딥러닝 앙상블 모델 기반 시계열 행동 데이터의 신용 부도 예측

초록

관련 기술의 발전과 함께 신용카드는 금융 산업에서 빠르게 보급되어 현재까지도 널리 활용되고 있다. 하지만 신용카드 사용자의 급격한 증가와 함께, 신용 카드의 무리한 사용으로 신용 부도를 초래하는 사용자도 많이 증가하였다 이에 대한 예방 조치가 제대로 이루어지지 않는다면 은행 및 금융 기관들은 심각한 손실을 입을 수 있다. 이로 인해 신용 부도 예측은 다양한 금융 기업들의 소비자 대출 사업의 핵심 요소로 작용해왔다. 신용 부도 예측을 통해 대출 기관은 대출 관리를 최적화하고, 더 나은 고객 경험을 제공하면서 안정적인 비즈니스 경제를 유지할 수 있다. 본 연구에서는 아메리칸 익스프레스에서 제공한 데이터를 기반으로 개인 채무 불이행 위험을 예측하는 작업을 수행한다 본 논문에서는 신용 부도 예측을 위해 GRUGRU와 TransformerTransformer의 앙상블 모델을 제안한다. 비교 실험을 통해 앙상블 모델이 다른 싱글 딥러닝 모델들과 머신러닝 모델들 보다 더욱 우수한 성능을 보이는 것을 확인하였다