실전 데이터 분석 70: 가계 대출 신청자의 신용점수 및 총부채 소득 비율(DTI) 대비 연체 부도율 상관 분석
📌 강의 개요 (30분 완성)
금융 대출 가입자들의 신용 기록 데이터셋입니다. 신청자의 개인 신용 평가 점수 분포를 진단하고, 총부채 상환 부담율(DTI)의 증가가 실제 대출금 부도 연체 이력(DefaultHistory)으로 번지는 통계 경계를 상자그림으로 도출합니다.
학습 목표:
- 중앙값 대치 (
fillna): 소득 대비 원리금 상환 비율(DTI)의 일부 결측치를 50% 구간의 중간값으로 안전하게 채워 분석의 신뢰성을 지킵니다. - 신용 등급 분포 및 DTI 연체 매칭 (
histplot,boxplot): 대출 가입자 신용분포 정규곡선 및 연체 유무별 상환 부담의 격차 상자를 시각화합니다.
🧐 실무 도메인 지식 가이드 (Domain Knowledge Guide)
💰 금융 및 핀테크 (Finance & FinTech) 금융 데이터 분석은 자산의 리스크 관리(Credit Risk), 투자 자산 평가, 이상 금융 거래 감지(FDS) 등을 해결하기 위한 통계적 검정 분야입니다.
- 리스크와 대출 부도(Default): 대출 연체 여부나 투자 손실 위험은 금융 자산 건전성을 지키기 위해 고도화된 스코어링 모형으로 분석됩니다.
- 소득 대비 부채 비율(DTI): 개인이 갚을 수 있는 능력 한도를 객관적으로 판단하는 지표로 금융 신용 여신 관리의 핵심 척도입니다.
- 자산 변동성(Volatility): 주가나 크립토 시세의 표준편차는 위험 자산의 위험도를 계산(VaR)하고 투자 포트폴리오를 다변화하는 기준이 됩니다.
Step 1: 데이터 구조 살펴보기 (Data Overview)
csv_data 폴더에 준비해 둔 credit_scores.csv 파일을 판다스로 불러옵니다.
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 그래프 설정 (한글 폰트 및 마이너스 기호 깨짐 방지)
import koreanize_matplotlib
plt.rcParams['axes.unicode_minus'] = False
sns.set_theme(style="whitegrid")
# 로컬 CSV 파일 불러오기
df = pd.read_csv('./credit_scores.csv')
# 데이터 구조 및 첫 5행 확인
df = pd.read_csv('./credit_scores.csv')
print(df.info())
print(df.head())
💻 [실행 결과]
<class 'pandas.DataFrame'> RangeIndex: 1000 entries, 0 to 999 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 ID 1000 non-null int64 1 Age 1000 non-null int64 2 CreditScore 1000 non-null int64 3 DebtToIncome_Ratio 984 non-null float64 4 CardCount 1000 non-null int64 5 DefaultHistory 1000 non-null str dtypes: float64(1), int64(4), str(1) memory usage: 49.3 KB None ID Age CreditScore DebtToIncome_Ratio CardCount DefaultHistory 0 700001 35 579 17.57 3 No 1 700002 43 598 30.55 3 Yes 2 700003 71 708 14.45 2 No 3 700004 45 549 31.31 3 No 4 700005 21 640 26.49 7 No
<class ‘pandas.DataFrame’>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 ID 1000 non-null int64
1 Age 1000 non-null int64
2 CreditScore 1000 non-null int64
3 DebtToIncome_Ratio 984 non-null float64
4 CardCount 1000 non-null int64
5 DefaultHistory 1000 non-null str
dtypes: float64(1), int64(4), str(1)
memory usage: 47.0 KB
ID Age CreditScore DebtToIncome_Ratio CardCount DefaultHistory
0 700001 35 579 17.57 3 No
1 700002 43 598 30.55 3 Yes
2 700003 71 708 14.45 2 No
3 700004 45 549 31.31 3 No
4 700005 21 640 26.49 7 No
```
💡 코드 딥다이브 (Code Deep Dive)
주요 분석 대상 컬럼:
ID: 대출 신청 차주 고유 관리 번호Age: 대출 신청자 연령 (나이)CreditScore: 개인 신용 평가 기관 스코어 (300~850점)DebtToIncome_Ratio: 소득 대비 총 부채 원리금 상환 비율 (DTI, %) (결측치 존재)CardCount: 차주가 보유한 총 신용카드 발급 개수DefaultHistory: 과거 대출금 90일 이상 연체 및 부도 경험 여부 (Yes/No)
Step 2: 전처리와 결측치 정제 (Preprocess)
현실의 데이터는 항상 누락이 있거나 유효성 정제가 필요합니다. 데이터 전처리 단계에서 결측 상태를 확인하고 올바르게 보정합니다.
