여신 프로세스와 신용평가모형의 위치

본 가이드북은 신용평가모형 개발 — 데이터 준비부터 변수 선정, 모형 학습, 스코어카드 변환, 검증까지 — 을 다루고 있다. 그런데 이 모형이 실제 금융기관에서 어떻게 소비되는지, 여신(대출) 프로세스 전체에서 어떤 위치를 차지하는지를 조감하면 모형 개발의 맥락을 더 명확하게 이해할 수 있다.

일반론적 관점

아래 내용은 여신 프로세스의 일반적인 프레임워크를 정리한 것이다. 실제 프로세스는 금융기관마다 다르며, 심사(여신심사부), 사후관리(채권관리부·추심부), 리스크관리(리스크관리부) 등 각 단계는 해당 현업 부서가 깊은 전문성을 가지고 있는 영역이다. 저는 모형 개발자로서 이들 영역의 실무 경험이 없으며, 이 챕터의 내용은 Claude Code와 공부하면서 정리한 것으로 실무와 다를 수 있다.

---

여신 라이프사이클 전체 그림

금융기관의 대출은 크게 다섯 단계를 거친다.

가이드북에서 다룬 영역 가이드북 범위 밖 (일반론)

① 모형 개발

· 데이터 수집·가공
· 변수 선택
· LR / ML 학습
· 성능 검증
· p̂→Score→등급
· Score 산출
· 전략모형

→

② 심사·승인

· 승인/거절
· 금리 산정
· 한도 산정

→

③ 사후 관리

· Behavioral Score
· 한도 증감
· 조기경보(EWS)
· Cross/Up-sell
· 금리 재조정

→

④ 부실·추심

· 연체 관리
· Collection Score
· 회수 전략
· 채권 매각·상각

→

⑤ 리스크·규제

· IFRS 9 ECL
· Basel 자기자본
· 스트레스 테스트
· 모형 검증
· 감독당국 보고

각 단계에서 신용평가모형의 산출물(p̂, Score, 등급)이 어떻게 활용되는지 하위 페이지에서 살펴본다.

---

p̂ / PD 활용 방식 종합

아래 표에서 서열과 절대값은 다음을 의미한다.

• 서열 — p̂을 변환한 평점(Score)과 등급. 누가 더 위험한지의 순서만 중요하며, p̂이 정확히 몇 %인지는 관여하지 않음.
• 절대값 — p̂ = 0.03이냐 0.05이냐처럼, 확률값 자체가 금액 산출(충당금, 자본 등)에 직접 투입됨.

영역	PD 사용 방식	서열/절대값	calibration 민감도
승인/거절	cross-matrix 기반	서열	낮음
금리 산정	EL 계산에 PD 투입	절대값	높음
한도 산정	등급별 한도 밴드	서열	낮음~중간
Behavioral Score	리스크 재평가	서열	낮음
조기경보 (EWS)	임계값 기반 플래그	서열	중간
Collection Score	회수 가능성 예측	서열	낮음
IFRS 9 ECL	PD → 충당금 산출	절대값	높음
Basel RWA	PD → 자본 산출	절대값	높음
스트레스 테스트	PD 변동폭 추정	절대값	높음
모형 정기 검증	예측 PD vs 실현율	절대값	높음

핵심 구분

서열만 필요한 단계 — 승인/거절, Behavioral Score, Collection Score, 한도 밴드 → ML vs Logistic의 p̂ 분포 차이가 문제되지 않음

절대값이 필요한 단계 — 금리(EL), IFRS 9, Basel, 스트레스 테스트 → calibration 차이가 실질적 영향을 미침 → 단, 등급별 PD 테이블을 경유하면 calibration 이슈가 등급화 단계에서 흡수됨