"행복한 가정은 모두 비슷하게 닮았지만, 불행한 가정은 저마다의 이유로 불행하다."
<톨스토이, 안나 카레리나 중에서>

최근 가계재무 건전성은 사회적·경제적 변화로 인해 심각한 위협을 받고 있음. 고령화 사회와 경제 성장 둔화, 그리고 그로 인한 소득 불균형, 부채 증가 등은 가계재무를 불안정하게 만들고 있으며, 이로 인해 각 가정의 재정 상태를 정확히 진단하고 대응하는 것이 필수적임. 가계재무 상태는 자산, 부채, 지출 등 다양한 요인에 의해 결정되며, 이러한 요소들은 가계의 경제적 상황과 생애 주기에 따라 다르게 작용함. 동일한 부채 비율이라도 청년층과 은퇴 준비를 하는 노년층에게 미치는 영향은 크게 다를 수 있으며, 가계가 보유한 자산의 종류와 구성 역시 재정 안정성에 큰 영향을 미침. 따라서 가계재무를 정확히 분석하기 위해서는 개별 가계의 특성을 반영한 접근이 필요함. 그러나 기존 연구들은 대부분 특정 변수만을 활용한 재무 비율에 의존하여 가계재무 상태를 평가해왔으나 단순 비율 분석만으로는 가계마다 상이한 경제적 배경을 충분히 반영하지 못해 가계재무의 실제 위험도를 정확히 평가하기 어려움. 이러한 한계를 해결하기 위해 다양한 재무 변수들의 상호작용을 포착하여 가계의 복잡한 경제적 배경과 재정상황을 세밀하게 반영할 수 있는 데이터 기반의 가계재무 진단 모델 개발의 필요성이 대두되고 있음.

본 연구는 가계재무 상태를 진단하는 정량적인 점수를 제공하고 이를 개선하기 위한 방안을 제시하는 인공지능 모델을 제안하였음. 이를 위해 2017년부터 2019년까지 수집한 가계금융복지조사 데이터의 약 3만 6천 가구들을 가구원 수, 세대주 나이, 소득 수준으로 그룹화하여 유사한 조건 안에서 가계의 상대적인 재정 건전 상태를 비교하고 평가할 수 있도록 활용하였음. 본 연구에서는 '위험 정보 반영 계층적 오토인코더(Risk Information-adjusted Hierarchical AutoEncoder, RI-HAE)'를 제안하고 모델을 통해 산출된 잠재변수(Latent variable)를 가계재무 위험 점수로 활용하여 가계재무의 건전성을 평가하였음. 가계금융복지조사 데이터의 다양한 변수들을 자산(부동산, 금융 자산 등), 부채(주택 담보 대출, 신용 대출 등), 지출(생활비, 의료비 등)의 세 가지 기준으로 카테고리화하고 각 카테고리에 대한 잠재변수를 추출한 후 이 잠재변수들에 대해 오토인코더를 통해 다시 종합적인 잠재변수를 산출하였음. 이 과정 중에 각 변수에 대한 위험 정보(Risk information)를 추가로 계산하고, 각 변수가 가계재무에 미치는 위험의 크기를 반영할 수 있도록 모델 학습에 활용하여 재정 위험 점수를 산출하였음. 진단이 완료된 후, 그라디언트 분석(Gradient analysis)을 통해 각 변수가 재정 위험 점수에 미치는 영향을 평가하고, 어떤 변수를 조정해야 재정 건전성을 가장 효과적으로 개선할 수 있는지에 대한 구체적인 처방까지 제시하였음.

인공지능 기반 가계재무 위험 점수 제공: 본 연구에서 개발된 모델은 가계별로 소득, 자산, 부채 등의 다양한 요소를 종합적으로 고려하여 재정 위험 점수를 산출함. 이를 통해 가계의 구체적인 경제적 상황을 반영한 진단이 가능하며, 단순한 재무 비율 분석과는 차별화된 방식으로 가계의 실제 재정 상태를 보다 정확하게 평가할 수 있음
맞춤형 재정 처방 제공: 본 모델을 통해 가계의 재정 건전성을 개선하기 위한 구체적이고 실질적인 처방을 제공할 수 있음. 가계별로 위험을 줄여야 할 항목과 자산을 늘릴 수 있는 구체적인 지침을 제시할 수 있음. 예를 들어, 비거주용 부동산 대신 금융 자산을 늘리거나 부채 구조를 개선하는 방법을 통해 재정 건전성을 향상시킬 수 있는 방향을 구체적으로 제시할 수 있음.
금융 상품 및 저비용 재무 설계 상담 서비스 개발: 본 연구에서 제시한 인공지능 기반 모델을 통해 금융 기관은 고객의 재정 상태를 보다 정확하게 평가하고, 이에 맞는 맞춤형 금융 상품을 개발할 수 있음. 또한, 기존에 고비용이 소요되었던 재무 설계 상담 서비스를 비교적 저렴한 비용으로 제공할 수 있는 자동화된 재무 설계 시스템을 구축할 수 있음.
효율적인 재정 지원 및 정부 정책 수립: 본 연구에서 개발된 가계재무 진단 모델은 지원 대상자를 정량적으로 판단 및 선정할 수 있어 불필요한 재정 지원을 최소화하고, 효율적인 정부 재정 정책 수립에 기여할 수 있음. 긴급한 재정 지원이 필요한 지역이나 가구를 객관적으로 선별하여 신속하고 실효성 있는 재정 지원을 제공함으로써 국민 경제의 금융 안정을 도모할 수 있음.
맞춤형 재정 교육 및 관리 프로그램 지원: 본 연구를 통해 개발된 가계재무 진단 모델은 가계재무 상태의 정량적 평가를 기반으로 국가 차원에서 재정 교육 프로그램을 장려하고, 각 가계가 지속적인 모니터링과 주기적인 재정 교육을 받을 수 있도록 지원할 수 있음. 이를 통해, 국민들의 재정 건전성 강화와 안정적인 노후 대비를 도모할 수 있을 뿐만 아니라, 장기적으로 국가 경제의 안정성과 발전에도 기여할 수 있음.

이정혜 교수팀(공저자: 임동철 박사 과정)과 울산과학기술원(UNIST) 산업공학과 이용재 교수팀이 공동 수행한 이번 연구는 금융공학 분야 상위 학술지인 Quantative finance에 출판되었음. 연구 수행은 한국연구재단 ‘학제간 융합 연구’와 ‘우수 신전연구’ 지원으로 이루어졌음.
(Kyungbin Lim†, Yoontae Hwang†, Dongcheol Lim, Suhyeon Kim, Junghye Lee*, and Yongjae Lee*, “Household financial health: a machine learning approach for data-driven diagnosis and prescription”, Quantitative finance, 23(11), 1565–1595, September 2023. [link])