# 1. 컬럼별 결측치 개수 확인
print("--- 정제 전 결측치 확인 ---")
print(df.isnull().sum())
# 2. 결측치 전처리 및 대치 수행
median_dti = df['DebtToIncome_Ratio'].median()
df['DebtToIncome_Ratio'] = df['DebtToIncome_Ratio'].fillna(median_dti)
print(df.isnull().sum())
💻 [실행 결과]
--- 정제 전 결측치 확인 --- ID 0 Age 0 CreditScore 0 DebtToIncome_Ratio 16 CardCount 0 DefaultHistory 0 dtype: int64 ID 0 Age 0 CreditScore 0 DebtToIncome_Ratio 0 CardCount 0 DefaultHistory 0 dtype: int64
— 정제 전 결측치 확인 — ID 0 Age 0 CreditScore 0 DebtToIncome_Ratio 16 CardCount 0 DefaultHistory 0
— 정제 후 결측치 확인 — ID 0 Age 0 CreditScore 0 DebtToIncome_Ratio 0 CardCount 0 DefaultHistory 0
```
💡 분석가의 통찰 (Analyst’s Insight)
- DTI 중간값 대치의 통계 타당성: 총부채 상환 비율(DTI)은 대출이 아예 없는 0% 부근 무차입자부터 과도한 다중채무를 지닌 100% 초과 한계 차주까지 우측 왜도가 긴 비대칭 구조를 띱니다. 평균값을 적용하면 무차입 가입자들의 결측치를 대출 부담이 심각하게 높은 상태로 왜곡하므로 중앙값 대치를 수행합니다.
Step 3: 단변수 분포 분석 (Univariate EDA)
가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.
plt.figure(figsize=(8, 5))
# 단변수 분석 그래프 생성
sns.histplot(data=df, x='CreditScore', bins=20, kde=True, color='darkgreen')
plt.title('대출 신청자 신용 점수(Credit Score) 분포', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 시각화 차트 읽는 법 & 인사이트
- 건강하고 부드러운 신용 등급 종형 정규분포 관찰: 신용 스코어 분포는 600~750점 중신용 구간에 가장 높은 빈도를 보이며 좌우 대칭인 벨 셰이프(Bell-curve) 분포를 이룹니다. 극단적으로 위험한 400점 미만 하위 구간과 최고 신용 800점 구간은 소수로 좁혀져 균형을 잡고 있습니다.
Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)
두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.
plt.figure(figsize=(9, 6))
# 다변수 분석 그래프 생성
sns.boxplot(data=df, x='DefaultHistory', y='DebtToIncome_Ratio', palette='coolwarm')
plt.title('연체 경험별 DTI 원리금 상환 비율 분포', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)
- 과도한 DTI 상환 비율과 실제 부도 연체의 인과성 증명: 과거 대출 부도 및 연체 경험자(Yes) 그룹의 DTI 비율 상자가 정상 차주군(No) 대비 매우 가파르게 위쪽 높은 대역에 분포하고 있습니다. 이는 가계 소득의 절반 이상을 원리금 갚는 데 헐떡이는 가구일수록 실물 부도 연체로 전이될 통계적 리스크가 심각함을 실증합니다.
Step 5: 통계적 직관과 해석 (Statistical Logic)
💡 [신용 평가 심사 모형의 지니 계수(Gini Coefficient)와 KS 통계량] 은행 및 금융기관에서 대출 승인/거절 임계치를 결정하는 신용평가 모형(Credit Scoring Model)의 변별력을 평가할 때 사용하는 통계 표준 기표는 지니 계수(Gini Coefficient)와 KS 통계량(Kolmogorov-Smirnov)입니다.
- KS 통계량은 정상 차주 누적 분포와 연체 차주 누적 분포 간의 최대 수직 격차 거리($D$)를 측정합니다. \(D = \sup_x |F_{\text{정상}}(x) - F_{\text{연체}}(x)|\)
- 이 최대 격차 분리 능력이 40% 이상으로 크게 벌어질수록 신용평가 점수가 건강한 사람과 잠재 부도 위험군을 날카롭게 가려낸다는 우수한 모델 품질을 인정받게 되며, DTI와 신용점수의 결합 경계선상에서 이 심사 승인 컷오프(Cut-off) 마진을 정량적으로 도출합니다.
🎯 30분 강의 마무리 및 심화 과제
오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.
📝 심화 과제 (Advanced Challenge)
- 차주 연령대별 연체 비율 요약: 신청자 나이를 30대 이하, 30~50대, 50대 초과로 이산화하고 각 연령대별 부도 경험(
DefaultHistory == 'Yes') 비율을 퍼센트로 구해 비교해 보세요. - 보유 카드 수와 DTI 상환 비율의 상관관계: 발급 신용카드 개수(
CardCount)가 늘어날수록 가계 부채 비율이 동반 상승하는지 상관계수 코드를 작성해 보세요.