The field of data analysis and machine learning has steadily advanced since the 1990s, gaining widespread industrial use particularly in the early 2000s. However, the financial sector has been relatively conservative and slow in adopting these advancements. In recent years, there has been a growing demand in the financial market to embrace various forms of analysis using data analytics and machine learning. This thesis aims to address several real-world challenges within the industry through the application of data analysis and machine learning. This study addresses three key challenges in the industry by leveraging data analysis and machine learning to diagnose and determine customer risk aversion in financial investments, exploring the potential of recommendation systems within the insurance sector, and predicting early repayment rates in mortgage companies.
데이터 분석 및 머신 러닝을 통한 학습은 90년대 이후로 꾸준히 발전하고 있는 분야이며 2000년대 초부터 빠르게 산업에 사용되어 유용하게 쓰이고 있다. 하지만, 금융 시장에서는 유독 이에 대한 활용이 늦고 보수적인 입장을 취하고 있었다. 금융 시장에서도 점차 다양한 분석을 진행해야 된다는 입장 아래 다양한 데이터 분석과 기계 학습을 이용한 분석의 수요가 늘고 있다. 본 학위논문에서는 산업체에서 직접적으로 나타나고 있는 여러 가지 문제를 데이터 분석 및 머신 러닝을 통해 해결하고자 한다. 이 글에서는 금융 투자에서의 고객 위험 성향을 어떻게 진단 내릴 것인가에 대한 문제, 보험 업계에서의 추천 시스템의 가능성, 담보 대출 회사에서의 조기 상환 예측을 데이터 분석과 기계 학습을 통해 어떻게 분석하고 해결하는 가를 담고 있다.
