Ch3. 신용분석사 — 개인신용평가와 소매여신 분석

개인신용평가의 목적과 활용

**개인신용평가(Personal Credit Assessment)**는 개인 금융 소비자의 채무 상환 능력과 의지를 체계적으로 분석하여 대출 가능 여부, 한도, 금리를 결정하는 프로세스입니다. 기업신용평가가 재무제표와 사업위험을 중심으로 이루어지는 것과 달리, 개인신용평가는 개인의 금융 거래 이력, 소득·직업, 부채 수준, 신용거래 행태 등을 종합적으로 분석합니다.

개인신용평가의 주요 활용 분야

개인신용평가 결과는 다양한 금융 의사결정에 활용됩니다.

대출 심사: 주택담보대출, 신용대출, 자동차 할부금융 등의 대출 가능 여부와 한도 결정에 직접 사용됩니다. 신용점수가 높을수록 더 많은 금액을 더 낮은 금리로 빌릴 수 있습니다.

신용카드 발급: 카드사는 신용점수를 기반으로 카드 발급 여부와 한도를 결정합니다. 점수가 낮으면 발급 거절되거나 한도가 낮게 책정됩니다.

금리 차등 적용: 같은 대출 상품이라도 신용점수에 따라 적용 금리가 달라집니다. 고신용자는 저금리 혜택을, 저신용자는 고금리나 대출 제한을 받습니다.

연대보증 평가: 보증인의 신용도를 평가하여 보증 능력을 판단합니다.

개인신용평가의 법적 근거

한국에서 개인신용평가는 「신용정보의 이용 및 보호에 관한 법률」(신용정보법)에 의해 규율됩니다. 개인신용평가사(CB, Credit Bureau)는 금융위원회의 허가를 받아야 영업할 수 있으며, 신용정보 수집·활용 방식은 엄격히 제한됩니다.

CSS(Credit Scoring System) 모형

CSS란 무엇인가

**CSS(Credit Scoring System, 신용평점 시스템)**는 통계적 기법을 활용하여 개인의 신용 데이터를 점수화하는 시스템입니다. 다수의 변수(상환 이력, 부채 수준, 거래 기간 등)를 분석하여 대출 신청자가 향후 일정 기간(보통 12~24개월) 내에 연체할 확률을 예측합니다.

CSS의 개발 역사

CSS의 기원은 1950년대 미국의 FICO(Fair Isaac Corporation) 점수입니다. 에드워드 아이작(Edward Isaac)과 빌 페어(Bill Fair)가 개발한 이 모형은 이후 전 세계 소매금융의 표준이 되었습니다. 한국에서는 1995년 신용정보법 개정 이후 개인 CB 시장이 본격화되었으며, 현재는 NICE평가정보와 코리아크레딧뷰로(KCB)가 양대 CB사로 운영됩니다.

CSS 모형 구조

CSS는 크게 **신청 점수 모형(Application Scorecard)**과 **행동 점수 모형(Behavioral Scorecard)**으로 구분됩니다.

신청 점수 모형(Application Score):
  - 대출 신청 시점에 활용
  - 인적 사항 + 신용 이력으로 계산
  - 승인/거절 여부 및 한도 결정

행동 점수 모형(Behavioral Score):
  - 기존 대출 고객의 관리에 활용
  - 실제 상환 패턴, 잔액 변동 반영
  - 한도 조정, 연체 조기 경보

**로지스틱 회귀(Logistic Regression)**가 CSS의 핵심 통계 기법으로 널리 사용됩니다. 최근에는 머신러닝(랜덤 포레스트, XGBoost, 딥러닝)을 결합한 고도화 모형도 도입되고 있습니다.

P(연체) = 1 / (1 + exp(-(β₀ + β₁X₁ + β₂X₂ + ... + βₙXₙ)))

X₁~Xₙ: 상환 이력, 부채 수준, 신용 기간 등 독립변수
β₀~βₙ: 각 변수의 가중치 계수
P(연체): 12~24개월 내 연체 발생 확률

신용점수 구성 요소

5대 신용점수 구성 요소 (FICO 기준)

국제적으로 통용되는 FICO 점수는 5가지 요소로 구성되며, 각 요소의 가중치가 다릅니다.

구성 요소	가중치	주요 내용
상환 이력(Payment History)	35%	연체 횟수, 연체 금액, 최근 연체 여부
부채 수준(Amounts Owed)	30%	신용 한도 대비 사용액(이용률), 총 부채 규모
신용거래 기간(Length of Credit History)	15%	최초 신용 개설 시점, 평균 계좌 개설 기간
신규 신용(New Credit)	10%	최근 신규 계좌 개설 횟수, 조회 횟수
신용 유형(Credit Mix)	10%	신용카드·할부·주택대출 등 유형 다양성

상환 이력 (35%)

가장 중요한 요소입니다. 과거 채무를 제때 갚았는지 여부를 봅니다.

