신용평가모형(CSS)이란¶
1.1 정의 및 목적¶
신용평가모형(Credit Scoring System, CSS)은 차주(借主)의 신용 위험을 계량적으로 평가하여, 특정 기간 내에 불량(Bad) 사건이 발생할 확률을 예측하는 통계 모형이다. 모형의 출력은 각 차주에 대한 불량 발생 확률 \( P(y=1 \mid \mathbf{x}) \)이며, 이를 일정 변환을 거쳐 신용점수(Credit Score)로 표현한다.
CSS의 핵심 목적은 다음과 같다.
- 리스크 계량화: 차주별 불량 가능성을 확률 또는 점수로 수치화하여 객관적 의사결정 기반을 제공한다.
- 심사 자동화: 대량의 신청 건에 대해 일관된 기준으로 승인/거절/한도를 결정할 수 있다.
- 포트폴리오 관리: 기존 고객의 신용 상태를 주기적으로 평가하여 조기 경보, 한도 조정 등 사후 관리에 활용한다.
- 규제 충족: Basel 내부등급법(IRB) 등 감독 규정에서 요구하는 PD(Probability of Default) 추정에 활용된다.
국내 CB사의 개인신용평점 정의
NICE평가정보에 따르면 개인신용평점이란 "개인신용평가회사(CB사)가 개인에 대한 신용정보를 수집한 후 이를 통계적 방법으로 분석하여, 향후 1년 내 90일 이상 장기연체 등 신용위험이 발생할 가능성을 수치화하여 제공하는 지표"이다. KCB의 개인신용평점은 1~1,000점 범위이며, 점수가 높을수록 성실상환 가능성이 높음을 의미한다. 2024년 말 기준 KCB 신용평점 대상 인원은 약 5,006만 명이며, 254개 금융기관이 이를 활용하고 있다.
CSS 용어 관행
업권에서는 CSS(Credit Scoring System)라는 약어가 일반적으로 통용된다. 다만 CSS는 웹 기술(Cascading Style Sheets)의 약어와 동일하여 맥락에 따라 혼동될 수 있으므로, CSM(Credit Scoring Model)이라는 약어를 사용하는 기관도 있다. 본 문서에서는 업권 관행에 따라 CSS로 표기한다.
1.2 목적 기준: AS모형 / BS모형 / Collection 모형¶
CSS 모형은 사용 목적과 가동 시점에 따라 크게 세 가지로 분류된다.
| 구분 | AS모형 (Application Scoring) | BS모형 (Behavior Scoring) | Collection 모형 |
|---|---|---|---|
| 정의 | 대출(또는 카드) 신청 시점의 리스크를 평가하여 불량 전이 가능성을 예측 | 기존 고객에 대해 주기적으로 리스크를 재평가하여 불량 전이 가능성을 예측 | 연체 발생 고객에 대해 채권 회수 가능성 또는 추가 연체 진행 가능성을 예측 |
| 가동 시점 | 신청 시점 (Online, 실시간) | 월 1회 (Batch) | 연체 발생 시점 또는 월 1회 (Batch) |
| 관찰 기간 (X 측정 시점) | 대출 신청일 기준, 신청서 정보 + CB 조회 시점 정보 | 기준 월말, 내부 거래 이력 + CB 정보 | 연체 발생 시점 또는 기준 월말, 연체 이력 + 상환 패턴 |
| 업무 활용 | 승인/거절, 한도 설정, 금리 차등 | 한도 상·하향, 기일 관리, 조기 경보 | 추심 우선순위, 채권 매각 의사결정 |
| 주요 변수 특성 | 신청서 정보(인구통계), CB 외부 정보 중심 (내부 거래 이력이 없거나 제한적) | 내부 거래 이력(수신·여신·카드 실적) 중심 + CB 외부 정보 | 연체 경과 정보, 과거 상환 패턴, 담보 정보 중심 |
AS vs BS — 핵심 차이
AS모형은 신규 고객(또는 신규 상품 신청)에 대해 제한된 정보로 평가하는 반면, BS모형은 기존 고객의 풍부한 내부 거래 이력을 활용할 수 있어 일반적으로 예측력이 더 높다. 그러나 BS모형은 기존 고객에게만 적용 가능하다는 한계가 있다.
