[논문 리뷰] Formulating A Strategic Plan Based On Statistical Analyses And Applications For Financial Companies Through A Real-World Use Case

Saman Sarraf|arXiv (Cornell University)|2023. 07. 10.

Big Data and Business IntelligenceBusiness, Management and Accounting인용 수 3

한 줄 요약

이 논문은 통계 분석과 기계학습을 활용하여 대출 승인 속도를 향상시키고 부실대출 위험을 감소시키기 위해 데이터 기반 전략 계획을 제안한다. 200만 건의 대출 기록을 분석한 결과, 높은 대출 금액이 채권 회수 불가율을 크게 증가시킴을 확인하였으며, 이에 따라 고도화된 기능 공학과 기계학습 모델을 적용한 클라우드 기반 대용량 데이터 플랫폼 도입을 권고한다. 이는 예측 정확도와 운영 효율성을 향상시킬 수 있다.

ABSTRACT

Business statistics play a crucial role in implementing a data-driven strategic plan at the enterprise level to employ various analytics where the outcomes of such a plan enable an enterprise to enhance the decision-making process or to mitigate risks to the organization. In this work, a strategic plan informed by the statistical analysis is introduced for a financial company called LendingClub, where the plan is comprised of exploring the possibility of onboarding a big data platform along with advanced feature selection capacities. The main objectives of such a plan are to increase the company's revenue while reducing the risks of granting loans to borrowers who cannot return their loans. In this study, different hypotheses formulated to address the company's concerns are studied, where the results reveal that the amount of loans profoundly impacts the number of borrowers charging off their loans. Also, the proposed strategic plan includes onboarding advanced analytics such as machine learning technologies that allow the company to build better generalized data-driven predictive models.

연구 동기 및 목표

• LendingClub의 대출 리스크 평가 및 의사결정 속도 향상을 위한 데이터 기반 전략 계획 수립.
• 통계적 가설 검정을 통해 대출 금액과 대출자 채권 회수 불가율 간의 관계 조사.
• 실시간 대출 승인 및 예측 모델링을 지원하기 위한 확장 가능한 대용량 데이터 분석 플랫폼의 구현 가능성 평가.
• 모델 성능 향상과 인프라 비용 관리의 균형을 고려한 향상된 기능 선택 및 데이터 수집 전략 제안.

제안 방법

• 대출 금액과 채권 회수 불가 플래그 간의 관계를 평가하기 위해 t-검정, ANOVA 및 상관 분석을 수행.
• 145개의 특성과 200만 건 이상의 관측치를 포함한 데이터셋에 대해 데이터 정제, 결측치 처리 및 기능 공학을 수행.
• 기본선형 및 로지스틱 회귀, 군집 분석, 상관 분석을 적용하여 부실의 주요 예측 변수 규명.
• 배치 및 스트림 처리를 지원하기 위해 AWS를 활용한 클라우드 기반 대용량 데이터 아키텍처 설계.
• 데이터 수신, 전처리, 통계/기계학습 모델링, 결과 저장, 사용자 인터페이스 기반 시각화를 포함한 모듈식 구성 요소를 갖춘 종단 간 파이프라인 제안.
• 분기별 통계 분 析 기반 자동화된 모델 재학습 및 기능 선택 최적화를 통합.

Figure 1: Left: Distribution of borrowers Right: Distribution of loan amounts charged off

실험 결과

연구 질문

• RQ1 대출 금액과 대출자 채권 회수 불가 가능성 간에 통계적으로 유의미한 관계가 존재하는가?
• RQ2 낮은 대출 금액 대비 높은 대출 금액이 더 높은 부실률과 관련이 있는가?
• RQ3 고급 기능 선택 및 대용량 데이터 분석이 부실 예측 모델의 정확도를 향상시킬 수 있는가?
• RQ4 LendingClub의 분석 파이프라인을 클라우드 기반 대용량 데이터 플랫폼으로 이전하기 위한 운영 및 기술적 단계는 무엇인가?
• RQ5 대상 지향적 데이터 수집은 인프라 비용을 줄이면서도 모델 성능을 향상시킬 수 있는가?

주요 결과

• 높은 대출 금액은 채권 회수 불가율 상승과 유의미하게 관련되어 있어 대출 규모와 부실 리스크 간 강력한 관계를 시사한다.
• 데이터셋은 결측치가 없는 32개의 특성을 포함하여 강력한 통계 모델링 및 예측 분석을 가능하게 한다.
• 가설 검정 결과, 대출 금액과 채권 회수 불가 플래그 간 통계적으로 유의미한 관계가 확인됨 (p < 0.05), 이는 리스크 조정된 대출 기준 필요성을 뒷받침한다.
• 제안된 클라우드 기반 대용량 데이터 아키텍처는 실시간 데이터 처리를 가능하게 하며 기계학습 모델의 확장 가능한 배포를 지원한다.
• 분기별 통계 분석 기반의 대상 지향적 기능 선택은 데이터 볼륨과 인프라 부담을 줄일 수 있으나 모델 성능에는 영향을 주지 않는다.
• 자동화된 모델 재학습 및 향상된 기능 공학 통합은 예측 정확도 향상을 이끌 것으로 기대되며, 30분 이내 대출 승인 결론 도출을 지원할 수 있다.

Figure 2: Steps for migrating data pipeline to a cloud environment