콘텐츠로 이동

규제 프레임워크

5.1 모형 리스크 관리의 필요성

신용평가모형은 여신 심사, 충당금 적립, 규제자본 산출 등 금융 의사결정의 핵심 인프라다. 모형이 잘못되면 부실 여신이 늘어나고, 충당금이 과소 적립되며, 규제자본이 부족해진다. 이 때문에 주요국 감독당국은 모형의 개발·검증·운영 전 과정에 걸친 체계적인 리스크 관리를 요구한다.

5.2 SR 11-7 — 모형 리스크 관리의 근간 (미국)

미국 연방준비제도(Fed)와 OCC가 2011년 발표한 SR 11-7 "Guidance on Model Risk Management"은 금융 모형 리스크 관리의 글로벌 표준 프레임워크다. 미국 금융기관을 대상으로 하지만, 국내 금융회사도 이를 벤치마크로 삼는 경우가 많다.

핵심 원칙

원칙 내용
개념적 건전성 (Conceptual Soundness) 모형의 이론적 기반이 타당하고, 가정이 합리적인가
개발 검증 (Developmental Evidence) 데이터 품질, 변수 선정 과정, 통계적 유의성이 문서화되었는가
결과 분석 (Outcomes Analysis) Back-testing, OOT 검증 등 실제 성과와의 비교가 수행되었는가
독립적 검증 (Independent Validation) 개발자가 아닌 독립 부서가 모형을 검증하는가
거버넌스 (Governance) 모형 목록(Inventory) 관리, 변경 이력 추적, 경영진 보고 체계가 갖춰졌는가

전통 스코어카드에서의 적용

전통 스코어카드는 SR 11-7 관점에서 상대적으로 검증이 용이한 모형이다:

  • 변수 효과가 투명: WoE 변환 → 로지스틱 회귀 → 점수표로, 각 변수의 기여가 점수로 직접 표현됨
  • 개념적 건전성 설명이 직관적: "연체 횟수가 많으면 점수가 낮아진다"를 점수표로 보여줄 수 있음
  • Back-testing 용이: 등급별 예측 PD와 실현 PD 비교가 명확
  • Adverse Action (거절 사유): 점수 기여가 가장 큰 변수를 거절 사유로 제시 가능

ML 모형과의 대비

ML 모형(XGBoost, Random Forest 등)은 SR 11-7의 "개념적 건전성"과 "독립적 검증"에서 추가적인 노력이 필요하다. 변수 간 비선형 상호작용이 존재하고, SHAP 등 사후 해석(post-hoc explanation)에 의존해야 하기 때문이다. ML 모형의 규제 대응에 대해서는 ML 섹션 — 규제 프레임워크에서 다룬다.

출처: Federal Reserve. "Supervisory Letter SR 11-7: Guidance on Model Risk Management." April 4, 2011. 원문 링크

5.3 Basel IRB — 내부등급법 모형 검증 요건

Basel II/III 내부등급법(Internal Ratings-Based Approach, IRB)을 적용하는 은행은 자체 신용등급 모형으로 규제자본을 산출한다. 이에 따라 모형의 품질이 은행의 자본 적정성에 직접 영향을 미치며, 감독당국은 엄격한 검증 요건을 부과한다.

IRB 모형 검증의 핵심 요건

요건 내용
최소 연 1회 검증 변별력, Calibration, 안정성 지표를 종합 검증하고 결과를 문서화
Back-testing 의무 등급별 예측 PD와 실현 PD의 괴리를 통계적으로 검정
등급별 부도율 단조성 등급이 나쁠수록 부도율이 높아야 함 — 역전 시 원인 분석 및 조치
OOT 검증 개발 기간 이외 데이터에서의 성능 확인 필수
모형 변경 보고 중대 변경(변수·구조 변경) 시 감독당국 사전 보고 또는 승인
재개발 시 문서 제출 개발 데이터, 검증 결과, 기존 모형 대비 성능 비교 포함
Override 관리 모형 점수를 무시한 심사 건의 비율·사유 추적, 과도한 Override 시 모형 재보정 검토

Capital Add-on — Calibration 실패의 대가

Back-testing에서 예측 PD가 실현 PD를 체계적으로 과소 추정하는 것이 확인되면, 감독당국은 자본 추가 적립(Capital Add-on)을 요구할 수 있다. 이는 은행의 수익성에 직접 타격을 주므로, Calibration 모니터링은 단순한 통계 검증이 아니라 경영 이슈다.

5.4 국내 규제 환경

신용평가모형 검증 요건

금융감독원은 은행업감독규정 및 관련 시행세칙을 통해 신용평가모형의 개발·검증·운영에 대한 요건을 제시하고 있다. Basel IRB 프레임워크에 기반한 주요 요건은 다음과 같다.

