Advanced Model

머신러닝 기법을 활용하여 비즈니스 목적에 맞는 데이터 분석 기반의 모델을 개발합니다.

PANI 서비스
...
Advanced Model

Advanced Model

Ex ML 모형개발

Ex ML 모형은 ML 스코어를 단순히 설명하는 모형이 아니라, 직접 적용을 목적으로 개발하는 머신러닝 모형
Ex ML 모형은 일반적인 모형과 유사한 형태로 구성되어 있어 설명력과 안정성이 높으면서도 머신러닝과 변별력 성능이 대등한 모형

ML 모형개발
다양한 알고리즘 활용 ML 모형 개발
ML 모형 개발시, 변별력을 극대화 하는 모형 개발

 ML score 산출
 개발된 ML모형 활용, 각 계좌별로 ML score 산출
ML Score는 변별력 성능이 극대화된 수치

 Ex ML 모형 개발
 ML Score와 상관관계를 극대화 하는 모형개발
 Target이 G/B와 ML score Dual Target으로 설정

미래행동 예측 모형 (국내 금융기관 프로젝트 사례)

기존 전략개발 프레임에서는 신청시점에서 활용할 수 있는 정보를 기반으로 고객 평가 

미래 지향 전략 개발 프레임은 향후 고객 행동 예측모델을 기반으로 전략 영향도 Simulation을 수행하여 최적 전략을 도출 

미래 우량고객 
신청정보가 아닌 대출 이후의 고객 행동을 예측하여 우량고객 정의 
대출 이후 행동 예측 -> 연체 및 조기상환 없고 & 소득 및 CB등급 상승 

한도 소진율 예측 
신청시점에서 향후 한도 소진율을 예측하여 전략변수로 활용 
건전성 측면 우량고객이지만 한도 소진율이 낮은 고객에 대해 높은 한도를 부여할 필요가 없음 -> 수익성과 건전성 모두를 고려한 한도 전략

고객반응을 고려한 학습 데이터 개발

강화학습을 활용한 맞춤전략개발은 5개 단계로 구성

개발 데이터 수집(State), 학습 목표(Reward), 전략 프레임(Agent),적용전략(Action) 및 운영결과(Environment)로 구성

Step 1 : State Stage
개발 Data 수집 및 가공 AS 및 Risk 등급 / CB정보 / 신청정보 / 당사 및 차주정보 / 카드정보 등 

Step 2 : Reward 체계구성 Stage
학습 목표를 설정
-> 목표 : 이자수입 / 부도 및 손실금액 / Exposure 증가율 등 

Step 3 : Agent Stage 
한도전략 Frame 구성 /Offer에 따른 고객 반응 측정 (Action & Effect 모델) 

Step 4 : Action Stage
고객 반응 취합 및 Best Reward 선택 

Step 5 : Environment Stage
최적 Offer 실행결과 측정 및 모니터링