금융기관은 개인과의 신용거래 과정에 서 정보의 비대칭(information asymmetry) 문제에 직면한다.

이에 따라 금융기관들은 가능한 거래 상대방의 다양 한 정보를 확보하고 이들을 면밀히 살펴 이들의 신

용위험 크기를 파악하고자 노력 할 필요가 있다. 하지만 현실적으로 개인 정보보호법 등의 법·제도적 제

약으로 금융 기관이 개인의 특정 정보를 획득하고 활용 하는데 현실적 한계가 존재한다. 그동안 전통 경

제학자(traditional economists)들은 다양한 특성을 가진 개 인들이라 할지라도 가능한 많은 개인의 정

보를 군집화시키게 되면 이른바 정규분포 (normal distribution)에 기반한 합리적 예 측이 가능하다고

주장하였다. 이에 따라 실제로 금융기관 또는 신용평가기관(CB; Credit Bureau, 이하 CB사)은 개인의

다 양한 정보를 그룹화시켜 이를 오차 허용수 준 범위 내에서 관리하고, 이를 정량적으 로 분석하면 개인

의 신용위험을 보다 효과 적으로 관리할 수 있다고 판단하였으며, 또 이는 시간이 지나도 크게 변하지 않

을 것으로 가정하였다. 하지만 최근 행동경제학(behavioral economics) 분야의 연구들은 이와는 다른

시각과 접근방법 등을 제시하고 있다. 이 들은 개인의 합리성 가정에 관한 의문을 제기하면서, 인간은 사

실 충분히 합리적으 로 행동한다고 보기 어려우며, 의사결정과 정에서 자신의 환경적, 심리적, 행태적 요

소 등에 유의미한 영향을 받기 때문에 군 집화된 정보로 이들의 보편적이고 평균적 신용위험을 관리하

는 것은 효율적이지 않 을 수 있다고 보았다. 즉, 이는 그동안 단 순한 이례현상(anomaly)으로 분류되어

왔 던 개인의 비합리적 의사결정으로 인한 금 융거래 충격은 금융기관들이 결코 무시할 수 없는 수준일

수 있으며, 만약 개인의 비합리적 행태가 금융기관들과의 신용거래 과정에서 빈번히 발현된다면 결과적

으로 금융기관들은 작지 않은 추가비용을 부담 할 수밖에 없다고 하였다. 금융거래 과정에서 거래 상대

방의 신용 위험을 보다 효과적으로 평가하고 효율적 으로 관리하기 위해서는 결국 신용 거래자 가 경제

적 채무를 약속된 기간 내 상환할 수 있는 현재의 ‘경제력 수준’을 평가하고, 또 이러한 약속을 지키고자

노력하는 개인 의 ‘상환의지’가 어떠한지를 현재의 시점 에서 파악할 필요가 있다. 그리고 이와 함 께 이

러한 ‘현재의 거래환경이 미래에 변 화할 가능성’ 도 함께 고려되어야 하는데, 현 개인 신용평가 체계는

개인의 상환의지 와 거래환경의 변화 가능성 등을 함께 고 려하기보다는 현 경제력 수준과 과거의 금 융

거래 행태 정도를 살펴보는 일괄평가 체 계 수준에 머물러 있는 것이 사실이다. 따 라서 현 개인 신용평

가 체계는 거래 상대 방의 갑작스런 경제력의 변화, 개인성향에 따른 비합리적 의사결정 등에 의한 신용

위 험을 충분히 반영하지 못할 수 있으며, 또 과거 신용거래 이력이 없는 신용거래 무이 력자(이하 thin-

filer) 신용위험의 평가에 도 적합하지 않다는 한계가 지적되고 있 다. 결국 이러한 이유로 신용거래 무

이력 자로 분류되는 청년, 주부, 고령층, 외국인 등의 금융시장 참여는 제약되고, 결과적으 로 금융시장

의 효율성은 낮아지게 된다하지만 최근 4차 산업혁명에 따른 금융 분야에서의 혁신적 변화가 본격화되

면서 다양한 영역에서의 빅데이터(big data)가 축적되어 활용되고 있다. 그리고 이를 빠 르게 처리할 수

있는 분석능력도 크게 향 상되어 이를 활용한 핀테크 산업과 관련 산업들이 급성장하고 있다. 이에 따라

새 로운 방식의 개인 신용평가 방식이 시도되 고 있으며, 국내 개인 신용평가에도 이러 한 흐름에 대응한

다양한 변화의 정책적 노력이 감지되고 있다. 최근 정부는 금융 기관들이 신용평가사가 제공하는 신용

등급 의 단순 적용의 한계를 보완하기 위해 신 용점수제로의 전환과, 성실상환자 신용의 재평가, 그리고

통신요금, 보험료, 공공요 금 납부이력 등의 다양한 비금융 정보의 반영을 확대하는 방안을 추진하고 있

으 며,1) 핀테크 산업도 인공지능(AI; Artificial Intelligence)을 활용한 머신러닝 (machine learning)

등의 기법으로 다양한 빅데이터를 활용한 새로운 신용위험 평가 방식을 시도하고 있기 때문이다.

Avatar

By admin

댓글 남기기