.png)
|
하나금융그룹은 최근 교보문고, 금융결제원, 세금 환급 정보 등 7종의 대안정보를 신규 도입하고 올해 하반기부터 개인금융 신용평가 모형에 적용할 계획이다. 기존에 활용하던 통신, 휴대폰 소액결제 정보 등에 새로운 데이터를 추가해 평가 정확도를 높이겠다는 구상이다.
NH농협금융지주도 대안정보 기반 머신러닝(ML) 심사전략을 하반기 중 확정할 예정이다. 통신비·세금·공과금 납부 이력과 도서 구매, 전통시장 및 대중교통 이용 내역, 개인사업자 가맹점 대출 정보 등을 종합적으로 활용해 신용 사각지대를 해소한다는 계획이다.
대안신용평가는 기존 신용평가사가 보유한 대출·연체·카드 이용기록 중심의 평가를 보완하기 위해 비금융 정보를 활용하는 방식이다. 금융 거래 이력이 부족한 사회초년생이나 프리랜서, 개인사업자 등이 생활 데이터를 통해 상환 능력을 입증할 수 있다는 점에서 포용금융 확대 수단으로 주목받고 있다.
금융당국은 이달 중 ‘포용금융추진단’을 발족하고 대안신용평가 활성화 방안을 논의할 예정이다. 하지만 현장에서는 금융권이 대안신용평가를 활용하기 위한 환경이 마땅치 않은 데다 오히려 금융사의 자본 부담을 키운다는 우려가 나온다.
우선 대안신용평가에 활용되는 정보들은 대부분 비정형 데이터여서 신용평가에 활용하기 위한 가공과 정제 과정이 필요하다. 또 기관 간 데이터를 결합하기 위해서는 데이터 3법 시행에 따라 가명으로 처리한 후 결합해야 하는데 그에 상당한 시간과 비용도 수반된다. 데이터 확보 비용도 부담이다. 정보 제공 기관마다 가격 체계가 달라 활용 범위를 확대하는 데 한계가 있다는 것이다. 더불어 대안 정보 기반 모형의 위험도를 검증할 수 있는 데이터도 아직 충분히 축적되지 않아 대안신용평가는 전통적인 신용평가의 보조적인 역할에 그치고 있다.
은행의 자본 부담도 커질 수 있다. 은행들이 대안신용평가를 통해 전통적인 신용평가로는 대출을 받을 수 없었던 중·저신용자 취약차주에게 대출을 내어줄 수 있다. 통신비나 공과금 납부 이력 등을 분석해 상환 가능성이 높다고 판단하면서다. 문제는 은행이 이 같은 판단을 바탕으로 대출을 실행하더라도 은행의 자본건전성을 평가하는 금융당국의 규제에서는 취약차주로 분류해 위험가중치(RWA)를 높게 산정한다는 점이다. 결과적으로 은행은 대안신용평가를 활용한 대출을 늘릴 수록 자본 부담이 커지는 구조에 놓인다.
결국 대안신용평가를 활성화하기 위해 정보 가공의 규제를 완화하고 대안신용평가체계를 공고화해 자본규제에도 적용할 수 있도록 하는 제도 변화가 뒤따라야 한다.
금융권 관계자는 “대안신용평가 모형에 따라 중저신용자 대출 취급 비중을 늘리면 그에 따른 위험가중자산이 증가해 보통주자본(CET1) 비율이 하락하는 등 자본 부담을 안게 된다”고 설명했다. 또 다른 관계자는 “도입과정의 절차가 복잡해 아직 대안정보 도입에 큰 영향을 미치고 있다”고 말했다.
