합계좌의 부도확률을 계산하는 단계, 통합계좌에 대한 안전계수를 계산하는 단계, 통합계좌에 대한 예금 회전률을 계산하는 단계, 및 통합계좌의 종합신용 Score를 계산하는 단계를 포함할 수 있다.

등록계좌들을 상품유형별 분류하는 단계는, 예를 들면, 본 통합계좌정보 기반의 신용리스크 관리 서비스에 회원 가입/인증하는 단계, 그리고 금융기관/계좌번호/공인인증서 등록하는 단계가 수행되어 금융계좌들이 등록된 후에 수행된다.

통합계좌정보를 생성하는 단계는, 등록계좌에 대하여 상품유형별로 분류된 것을 기초로, 스크린 스크래핑을 통한 계좌별 거래정보를 추출하여 수행될 수 있다. 스크린 스크래핑은 금융서버에 접속하여 계좌별 거래정보(예금액, 입출금 거래 내역 및 일시)를 획득하는 동작을 의미한다.

등록계좌들의 패턴과 계좌번호를 이용하여 상품유형별로 분류하고, 통합계좌정보를 생성하는 방법은 도 5와 10을 참조하여 상세히 설명하였으므로 여기서는 생략하기로 한다.

통합계좌의 부도확률을 계산하는 단계는, 통합계좌의 단위기간 적수 계산하는 단계, 통합계좌의 단위기간 출금총액 계산하는 단계, 적수와 출금총액에 대한 평균 및 표준편차 계산하는 단계 등이 수행된 이후에 수행될 수 있다.

통합계좌에 대한 안전계수를 계산하는 단계는, 적수와 출금총액에 대한 평균 및 표준편차에 기초하여 계산될 수 있다.

통합계좌에 대한 예금 회전율을 계산하는 단계는, 통합계좌의 단위기간 평균잔액 계산 결과에 기초하여 계산될 수 있다. 한편, 통합계좌의 단위기간 평균잔액 계산 결과는, 통합계좌의 단위기간 출금총액 계산 결과로부터 계산될 수 있다.

여기서, 부도확률, 안전계수, 및 예금 회전율을 계산하는 방법은 도 12, 도 13, 도 15, 및 도 16을 참조하여 설명하였으므로, 여기서는 생략하기로 한다.

도 4를 참조하여 설명한 각 단계들은, 예를 들면, 상술한 신용리스크 분석 서버에 의해 수행될 수 있다.

도 6은 통합계좌정보를 이용하여 부도확률 및 안전계수를 생성하는 예시적인 프로세스의 일례를 도시한 흐름도이다.

도 6을 참조하면, 부도확률 및 안전계수를 생성하는 예시적인 프로세스는, 계좌의 단위기간내 출금액 및 적수 계산하는 단계, 출금액의 평균 및 표준편차 계산하는 단계, 적수의 평균 및 표준편차 계산하는 단계, 출금액에서 적수를 뺀 금액에 대한 평균 및 표준편차를 계산하는 단계, 부도확률 계산하는 단계, 통계적 유의수준 결정하는 단계, 및 안전계수 계산하는 단계를 포함할 수 있다.

도 7은 통합계좌정보를 이용하여 예금회전율을 생성하는 예시적인 프로세스의 일례를 도시한 흐름도이다.

도 7을 참조하면, 예금회전율을 생성하는 예시적인 프로세스는, 계좌의 단위기간내 출금액 및 적수 추출하는 단계, 출금총액 및 출금액 beta 계산하는 단계, 적수 총액, 총일수 및 적수 beta 계산하는 단계, 평잔 계산하는 단계, 계좌의 예금 회전율을 계산하는 단계를 포함할 수 있다.

도 8은 부도확률, 안전계수 그리고 예금회전율을 이용하여 거래상대방의 종합신용점수(Score)를 생성하는 예시적인 프로세스를 나타낸 것이다.

도 8은 종합신용점수(Score)를 생성하는 예시적인 프로세스는, 도 8에 도시된 각 단계들을 포함할 수 있다. 즉, 안전 계수 score를 추출하기 위한 단계들(통합계좌의 안전계수 추출 단계, 안전계수 scaling DB에 매핑하는 단계, 안전계수 score 추출하는 단계), 회전율 score를 추출하기 위한 단계들(통합계좌의 예금회전율 추출하는 단계, 회전율 scaling DB에 매핑하는 단계, 회전율 score 추출하는 단계), 부도확률 score를 추출하기 위한 단계들(통합계좌의 부도확률 추출하는 단계, 부도확률 scaling DB에 매핑하는 단계, 부도확률 score 추출하는 단계), 안전계수 score, 회전율 score, 및 부도확률 score 로부터 종합신용점수 계산하는 단계를 포함할 수 있다.