요건 내용
적정성 검증 최소 연 1회 모형 성능 검증 실시
안정성 모니터링 PSI 등 안정성 지표를 정기적 모니터링
모형 변경·폐기 사전 보고 의무
문서 보존 모형 검증 결과 및 조치 이력을 최소 5년간 보존
개발 기록 변수 선정 근거, 모형 구조, 검증 결과를 포함한 개발 보고서 보관

금융 분야 AI 가이드라인

금융위원회(FSC)는 2021년 금융분야 인공지능(AI) 가이드라인을 발표하고, 2025년 12월에 개정했다. 개정안에서 7대 원칙을 제시한다:

  1. 거버넌스 — AI 시스템의 책임 소재를 명확히
  2. 합법성 — 관련 법규 준수
  3. 보조수단성 — 인간의 판단을 AI가 보완
  4. 신뢰성 — 정확성, 안정성, 재현성 확보
  5. 금융안정성 — 시스템 리스크 방지
  6. 신의성실 — 소비자 이익 보호
  7. 보안성 — 데이터 보호, 사이버 보안

금융감독원(FSS)은 2026년 1월 금융분야 AI 위험관리 프레임워크(AI RMF)를 발표하여, AI 수명주기 전반의 체계적 리스크 관리를 요구하고 있다.

전통 스코어카드와 AI 가이드라인

전통 로지스틱 회귀 스코어카드는 AI/ML 범주에 해당하지 않으므로 AI 가이드라인의 직접 적용 대상은 아니다. 다만 ML 챌린저 모형을 병행 운용하거나, 향후 ML 기반 모형으로 전환할 경우 이 가이드라인이 적용된다. ML 모형의 규제 대응에 대해서는 ML 섹션 — 규제 프레임워크에서 상세히 다룬다.

출처: 금융위원회 '금융분야 AI 가이드라인 개정안'(2025.12), 금융감독원 'AI 위험관리 프레임워크'(2026.1)

5.5 해외 규제 동향

EU AI Act — 신용평가 AI는 "고위험"

EU AI Act는 신용평가 AI를 고위험(High-risk) 시스템으로 분류한다. 투명성, 설명 가능성, 데이터 거버넌스, 인적 감독, 문서화가 요구된다.

EBA ML for IRB Report (2023)

유럽은행감독청(EBA)은 IRB에 ML을 사용하는 은행을 대상으로 실태 조사를 수행했다. 주요 결과:

  • 은행의 40%가 Shapley values 활용
  • 20%가 시각적 도구
  • 28%가 문서화 강화

ECB Internal Models Guide (2025)

ECB는 ML 챕터를 신설하여, LIME 등 surrogate를 허용 가능한 해석 접근으로 명시했다.

해외 규제의 시사점

미국(SR 11-7)과 유럽(EU AI Act, EBA, ECB)의 방향은 명확하다: 설명 가능하지 않은 모형은 점점 더 운영하기 어려워진다. 전통 스코어카드는 이 요건을 본질적으로 충족하며, 이것이 규제 환경에서 전통 스코어카드가 여전히 "규제모형의 표준"인 이유 중 하나다.

5.6 모형 문서화 — 무엇을 남겨야 하는가

규제 검증에서 가장 빈번한 지적 사항 중 하나가 문서화 미비다. 모형 개발 보고서에 최소한 다음 항목이 포함되어야 한다.

구분 필수 항목
모집단 설계 Target 정의(Good/Bad), 성과 기간, 제외 기준, 샘플 설계 근거
변수 선정 초기 변수풀, Fine/Coarse Classing 과정, WoE/IV 평가, 단변량·다변량 검정 결과
모형 구조 최종 변수, 회귀계수, 스코어카드 변환 파라미터 (Anchor, PDO)
성능 평가 KS, AR, AUC — 개발/OOS/OOT 대비표
안정성 검증 PSI, CSI, 등급별 부도율 단조성
한계 및 가정 모형이 잘 작동하지 않는 세그먼트, 데이터 제약, 가정의 한계
변경 이력 기존 모형 대비 변경 사항, 변경 사유, 성능 비교

실무 팁 — 문서화는 개발과 동시에

모형 개발이 끝난 후 문서를 작성하면, 변수 선정 과정의 세부 의사결정 근거가 유실되기 쉽다. 개발 단계마다 의사결정 기록을 남기고, 최종 보고서는 이를 정리하는 방식이 효율적이다.

시리즈 완료

개요 → 이론 → 변수 선정(Classing · WoE/IV · 단변량 LR) → 모델링(Full Model) → 스코어카드(변환 · 성능 평가 · OOT 검증 · 모니터링과 운영 · 규제 프레임워크)까지, 스코어카드 모형의 개발에서 운영·규제까지 전 과정을 다루었다.