Earticle

초록

영어

In general, to analyze the factors affecting default risk of residential mortgage loan, traditional econometrics based approach has been mainly used. In this study, we estimate a default risk model based on machine learning approach by using the securitized mortgage loan data from Freddie Mac, and confirm the statistical significance by calculating marginal effect of individual risk factors. A machine learning based model is excellent in terms of predicting power, but it is generally pointed out that the model is not good at explaining the causal relationship between variables. In order to overcome long lasting cavity of machine learning approach, this paper introduces the concept of marginal effect and will be able to compare and contrast the explanatory power of individual input variables. By comparing the explanatory powers between the two methods, we also find the possibility of practical use of machine learning techniques complementary to traditional econometrics methods.

한국어

주택담보대출의 채무불이행에 영향을 미치는 요인을 분석하기 위해 주로 전통적 계량기법 위주의 분석이 이용되었다. 본 연구에서는 미국 프레디 맥(Freddie Mac)의 유동화된 주택담보대출 자료를 이용하여 기계학습 기반의 채무불이행 모형을 도출하고, 요인별 한계 효과를 계산함으로써 개별 요인이 갖는 통계적 유의성을 확인한다. 기존의 기계학습 모형은 예측력은 우수하나 모형이 현상을 제대로 설명할 수 없는 점은 한계로 지적되어 왔다. 본 연구는 그간 지적되어온 기계 학습의 한계를 넘어, 한계 효과의 개념을 도입함으로써 전통적인 계량 모형과 기계학습 모형의 개별 독립변수의 설명력을 비교하였다. 이를 통해 전통적 방법에 더하여 기계학습 기법이 실무에 보완적으로 활용할 수 있는 가능성을 확인하였다.

목차

요약
I. 서론
II. 이론적 고찰 및 선행 연구
1. 주택담보대출 채무불이행에 관한 연구
2. 기계학습과 신경망에 관한 연구
III. 분석모형
1. 분석 모형
2. 분석 방법
3. 데이터 및 변수
IV. 실증분석 결과
V. 결론
참고문헌
Abstract

키워드

주택담보대출 채무불이행 기계학습 로지스틱 회귀분석 인공신경망 한계 효과 Mortgage Loan Default Machine Learning Logistic Regression Artificial Neural Network Marginal Effect

저자

• 김동섭 [ Kim, Dong-Sup | 건국대학교 부동산학과 박사과정 ] 제1저자
• 신승우 [ Shin, Seung-Woo | 건국대학교 부동산학과 교수 ] 교신저자

참고문헌

발행기관

간행물