한편, 본원의 도면에 기재되거나 도시된 내용에 대하여, 본원의 상세한 설명에서 언급되지 않은 부분은, 본원 명세서의 일부로서 결합된다.

지금까지 본 발명의 바람직한 실시 예에 대해 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성을 벗어나지 않는 범위 내에서 변형된 형태로 구현할 수 있을 것이다. 그러므로 여기서 설명한 본 발명의 실시 예는 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 상술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함되는 것으로 해석되어야 한다.

10: 통신망
100: 신용리스크 분석 서버
200: 회원 단말
300: 금융기관의 서버

Claims (12)

1. 컴퓨터에,
   등록 계좌들을 유형별로 분류하는 단계;
   유형별로 분류된 등록 계좌들에 대한 통합계좌정보를 생성하는 단계;
   상기 통합계좌정보에 기초하여, 통합계좌에 대하여 복수개의 신용 리스크 지수들을 계산하는 단계; 및
   상기 신용 리스크 지수들로부터 종합신용점수를 계산하는 단계;를 포함하는 통합계좌정보 기반의 실시간 신용 리스크 분석 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
2. 제1항에 있어서,
   상기 신용 리스크 지수들은 안전계수, 부도확률, 예금회전율 중 적어도 하나를 포함하는 것을 특징으로 하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
3. 제1항에 있어서,
   상기 등록 계좌들의 유형은,
   요구불예금, 저축성 예금, 대출, 펀드, 보험, 주식, 주식, 및 채권으로 이루어진 것을 특징으로 하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
4. 제2항에 있어서,
   상기 신용 리스크 지수들을 계산하는 단계는,
   등록 계좌의 유형별로 예금회전율을 계산하는 동작을 포함하며,
   상기 회전율은 단위시간 동안 계좌의 출금총액을 동일기간 동안의 평잔으로 나눈 값으로 정의된 것을 특징으로 하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
5. 제2항에 있어서,
   상기 안전계수는,
   

   

   
   에 의해 계산되며, 여기서 m은 안전계수, x 는 통합 계좌의 출금액, y 는 통합 계좌의 단위시간의 누적 금액인 적수이고,
   x는

   

   를 만족하는 정규분포확률변수이고,

   

   는 x에 대한 평균이고,

   

   는 x 에 대한 표준편차이며,
   y는

   

   

   를 만족하는 정규분포확률변수이고,

   

   는 y에 대한 평균이고,

   

   

   는 y에 대한 표준편차인 것을 특징으로 하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
6. 제5항에 있어서,
   상기 부도확률은
   

   

   
   에 의해 계산되며,
   

   

   ,

   

   ,
   

   

   ,

   

   
   인 것을 특징으로 하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
7. 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템에 있어서,
   등록계좌들에 대한 정보를 저장하는 금융기관의 서버; 및
   등록 계좌들을 유형별로 분류하고, 유형별로 분류된 등록 계좌들에 대한 통합계좌정보를 생성하고, 상기 통합계좌정보에 기초하여, 통합계좌에 대하여 복수개의 신용 리스크 지수들을 계산하고, 상기 신용 리스크 지수들로부터 종합신용점수를 계산하는 신용리스크 분석 서버;를 포함하는 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템.
8. 제7항에 있어서,
   상기 신용 리스크 지수들은 안전계수, 부도확률, 예금회전율 중 적어도 하나를 포함하는 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템.
9. 제7항에 있어서,
   상기 등록 계좌들의 유형은,
   요구불예금, 저축성 예금, 대출, 펀드, 보험, 주식, 주식, 및 채권으로 이루어진 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템.
10. 제7항에 있어서,
    상기 신용 리스크 지수들을 계산하는 동작은
    등록 계좌의 유형별로 예금회전율을 계산하는 동작을 포함하며,
    상기 회전율은 단위시간 동안 계좌의 출금총액을 동일기간 동안의 평잔으로 나눈 값으로 정의된 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템.
11. 제8항에 있어서,
    상기 안전계수는,
    

    

    
    에 의해 계산되며, 여기서 m은 안전계수, x 는 통합 계좌의 출금액, y 는 통합 계좌의 단위시간의 누적 금액인 적수이고,
    x는

    

    를 만족하는 정규분포확률변수이고,

    

    는 x에 대한 평균이고,

    

    는 x 에 대한 표준편차이며,
    y는

    

    

    

    를 만족하는 정규분포확률변수이고,

    

    는 y에 대한 평균이고,

    

    

    

    는 y에 대한 표준편차인 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템.
12. 제8항에 있어서,
    상기 부도확률은
    

    

    
    에 의해 계산되며,
    

    

    ,

    

    ,
    

    

    ,

    

    
    인 것을 특징으로 하는 통합계좌정보 기반의 실시간 신용 리스크 분석 시스템.

Images