연체 판정 기준(국내):
  30일 이상 연체: 경미한 연체 → 점수 소폭 하락
  90일 이상 연체: 심각한 연체 → 점수 대폭 하락
  180일 이상 연체: 장기 연체 → 부실채권 처리

연체 정보 보존 기간:
  단기 연체(30~89일): 완제 후 1년
  장기 연체(90일 이상): 완제 후 5년

신용 이용률 (부채 수준의 핵심 지표)

**신용 이용률(Credit Utilization Rate)**은 신용카드 한도 대비 실제 사용 금액의 비율입니다.

신용 이용률 = 현재 신용카드 잔액 합계 / 전체 한도 합계 × 100

권장 수준: 30% 이하
예시:
  카드 A 한도 500만 원, 잔액 150만 원
  카드 B 한도 300만 원, 잔액 50만 원
  → 이용률 = (150+50) / (500+300) × 100 = 25% ← 양호

이용률이 높을수록 신용 점수가 하락합니다. 한도 대비 95% 이상 사용 중이라면 신용 리스크가 높다는 신호로 해석됩니다.

NICE vs KCB 신용평가 체계

국내 양대 CB사 비교

한국의 개인 CB 시장은 NICE평가정보와 **코리아크레딧뷰로(KCB)**가 양분하고 있습니다. 두 기관은 점수 체계와 데이터 수집 방식에서 차이가 있습니다.

구분	NICE평가정보	KCB(올크레딧)
점수 범위	1~1,000점	1~1,000점
등급 체계	1~10등급	1~10등급
고신용 기준	900점 이상(1등급)	942점 이상(1등급)
저신용 기준	600점 이하(7등급 이하)	595점 이하(7등급 이하)
주요 활용	은행권 중심	카드사·캐피탈 중심

등급별 대출 가능 여부

1~2등급(900점 이상): 최우량 고객, 최저금리 적용
3~4등급(700~899점): 우량 고객, 시중은행 대출 가능
5~6등급(600~699점): 보통 고객, 은행 일부 가능·2금융권 주력
7~8등급(500~599점): 저신용, 캐피탈·저축은행
9~10등급(500점 미만): 최저신용, 대부업 또는 대출 불가

신용점수 향상 방법

신용점수는 고정된 값이 아니라 금융 행동에 따라 지속적으로 변합니다.

점수 상승 요인

카드·대출 정기 납부 지속
신용 이용률 30% 이하 유지
신용 기간 장기 유지(오래된 카드 해지 자제)
통신비·관리비 납부 이력 등록(비금융 정보 활용)

점수 하락 요인

연체 발생(단기라도 점수 하락)
단기간 다수 대출 신청(조회 집중)
총 부채 급격 증가
신용카드 해지(한도 감소 → 이용률 상승)

소매여신 심사 프로세스

소매여신이란

**소매여신(Retail Credit, Consumer Lending)**은 개인을 대상으로 하는 금융기관의 대출 업무 전반을 말합니다. 기업여신(Corporate Lending)과 구분되며, 주택담보대출, 신용대출, 자동차 할부, 학자금 대출 등이 포함됩니다.

여신 심사 5C 원칙

소매여신 심사에서 금융기관이 평가하는 핵심 요소를 5C로 정리합니다.

1. 채무 의지(Character): 상환 의지, 신용 이력
   → 상환 이력, 연체 기록, 금융 거래 패턴

2. 채무 능력(Capacity): 상환 능력, 소득 수준
   → 소득 대비 부채상환비율(DSR), 월 상환액

3. 자본(Capital): 보유 자산
   → 금융자산, 부동산, 퇴직연금 등

4. 담보(Collateral): 대출 보증 자산
   → 아파트, 오피스텔, 자동차 등

5. 경기(Conditions): 거시경제 환경
   → 금리 수준, 부동산 시장, 실업률

DSR(총부채원리금상환비율)

**DSR(Debt Service Ratio)**은 연간 총 원리금 상환액이 연 소득에서 차지하는 비율로, 대출 가능 여부의 핵심 지표입니다.

DSR = (연간 총 원리금 상환액 / 연 소득) × 100

예시:
  연 소득: 5,000만 원
  주택대출 월 상환액: 80만 원 × 12 = 960만 원
  기타 대출 월 상환액: 30만 원 × 12 = 360만 원
  총 연간 상환액: 1,320만 원
  → DSR = 1,320만 / 5,000만 × 100 = 26.4%