실무 포인트
하나의 금융기관이 여러 CSS 모형을 동시에 운용하는 것이 일반적이다. 예를 들어 은행의 경우, 신용대출 AS모형, 주택담보대출 AS모형, 신용카드 AS모형, 여신 BS모형, 카드 BS모형 등을 상품·목적별로 별도 개발한다. 각 모형은 동일한 방법론(로지스틱 회귀 기반 스코어카드)을 따르되, 모집단·변수·Bad 정의가 상이할 수 있다.
심사모형 vs 전략모형
위에서 설명한 AS·BS·Collection 모형은 심사모형(審査模型)으로, 규제 요건(Basel IRB 등)에 따라 설명력과 투명성이 요구되므로 로지스틱 회귀 기반 스코어카드가 표준 방법론이다. 반면, 마케팅·한도 최적화·이탈 방지 등 전략적 의사결정을 목적으로 하는 전략모형(戰略模型)은 규제 제약이 상대적으로 낮아 머신러닝(XGBoost, LightGBM, 신경망 등) 기반으로 개발되는 사례가 늘고 있다. 본 가이드북의 Part 1~6은 심사모형(전통 스코어카드)을 다루며, 머신러닝 기반 접근은 머신러닝 섹션에서 별도로 다룬다.
1.3 개발 대상 기준: Custom / Pooled / Generic 모형¶
CSS 모형은 모형 개발에 사용하는 데이터의 범위에 따라 세 가지로 분류된다.
| 구분 | 데이터 범위 | 특징 | 예측력 |
|---|---|---|---|
| Custom Model | 자사(自社) 고객 데이터 | 고객·상품 특성에 최적화된 모형. 내부 등급 산출 및 자체 모니터링 가능 | 높음 |
| Pooled Model | 동종 업권 유사 상품, 복수 기관 데이터 | 업권·상품 특성을 반영한 모형. 타사 개발 경험 벤치마크 활용. 초기 모니터링 통한 모형 조정 필요 | 중간 |
| Generic Model | 전 국민 신용거래 고객 데이터 | 일반적 신용 특성 기반 모형. CB사(신용평가회사)가 제공. 모형 자체 관리 불가, 조회만 가능 | 낮음 |
선택 기준
자사 데이터가 충분하면 Custom Model이 가장 높은 예측력을 보장한다. 그러나 신규 사업 진출, 해외 법인 설립 등 자사 데이터가 부재한 경우에는 Pooled 또는 Generic Model로 시작한 뒤, 데이터가 축적되면 Custom Model로 전환하는 것이 일반적이다. 국내에서 흔히 사용하는 CB등급(NICE, KCB 등)은 Generic Model에 해당한다.
1.4 국내 CB사의 신용평가 활용 현황¶
국내 대표적인 개인신용평가회사(CB사)로는 NICE평가정보와 KCB(코리아크레딧뷰로)가 있다. 이들이 제공하는 신용평점은 앞서 살펴본 Generic Model에 해당하며, 금융기관은 이를 단독 또는 자체 모형(Custom Model)과 결합하여 여신 심사에 활용한다.
| 구분 | 활용 기관 | 활용 방식 |
|---|---|---|
| 금융기관 | 은행, 카드사, 저축은행 | 대출 실행, 카드 발급 심사 시 참고 지표 |
| 비금융기업 | 일반기업 | 상거래 신용 설정, 통신 심사 |
CSS vs CB 신용평점
금융기관이 자체 개발하는 CSS(내부 모형)는 CB 데이터와 자체 고객 정보를 결합하여 만든 Custom Model이다. CB사가 제공하는 신용평점(NICE, KCB 등)은 전 국민 대상 Generic Model이며, 양자의 목적과 구조가 다르다. 본 가이드북는 금융기관이 자체 개발하는 CSS(Custom Model)의 방법론을 다룬다.