콘텐츠로 이동

RiskCalc 프로세스와 미니모델링의 사상

1.1 RiskCalc에서의 변환 구조

RiskCalc에서 미니모델링은 단일 재무비율 \(x\)를 단변량 부도확률 \(T(x)\)로 변환하는 과정이다:

\[ T(x) = \Pr(\text{default} \mid x) \tag{B.4} \]

즉, 재무비율 \(x\)만을 단독으로 사용했을 때의 부도확률 추정값이다. 이 변환은 LOWESS 등 비모수 기법으로 경험적으로 추정된다.

변환의 구체적 절차 (RiskCalc 4.0 기준)

RiskCalc 4.0 France 방법론 문서에 상세히 기술된 절차에 따르면:

  1. 변수 선정 후 각 변수를 예비적 단변량 EDF 값으로 변환한다
  2. 변환 그래프의 가로축은 해당 비율의 백분위 점수(percentile score)
  3. 세로축은 그 비율 단독의 부도확률
  4. 백분위 점수란 데이터베이스에서 해당 기업보다 낮은 비율을 가진 기업의 비중

변환곡선의 해석

변환 곡선의 기울기가 가파르면 비율의 작은 변화가 EDF에 큰 영향을 미치고, 평탄하면 영향이 작다. 이것이 미니모델링의 핵심 산출물이다.

왜 백분위(Percentile) 변환을 먼저 하는가

원시 비율값은 산업, 규모, 회계기준에 따라 분포가 극단적으로 다르다. 백분위 변환은 이질적인 비율값들을 0~100의 균일 척도로 정규화하여, 이후 LOWESS가 안정적으로 작동할 수 있는 기반을 만든다. 이것은 단순 순위변환이 아니라 모집단 대비 상대적 위치를 반영하는 방식이다.

1.2 사상(思想): 왜 비모수적 변환인가

미니모델링이라는 접근법의 기저에는 세 가지 핵심 사상이 있다.

사상 1 — 재무비율과 부도 간 관계는 본질적으로 비선형이다

부채비율이 30%에서 40%로 증가할 때의 부도 위험 변화와, 80%에서 90%로 증가할 때의 변화는 같지 않다. 수익성이 마이너스에서 0으로 전환될 때의 위험 감소와, 10%에서 20%로 개선될 때의 감소도 동일하지 않다.

이런 비선형성을 선형 모형이나 2차항(quadratic term) 추가로는 충분히 포착할 수 없다.

Moody's의 견해

Moody's RiskCalc v3.1 기술 문서에서는 이 비선형 관계를 단순히 2차항을 포함시키는 것으로 쉽게 포착할 수 없다고 명시하고 있다. 실제로 Falkenstein et al.(2000)의 실증 분석에서, 단변량 부도빈도 변환을 사용한 RiskCalc 방식이 백분위 변환이나 비율 수준 절단(truncation) 방식보다 표본 외(out-of-sample) 강건성에서 유의하게 우월했다.

사상 2 — 비선형성을 포착하되 투명성을 유지해야 한다

신경망(neural network)이나 회귀트리(regression tree)도 비선형성을 포착할 수 있다. 그러나 Moody's는 입력 변수의 변화가 산출에 어떤 영향을 미치는지 사용자가 명확히 이해할 수 있어야 한다는 투명성(transparency) 원칙을 고수한다.

투명성 원칙

RiskCalc v3.1 문서에 따르면, Moody's는 입력 변수의 변화가 왜 EDF의 변화를 초래했는지가 사용자에게 명확한 모형을 "투명한(transparent)" 모형으로 정의한다. 예컨대 레버리지가 증가했는데 부도 위험이 감소하는 것은 직관에 반하며, 단조 증가(monotonically increasing) 변환을 검증함으로써 이런 비합리적 결과를 사전에 차단할 수 있다.

미니모델링은 이 두 요구 — 비선형성 포착과 투명성 — 의 균형점이다. 각 비율별 변환곡선을 개별적으로 시각화·검증할 수 있으므로, 블랙박스 모형과 달리 모형의 경제적 합리성을 항목 단위로 확인 가능하다.

사상 3 — 간결성(Parsimony) 우선

Moody's는 모형의 크기를 작게 유지하고, 단변량 및 다변량 맥락에서 통계적 예측력을 입증할 수 없는 변수는 포함시키지 않는 것을 원칙으로 삼는다.

RiskCalc 초기 모형은 17개 기본 입력에서 도출된 10개 재무비율만으로 구성되었다. 이 간결함의 기반이 미니모델링 — 적은 수의 변수로부터 최대한의 정보를 추출하는 변환 — 에 있다.

소매 CSS와의 대응

본 가이드북의 단변량 로지스틱 회귀 섹션에서 다룬 소매 방식도 같은 사상을 공유한다. WoE 변환이 비선형성을 포착하고, 변환곡선(WoE 패턴)으로 투명성을 확보하며, IV 기반 변수 선별로 간결성을 유지한다. LOWESS와 WoE는 기법은 다르지만 철학적 뿌리가 같다.