규제 기준(2024년 기준):
  은행권: DSR 40% 이하
  비은행권: DSR 50% 이하

LTV(주택담보대출비율)

LTV = 대출금액 / 담보물 감정가 × 100

규제 지역별 기준(2024년 기준):
  투기과열지구: LTV 40% (9억 이하 주택)
  조정대상지역: LTV 50%
  기타지역: LTV 70%

LTV는 담보 보호 관점에서 설정된 비율입니다. 주택 가격이 하락해도 금융기관이 손실을 최소화하기 위한 안전 마진을 확보합니다.

연체 예측과 기대손실 계산

연체 예측 모형의 활용

금융기관은 CSS를 활용하여 대출 신청자의 연체 가능성을 사전에 예측합니다. 이 예측은 다음과 같이 활용됩니다.

커트오프 점수(Cutoff Score): 승인/거절을 나누는 기준 점수. 금융기관의 리스크 허용도에 따라 설정합니다.

대출 승인/거절 의사결정 구조:
  CSS 점수 ≥ 커트오프 → 승인
  CSS 점수 < 커트오프 → 거절 또는 추가 심사

ROC 곡선(Receiver Operating Characteristic): 모형의 판별력을 평가하는 지표. AUC(Area Under Curve)가 1에 가까울수록 우수한 모형입니다.

기대손실(Expected Loss) 계산

신용리스크 관리에서 **기대손실(EL, Expected Loss)**은 포트폴리오 손실을 사전에 예측하는 핵심 개념입니다.

기대손실(EL) = PD × LGD × EAD

PD(Probability of Default): 부도 확률
  → CSS 점수로 산출 (예: 600점 이하 → PD 5%)

LGD(Loss Given Default): 부도 시 손실률
  → (1 - 회수율)
  → 담보 없는 신용대출: LGD 60~80%
  → 주택담보대출: LGD 20~40%

EAD(Exposure At Default): 부도 시 익스포저
  → 대출 잔액 + 미인출 한도 × 전환계수(CCF)

계산 예시

신용대출 1,000만 원 (미인출 한도 없음)
PD: 3%, LGD: 65%, EAD: 1,000만 원

EL = 0.03 × 0.65 × 1,000만
   = 19.5만 원

→ 이 대출에서 기대되는 평균 손실액: 약 19.5만 원

대손충당금과 기대손실

금융기관은 기대손실을 기반으로 **대손충당금(Loan Loss Reserve)**을 설정합니다. 대손충당금은 미래 손실에 대비하여 미리 비용으로 인식하는 회계 처리입니다.

충당금 설정 단계:
  정상: EL 기준 0.5~1%
  요주의: EL 기준 2~20%
  고정: 20% 이상
  회수의문: 50% 이상
  추정손실: 100%

핵심 개념 카드

개념	설명	중요도
CSS(신용평점 시스템)	통계 모형으로 개인 신용 위험 점수화	★★★★★
신용 이용률	카드 한도 대비 사용액 비율, 30% 이하 권장	★★★★★
DSR	연소득 대비 연간 총 원리금 상환 비율	★★★★★
LTV	담보물 감정가 대비 대출금액 비율	★★★★★
기대손실(EL)	PD × LGD × EAD, 포트폴리오 손실 예측	★★★★★
PD(부도 확률)	CSS 점수 기반 연체 발생 확률	★★★★☆
LGD(부도 시 손실률)	부도 발생 시 실제 손실 비율, 1-회수율	★★★★☆
NICE vs KCB	국내 양대 CB사, 점수 체계 유사하나 데이터 차이	★★★☆☆
5C 원칙	채무의지·능력·자본·담보·경기 여신 심사 틀	★★★☆☆
커트오프 점수	대출 승인/거절 기준점, 리스크 허용도 반영	★★★☆☆

실전 퀴즈

Q1. 연 소득 6,000만 원인 A씨가 주택담보대출 월 120만 원, 신용대출 월 40만 원을 상환 중이다. 은행권에서 추가 자동차 할부 월 30만 원을 신청할 경우 DSR 규제 통과 여부를 판단하시오.

A1.

