어피닛 AI 엔진이 고객의 EMI를 추정하는 방법
AI
어피닛 AI 엔진이 고객의 EMI를 추정하는 방법
두줄요약
인도 신흥시장에서 EMI 누락 문제를 해결하기 위해 수학적 추정 프레임워크를 소개했습니다. 금융 원리에 맞는 화이트박스 방식으로 심사 지표 커버리지를 높인 사례를 다뤘습니다.
핵심 내용
- 인도 신흥시장에서 대출 심사에 필요한 EMI 정보가 크게 누락되는 문제 제기
- 대출금액, 상환기간, 금리의 관계와 SAM 개념을 활용한 EMI 추정 프레임워크 소개
- 수학적 추정과 계층적 접근으로 99.8% 수준의 EMI 커버리지 달성
선택 이유
- 계산 과정이 설명 가능한 화이트박스 구조
- 금융 원리와의 일관성 유지
- ML 예측값을 보정하는 보완적 활용 가능
적용해볼 점
- 결측 금융변수 추정에 도메인 수식과 해석적 방법 결합
- 외삽이 많은 신흥시장 데이터에서 규칙 기반 추정과 ML 혼합 검토
- DTI, FOIR 같은 핵심 지표의 커버리지 향상에 활용 가능