지식경영연구 (Knowledge Management Research)

한국지식경영학회 (The Knowledge Management Society of Korea)
권호 표지
DOI QR코드

DOI QR Code

P2P 플랫폼에서의 대출자 신용분석 사례연구: 8퍼센트, 렌딧, 어니스트 펀드

A Case Study on Credit Analysis System in P2P: 8Percent, Lendit, Honest Fund

  • 최수만 (연세대학교 투자정보공학협동과정) ;
  • 전동화 (맥쿼리투자신탁) ;
  • 오경주 (연세대학교 산업공학과)
  • Choi, Su Man (Graduate Program in Investment Information Engineering) ;
  • Jun, Dong Hwa (Macquarie Investment Management Korea) ;
  • Oh, Kyong Joo (Dept. of Industrial Engineering, Yonsei University)
  • 투고 : 2020.08.21
  • 심사 : 2020.09.26
  • 발행 : 2020.09.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

지식경영 분야의 P2P금융 플랫폼의 성장속에서 빅데이터 및 머신러닝(Machine Learning) 기술을 보유한 회사만이 치열한 경쟁 속에서 생존할 가능성이 높을 것으로 예상된다. 그럼에도 불구하고 관련 서비스를 제공하는 온라인 P2P대출 플랫폼 업체들은 투자자와 대출을 신청하는 중개자로서의 역할을 수행할 뿐이며 투자와 관련된 위험은 모두 투자자에게 귀속시키고 있다. 이러한 이유로, 투자자 입장에서는 투자상품의 안전성을 확인할 수 있는 유일한 방법이 신문이나 온라인 웹사이트를 통한 P2P대출 플랫폼 업체의 평판에만 의존할 수 밖에 없는 실정이다. 또한, 한국의 P2P대출 플랫폼 업체들이 대출자의 개별 신용분석을 체계적으로 실시하여 연체율 등의 시계열 정보를 정확히 파악하기에는 시간적, 경제적 여건이 매우 열악한 상황이다. 그러나, 최근 몇몇 P2P대출 플랫폼 업체들이 업체별 대출자 신용분석에 대한 역량을 가장 중요한 영업자산으로 인식함으로써 빅데이터 및 머신러닝 기술을 바탕으로 인공지능(AI)에 기반한 새로운 신용평가 시스템을 구축하고 시행에 들어가고 있음은 매우 긍정적으로 평가된다. 따라서, 본 연구에서는 신용대출 시장에 주력하고 있으며 인공지능 활용으로 잘 알려진 상위 3개 업체를 대상으로 사례분석 방식을 통해 인공지능을 활용한 대출자 신용분석 절차 및 사용하는 정보 데이터의 종류 등을 분석하고자 한다. 이를 통하여 현 상황에서 P2P 플랫폼 업체들의 인공지능을 통한 신용분석 기법을 이해하고 현 시점에서 국내 인공지능을 활용한 신용분석 방식의 한계점과 개선방안 등을 함께 고찰하고자 한다.

In the remarkable growth of P2P financial platform in the field of knowledge management, only companies with big data and machine learning technologies are surviving in fierce competition. The ability to analyze borrowers' credit is most important, and platform companies are also recognizing this capability as the most important business asset, so they are building a credit evaluation system based on artificial intelligence. Nonetheless, online P2P platform providers that offer related services only act as intermediaries to apply for investors and borrowers, and all the risks associated with the investments are attributable to investors. For investors, the only way to verify the safety of investment products depends on the reputation of P2P companies from newspaper and online website. Time series information such as delinquency rate is not enough to evaluate the early stage of Korean P2P makers' credit analysis capability. This study examines the credit analysis procedure of P2P loan platform using artificial intelligence through the case analysis method for well known the top three companies that are focusing on the credit lending market and the kinds of information data to use. Through this, we will improve the understanding of credit analysis techniques through artificial intelligence, and try to examine limitations of credit analysis methods through artificial intelligence.