기존 연간 원리금 상환액:
  주택담보 120만 × 12 = 1,440만 원
  신용대출  40만 × 12 =  480만 원
  소계:                 1,920만 원

자동차 할부 추가 시:
  30만 × 12 = 360만 원
  총 상환액 = 1,920만 + 360만 = 2,280만 원

DSR = 2,280만 / 6,000만 × 100 = 38%

은행권 DSR 규제 상한 40% 이하이므로 규제를 통과합니다. 다만 여유 한도가 2%p에 불과하여 추후 금리 인상 시 실질 부담이 늘어날 수 있음을 유의해야 합니다.

Q2. 신용점수를 높이기 위해 오래된 신용카드를 해지하는 것이 좋은 전략인지 판단하고, 그 이유를 신용점수 구성 요소 관점에서 설명하시오.

A2. 오래된 신용카드를 해지하는 것은 일반적으로 신용점수에 불리한 전략입니다. 그 이유는 두 가지 구성 요소와 관련됩니다.

첫째, 신용거래 기간(15%) 관점에서 오래된 카드는 신용 이력의 길이를 늘려 줍니다. 가장 오래된 계좌를 해지하면 평균 신용 기간이 단축되어 점수가 하락합니다. 둘째, 신용 이용률(부채 수준 30%) 관점에서 카드를 해지하면 전체 신용 한도가 줄어듭니다. 같은 잔액이 있어도 한도가 줄면 이용률이 올라가 점수가 하락합니다.

따라서 연회비가 부담스럽더라도 가능하면 한도를 낮추거나 최소 사용 유지 방식으로 계속 보유하는 것이 신용점수 관리에 유리합니다.

Q3. 기대손실(EL) 공식에서 LGD(부도 시 손실률)가 주택담보대출보다 신용대출에서 더 높게 산출되는 이유를 설명하시오.

A3. LGD(Loss Given Default)는 부도 발생 시 실제로 손실이 되는 비율로, 공식은 LGD = 1 - 회수율입니다.

주택담보대출은 부도가 발생하더라도 담보로 설정된 주택을 경매·공매를 통해 처분하여 대출원금을 상당 부분 회수할 수 있습니다. 주택 담보 가치가 LTV 범위 내에 있으면 회수율이 60~80%에 달하므로 LGD는 20~40% 수준이 됩니다.

반면 신용대출은 담보 없이 개인의 신용만 보고 실행된 대출입니다. 부도 발생 시 추심을 통해 회수하지만 대부분의 채무자가 무자력 상태이거나 재산이 없어 회수율이 20~40%에 그칩니다. 따라서 LGD는 60~80%로 높게 산출됩니다. 이것이 신용대출 금리가 담보대출보다 구조적으로 높을 수밖에 없는 이유입니다.

Q4. NICE평가정보와 KCB의 신용점수가 동일인에 대해 다르게 산출될 수 있는 이유를 설명하시오.

A4. 동일인이라도 두 CB사의 점수가 다를 수 있는 주된 이유는 데이터 수집 범위와 모형 구조의 차이 때문입니다.

첫째, 데이터 제공 기관이 다릅니다. 특정 은행이나 카드사가 한 CB사에만 데이터를 제공하는 경우, 다른 CB사는 해당 거래 이력을 확인할 수 없어 같은 이력을 반영하지 못합니다. 둘째, 각 CB사가 보유한 비금융 데이터(통신요금 납부, 국민건강보험료 납부 등)의 종류와 가중치가 다릅니다. 셋째, 로지스틱 회귀 모형의 변수 선택과 계수 값이 회사마다 다르게 개발됩니다.

따라서 대출 신청 전에 두 CB사의 점수를 모두 확인하고, 점수가 더 높은 기관의 점수를 주로 활용하는 금융기관에 신청하는 것이 유리할 수 있습니다.

Q5. PD 2%, LGD 70%, EAD 5,000만 원인 신용대출의 기대손실을 계산하고, 금융기관이 이 기대손실을 어떻게 활용하는지 설명하시오.

A5.

기대손실(EL) = PD × LGD × EAD
            = 0.02 × 0.70 × 5,000만
            = 70만 원

이 대출에서 통계적으로 기대되는 평균 손실은 70만 원입니다.

금융기관은 이 기대손실을 두 가지로 활용합니다. 첫째, 대손충당금 설정: 70만 원을 비용으로 사전 인식하여 회계상 손실에 대비합니다. 둘째, 금리 산정: 대출 금리를 기대손실, 자금 조달 비용, 운영 비용, 목표 이익을 합산하여 결정합니다. 기대손실이 높은 대출일수록 더 높은 금리가 적용되는 이유가 바로 여기에 있습니다. 즉, 기대손실은 리스크 기반 가격 결정(Risk-Based Pricing)의 핵심 투입 변수입니다.

OIYO 편집부