금융 회사와 은행에서 테스트한 인구 데이터를 기반으로 대출자의 신용도를 평가하는 모델은 대출 위험을 최대 20%까지 줄일 수 있습니다.
이 정보는 8월 7일 오후 대출자의 신용도를 평가하기 위한 인구 데이터 적용에 관한 워크숍에서 공안부 산하 사회 질서 행정 경찰국 부국장인 부 반 탄 대령이 발표한 내용입니다.
탄 씨에 따르면, 이 모델은 미국 FICO 표준(30개국 이상에서 적용되는 고객 신용 평가 모델 구축 분야의 선도 기업)에 따라 구축되었으며, 현재 18개 주거 정보 필드가 기본적으로 완성되었습니다.
MB 은행 및 금융 회사(MCredit)는 10,000개의 시민 데이터를 테스트했고, PVcombank는 20,000개의 데이터를 테스트했으며, Datanest는 60,000개의 데이터를 테스트했습니다. 연구 결과에 따르면 은행과 신용 기관에 자본을 대출할 때 위험 비율이 7~20% 감소한 것으로 나타났습니다.
"테스트를 거친 후, 모든 은행은 공식적으로 이를 자사 프로세스에 적용하고 싶어합니다."라고 Vu Van Tan 대령이 말했습니다.
공안부는 인구 데이터를 적용하여 대출자의 신용도를 평가하는 프로젝트를 진행 중이며, 이는 신용 기관이 대출 시 위험을 줄이는 데 도움이 될 수 있습니다. 사진: 지앙 휘
은행업계와 공안부가 데이터를 결합해 활용하면서 많은 이점이 생겼습니다. 예를 들어, 4,100만 명의 고객의 신용정보와 개인식별코드 관리를 인증하고 동기화하고, 칩이 내장된 국민식별카드를 사용해 ATM에서 돈을 인출하고, 전자식별계좌를 사용해 인증하는 것이 가능해졌습니다.
공안부 장관에 따르면, 현대 기술이 적용되고 있지만 단지 도구로만 활용되고 있으며 은행의 대출 결정을 지원하는 정보와 데이터가 부족합니다. 생산 및 사업에 필요한 자본을 빌리는 일은 여전히 어려워서, 이로 인해 암거래가 성행하고 있습니다.
부반탄 대령에 따르면, 세 가지 주요 이유가 있다. 첫째, 은행에서 대출 대상을 평가하고 결정할 근거가 없다. 소외계층을 지원하는 정책이 없으며, 흑인 신용을 통제할 국가 관리 메커니즘도 부족합니다.
이에 따라 C06은 하노이 과학기술대학 정보기술학과와 협력하여 미국 FICO 신용 참조 기준에 따라 머신러닝 기술과 인공 지능을 사용하여 인구 데이터를 기반으로 대출자의 신용도를 평가하는 프로젝트를 시행했습니다.
베트남 국립은행 부총재 Pham Tien Dung에 따르면, 베트남의 신용평가는 은행에서 점점 더 보편화되고 인기 있는 위험 관리 도구입니다. 모델이 효과적으로 작동하고 미래 부채 상환 능력을 예측하려면 데이터의 정확성이 중요한 역할을 합니다.
부지사는 "신용도를 평가할 수 있는 데이터 소스를 확보하려면 대체 소스, 특히 국가 인구 데이터베이스에서 데이터를 공유하는 것이 필요하다"고 말했다.
데이터 소스 확대는 국가 신용 정보 센터(CIC)의 총책임자인 카오 반 빈 씨가 차용인의 신용 평가 효율성을 개선하기 위해 언급한 첫 번째 해결책이기도 합니다.
CIC에서 이 모델은 2015년에 구축되었습니다. 2019년에는 적용 범위 확대로 인해 CIC가 개별 대출인의 신용도를 평가하기 위한 CB 2.0 모델을 구축했습니다. 모델은 완성되었고, 모델 채점 결과는 2021년 4월부터 공개되었습니다.
빈 씨에 따르면, CIC의 정보 제공 성장률은 매년 15-20%에 달하며, 이는 경제 전체의 평균 신용 성장률보다 높습니다. 올해 상반기에만 CIC는 다양한 종류의 정보 보고서 3,100만 건 이상을 제공했습니다.
그러나 각 은행별로 고객의 신용도를 평가하기 위해서는 여전히 추가적인 기준이 필요합니다.
BIDV 관계자는 고객 신용 평가 모델은 통계적 방법을 사용하고 원칙과 매개변수를 설정하지만, 여전히 사용자는 직접 정보를 수집하고, 적극적으로 정보를 검색하고 검증해야 한다고 말했습니다. 그러나 디지털 채널에서 소매 신용 상품을 배포할 때 기존의 내부 신용 평가 시스템은 정보를 자동으로 수집하고 검증하며 정확한 결과를 제공하는 데 많은 한계에 직면합니다.
BIDV 담당자는 "제3자, 특히 유능한 국가 기관이 정보 출처를 검증하고 인증하는 것은 은행의 소매 신용 활동, 특히 디지털 상품에 있어 매우 중요하고 의미가 있다"고 말했습니다.
이 은행이 적용한 솔루션 중 하나는 공안부의 RAR 센터와 협력하여 시민 식별 데이터를 기반으로 한 고객 평가 프로젝트를 시행하는 것입니다. BIDV는 모델 백테스트 결과를 바탕으로 일부 소매 신용 상품에 신용 점수를 적용하는 방안을 연구하고 제안할 것이라고 밝혔습니다.
민손
[광고2]
소스 링크
댓글 (0)