금융 데이터에는 정답이 없다

 

금융 데이터에는 정답이 없다

— Kaggle이 가르쳐주지 않는 시간, 누수, 그리고 의사결정의 문제

많은 사람들이 데이터 분석을 이렇게 배운다.

잘 정제된 데이터
명확한 라벨
높은 성능
→ 좋은 모델

Kaggle은 이 구조의 정점에 있다.
대부분의 Kaggle 데이터는 “이기면 되는 문제”로 설계되어 있다.

하지만 금융 데이터는 다르다.
애초에 정답을 맞히기 위해 만들어진 데이터가 아니기 때문이다.

---

1️⃣ 금융 데이터에는 ‘정답’이 정의되지 않는다

금융에서는 라벨부터가 사후적이다.

• 부도는 언제부터 부도인가?
• 위기는 언제 시작되었는가?
• 연체는 30일인가, 90일인가?

같은 데이터라도 목적에 따라 정답이 달라진다.

• 리스크 관리 관점
• 수익 극대화 관점
• 규제 대응 관점

📌 그래서 금융 데이터에서는
“accuracy를 높이자”는 Kaggle식 사고방식이 바로 무력화된다.

---

2️⃣ 데이터 생성 과정(DGP) 자체가 비정상적이다

금융 데이터는 같은 분포에서 나오지 않는다.

• 규제 변화
• 정책 변화
• 금리 체계 변경
• 회계 기준 변경
• 시장 참여자 행동 변화

👉 데이터 생성 구조 자체가 시간에 따라 바뀐다 (regime shift)

Kaggle에서는 거의 등장하지 않는 이 체제 전환이
금융에서는 기본 전제다.

---

3️⃣ 대부분의 피처는 ‘대리 변수(proxy)’다

금융에서 우리가 관측하는 숫자는
우리가 알고 싶은 ‘진짜 원인’이 아니다.

• 매출 → 기업 경쟁력의 대리
• 신용점수 → 상환 의지의 대리
• 거래량 → 정보 유입의 대리
• 주가 → 기대의 기대의 기대

📌 관측되는 데이터 ≠ 우리가 알고 싶은 실체

그래서 금융에서는
상관은 높아도 인과는 자주 뒤집힌다.

Kaggle에서는 “왜 그런지”를 몰라도 되지만,
금융에서는 그걸 모르면 바로 사고로 이어진다.

---

4️⃣ 타깃 누수는 교묘하고 구조적이다

금융 데이터의 누수는 노골적이지 않다.

• 미래 정보가 암묵적으로 반영된 변수
• 사후 확정된 재무 데이터
• 이미 시장에 반영된 가격 변수

Kaggle에서는 누수가 있으면 점수가 떨어져 바로 드러난다.
하지만 금융에서는 누수가 성과를 더 좋아 보이게 만든다.

📌 그래서 더 위험하다.

모델에서는 잘 되는데
현실에서는 망하는
가장 전형적인 원인

---

5️⃣ 평가 함수는 모호하고 정치적이다

• Kaggle: AUC, RMSE, Logloss → 끝
• 금융:
  • False Negative가 더 위험한가?
  • 자본비율에 어떤 영향을 미치는가?
  • 규제기관이 납득하는가?
  • 현업이 설명할 수 있는가?

👉 성능보다 설명 가능성 + 안정성이 더 중요해진다.

---

6️⃣ 숫자의 문제 같지만, 본질은 인간이다

금융 데이터에는 전부 섞여 있다.

• 공포
• 탐욕
• 도덕적 해이
• 집단 행동
• 정치적 판단

모델이 깨질 때
문제는 데이터가 아니라 사람의 행동이 바뀐 것인 경우가 많다.

이건 코드로 잘 보이지 않는다.
경험으로만 감지된다.

---

7️⃣ 금융 데이터 분석은 분석이 아니라 ‘의사결정 설계’다

금융 데이터 분석에서 진짜 중요한 질문은 이것이다.

“틀릴 때, 이 모델은 어떻게 망가지는가?”

• 위기 때 얼마나 보수적으로 바뀌는가?
• 신뢰 구간이 무너질 때 어떤 신호를 주는가?
• 언제 사용을 중단할 것인가?

