GNN으로 신용리스크와 사기탐지를 통합·관리하는 차세대 여신심사체계를 탐구하는 연구 모임

본 연구는 단순 이론 학습이 아닌 실제 금융 모델 개발 프로세스 기반의 실습형 연구 방식으로 운영됩니다. 전체 프로젝트는 데이터 파이프라인 구축 → 모델 개발 → 성능 검증 → 비즈니스 시뮬레이션의 4단계 구조로 진행됩니다. 매주 참여자는 온라인 환경에서 함께 커리큘럼대로 연구 일정을 소화하고, 결과를 기반으로 모델 성능(AUC, KS, AUPRC) 및 비즈니스 지표(Profit, Expected Loss)를 함께 분석합니다. 모든 실험은 재현 가능성을 위해 Git 기반으로 관리하며, 주요 실험 결과는 공통 리포지토리에 기록합니다. 특히 Reject Inference 및 GNN 기반 모델은 단순 구현에 그치지 않고, Baseline 대비 성능 개선 여부를 검증하는 실험 중심 방식(Ablation Study, 모델 비교 실험)으로 진행됩니다. 중간 단계에서는 각 모델의 출력값을 활용해 실제 대출 심사 전략(승인 여부, 한도, 금리)에 어떻게 반영되는지를 시뮬레이션하며, 단순 예측 성능이 아닌 실제 수익성 개선 효과를 기준으로 모델을 평가합니다. 최종 단계에서는 신용 리스크 평가와 대출 사기 탐지를 단일 파이프라인으로 통합한 end-to-end 여신 심사 시스템을 완성하고, 이를 기반으로 포트폴리오 및 논문 수준의 결과물을 도출합니다.

- 모두의 연구소 데이터 사이언티스트 6기 수료생 - 이외에도, 저희가 하려는 프로젝트에 Background와 관심이 있으신 분들