스태킹 알고리즘을 활용해 국내 취약 채무자의 상환 가능성을 88%까지 예측할 수 있게 됐다.

한국자산관리공사가 입주해 있는 부산국제금융센터(BIFC) 전경. 국제신문DB

17일 한국자산관리공사(캠코)는 단독으로 수행한 이번 연구에서 머신러닝 방법론인 스태킹 알고리즘을 활용했다. 복수의 머신러닝에서 추정한 결과를 재학습해 최종 결과를 도출하는 방법론으로, 개별 모형이 가진 고유의 문제점을 효과적으로 보완할 수 있다는 장점이 있다. 캠코는 대출기관·규모, 채무자 나이 등 채권·채무자의 특성과 상환 가능성 간 관계성을 규명하고, 스태킹 알고리즘 모형을 통해 부실채권의 최종 회수 결과를 87.7%의 높은 정확도로 예측할 수 있음을 확인했다.

캠코는 이번 연구 결과를 바탕으로 취약 채무자의 최종 상환 가능성을 효과적으로 예측, 채무자 특성에 기반한 효율적 부실채권 관리에 대한 시사점을 제시했다. 회수가능성이 높은 채권·채무자 유형을 사전에 파악할 수 있게 돼 채무자 맞춤형 채무조정 프로그램도 제공할 수 있다. 또 회수가능채권 선별 등 채권관리 역량 향상에도 기여할 것으로 기대된다.

이 연구 논문은 국제 학술지 ‘컴퓨테이셔널 이코노믹스(Computational Economics)’ 최근호에 게재됐다. 이 학술지는 컴퓨터공학을 활용한 경제문제 해결 등을 주제로 매년 6회 발행하는 학술지다.

캠코가 권남주 캠코 사장은 “경기불황으로 금융권 전반의 부실채권 비율이 상승하고 있어 선제적인 리스크관리가 강조되고 있다. 앞으로도 캠코는 금융시장 상황을 주시하며 취약계층의 신속한 재기 지원 방안을 지속적으로 마련하겠다”고 말했다.