📌 이걸 설계하지 않으면
성능이 좋아도 실무에서는 바로 퇴출이다.

---

🔑 핵심 전환점: Anchor Time이 없으면 모든 분석은 흔들린다

금융 데이터 분석이 어려운 진짜 이유는
시간이 섞여 있기 때문이다.

---

8️⃣ Anchor Time이 없을 때: 질문이 섞인다

예시: 신용대출 연체 분석

Anchor 없이 데이터를 구성하면
하나의 테이블이 동시에 이런 질문에 답하려 한다.

• 누가 연체할까?
• 누가 이미 연체했나?
• 연체 이후 상태는 어떤가?
• 연체 후 행동은 어떻게 바뀌었나?

👉 질문이 섞이면 모델은
가장 쉬운 질문을 학습한다.

보통은 이거다.

“이미 연체한 사람을 잘 구분하자”

그래서:

• 연체 이후 급락한 신용점수
• 연체 이후 카드 사용액 감소

같은 변수가 상위 중요도로 뜬다.

📌 성능은 높다.
하지만 이 모델은 예측이 아니라 사후 설명을 하고 있다.

---

9️⃣ Anchor Time을 잡았을 때: 질문이 고정된다

이제 Anchor Time을 명확히 잡아보자.

Anchor Time = 대출 실행 시점

이 순간부터 모든 변수에
같은 질문을 던지게 된다.

“이 정보는 그 시점에 알 수 있었는가?”

---

Anchor 이전 (사용 가능)

• 실행 시점 신용점수
• 과거 연체 이력
• 과거 6개월 거래 패턴
• 소득 대비 부채 비율

Anchor 이후 (입력 불가)

• 연체 후 변경된 신용점수
• 연체 이후 카드 사용 감소
• 사후 정정된 소득 정보

📌 이후 정보가 사라지는 게 아니다.
역할이 바뀐다.

• 원인 ❌
• 입력 ❌
• 결과 ⭕
• 반응 ⭕
• 경로 ⭕

---

10️⃣ 시간 정보는 ‘시점’이 아니라 ‘거리’로 바뀐다

Anchor를 잡으면
시간 변수의 형태가 바뀐다.

• 언제 발생했는가 ❌
• 지금으로부터 얼마나 떨어져 있는가 ⭕

예:

• 마지막 연체 이후 경과 기간
• 최초 거래 이후 경과 기간
• 특정 상태가 유지된 시간

👉 이렇게 해야
모든 데이터가 같은 시간 좌표계 위에 올라간다.

---

11️⃣ Anchor는 누수를 없애는 장치가 아니다

이게 가장 중요한 포인트다.

Anchor를 잡아도
이후 정보는 계속 생긴다.

하지만 Anchor가 생기면:

• 누수가 사라지는 게 아니라
• 누수를 정의할 수 있게 된다

📌 Anchor는
미래 정보를 막는 장치가 아니라
책임과 해석의 기준선이다.

---

금융 데이터의 시간 구조는 왜 이렇게 복잡한가

금융 데이터는 분석을 위해 만들어진 게 아니다

금융 데이터는:

통제, 보고, 책임을 위해 만들어진 데이터다.

그래서 시간 단위가 갈라진다.

• 일 → 트레이더, 리스크 관리
• 월 → 여신, 연체, 수익
• 분기 → CRO, CFO
• 반기/연 → 감독당국, 감사

이걸 하나로 합치면
Time leakage 위험이 폭발한다.

---

금융 데이터 분석의 해법

Answer: 하나의 시간축을 강제로 만들어라

1. 기준 시점(Anchor Time)을 고정한다
   • 대출 실행 시점
   • 스코어 산출 시점
2. 모든 변수를 그 시점 기준으로 재정의한다
3. 이후 정보는 파생 변수로만 사용한다

👉 모든 것을 한 시점에서 다시 본다

---

결론

• 금융 데이터에는 하나의 정답이 없다
• 성능 좋은 모델이 항상 좋은 모델은 아니다
• 시간은 그냥 인덱스가 아니라 책임의 경계다

금융 데이터 분석은
문제를 푸는 일이 아니라
현실을 해석할 기준점을 세우는 일이다.