키워드

참고문헌

  1. 김학건, 박광우, 이병태, 최은호 (2013). 온라인 개인 간(P2P) 대출의 상환 성공요인에 관한 연구. 재무연구, 26(3), 381-415.
  2. 김학건, 박광우 (2013). 온라인 개인 간 대출시장에서의 차입자 특성 연구. 한국경영과학학회지, 38(4), 77-94.
  3. 김홍곤, 김소담, 김희웅 (2018). 핀테크 기반 주식투자 최적화 모델 구축 사례 연구. 지식경영연구, 19(1), 97-118. https://doi.org/10.15813/kmr.2018.19.1.006
  4. 김승현, 오경주 (2018). Predicting debt default of P2P loan borrowers using self-organizing map. Quantitative Bio-science, 38(1), 63-71.
  5. 고영성 (2017). 인터넷 대부시장에서의 정보비대칭성 문제: P2P 금융회사 사례를 중심으로. 석사학위논문, 연세대학교 공학대학원, 서울. 박사학위논문, 이화여자대학교 대학원, 서울.
  6. 권영준, 남재현, 조민정 (2011). 개인신용평가에서의 비금융정보의 경제적 효과. 한국경제연구, 29(2), 81-107.
  7. 손영화 (2016). 한국, 미국, 중국 등 주요 국가의 P2P 대출서비스 사례 연구. 한국소비자보호원 조사보고서, 1-87.
  8. 성희활 (2016). P2P 대출형 크라우드 펀딩의 법적 성격과 자본시장법칙 규제체계 수립에 관한 연구. 기업법연구, 30(4), 47-80.
  9. 박정국, 김인재 (2015). 금융혁신을 위한 핀테크 서비스의 보안 리스크 대응방안 연구. 지식경영연구, 16(4), 35-45. https://doi.org/10.15813/kmr.2015.16.4.003
  10. 서병호 (2015). 금융 포커스: 국내은행의 P2P 대출시장 진출과 시사점. 주간금융브리프, 24(45), 10-11.
  11. 신동호, 채명신 (2012). 온라인 P2P 대출의 상환실패 요인에 대한 실증 연구. 대한경영학회지, 25(5), 2233-2254.
  12. 안경민, 이영찬 (2018). Kano 모형과 Fuzzy-AHP를 이용한 온라인 P2P 금융서비스 성공요인 도출. 지식경영연구, 19(2), 109-132. https://doi.org/10.15813/kmr.2018.19.2.006
  13. 이군희, 유영범, 하승인 (2017). 개인신용평가 모형을 위한 딥러닝 활용에 대한 연구. 한국경영과학회 학술대회논문집, 4042-4047.
  14. 이창석, 조성배 (2016). 개선된 심층 CNN을 이용한 P2P 소셜 대출에서 채무자의 상환예측 Decision tree 기법을 활용한 P2P 대출형 crowd-funding 분석. 한국정보과학회 학술발표논문집, 529-531.
  15. 이경주, 김은영 (2020). 플랫폼 서비스 혁신에 있어 인공지능 (AI)의 역할과 효과에 관한 연구. 지식경영연구, 21(1), 175-195. https://doi.org/10.15813/kmr.2020.21.1.010
  16. 이경주, 이상기 (2020). 디지털뱅킹 플랫폼 기반 핀테크 사례 연구. 지식경영연구, 21(1), 61-78. https://doi.org/10.15813/kmr.2020.21.1.004
  17. 정수현 (2017). 인공지능, 긴 겨울을 보내고 꽃을 피우다. 카카오 AI리포트, 1(1), 6-14.
  18. 한정희 (2013). P2P 등 특수한 유형의 온라인서비스 이용관련 소비자피해 및 개선방안. 한국소비자 보호원 조사보고서, 1-84.
  19. Biemans, W. G., Griffin, A., & Moenaert, R. K. (2016). Perspective: New service development: How the field developed, its current status and recommendations for moving the field forward. Journal of Product Innovation Management, 33(4), 382-397. https://doi.org/10.1111/jpim.12283
  20. Creswell, J. W. (2007). Qualitative inquiry & research design: Choosing among five approaches (2nd ed.). Thousand Oaks, CA: Sage.
  21. Christensen, C. M., Bartman, T., & Van Bever, D. (2016). The hard truth about business model innovation. MIT Sloan Management Review, 58(1), 31-40.
  22. Pollari, I., & Ruddenklau, A. (2019). The pulse of FinTech 2018-Biannual global analysis of investment in FinTech. KPMG International Cooperative.
  23. Fang, Y. H., Chiu, C. M., & Wang, E. T. (2011). Understanding customers' satisfaction and repurchase intentions: An integration of IS success model, trust, and justice. Internet Research, 21(4), 479-503. https://doi.org/10.1108/10662241111158335
  24. Yin, R. K. (2003). Case study research: Design and methods (3rd ed.). Thousand Oaks, CA: Sage.