인공신경망을 활용한 주택연금의 해지 위험 예측 성능평가

초록

최근 빅데이터 시대가 도래하면서 인공 신경망 모형을 포함한 기계학습모형들이 다양한 의학 영역과 유전체 연구 그리고 기업의 생존 등에 이르기까지 굉장히 광범위한 영향력을 행사하며 그 영역을 넓혀가고 있지만, 생존 분석을 기계학습에 적용한 국내 계량 금융·보험 연구들은 충분히 축적되지 못하고 있는 상황이다. 본 연구는 주택연금 가입자의 데이터와 인공신경망 모형을 활용한 생존 분석 모형을 설계하고, 우위성 지수를 통한 판별분석 측면에서 최적화 알고리즘인 Adam, RMSProp 그리고 SGD을 비교·분석하였다. 본 연구 수행에 따른 실증 분석의 주요 결과를 요약·정리해 제시하면 다음과 같다. 첫째, 전통적인 통계 모형과 인공신경망 모형을 생존 분석에 적용하여 주택연금 가입자의 해지 예측한 결과, 인공신경망과 Adam 최적화 알고리즘을 사용한 모형이 좀 더 개선된 예측 값을 제공하였다. 이는 생존 분석에 인공신경망을 결합한 모형이 연금 가입자의 해지 예측 문제에 응용될 수 있다는 점을 확인했다. 둘째, SGD과 RMPProp과 인공신경망을 결합한 모형의 위험 예측 결과가 전통적인 콕스 비롄위험모형보다 약간 낮았다. 이를 통해 최적화의 중요성과 더불어 운동량(Momentum)의 개념 및 적응형 방법(Adaptive Method)을 동시 적용한 Adam 최적화 알고리즘의 우수한 학습 성능도 또한 확인할 수 있게 됐다. 마지막으로 본 연구는 인공신경망 기법을 주택연금에 최초로 적용하였다는 점에서 의미가 있다. 향후에는 주택연금 뿐 만 아니라 다른 연금 보험 데이터에 응용할 수 있는 일반화 가능성을 보여준다.

키워드