DLS·DLF 사태로 알아보는 불완전판매와 대응방안
최근 해외금리와 연계한 파생결합상품 DLS와 DLF가 투자자들이 원금 전액 또는 그에 가까운 수천억 대의 대규모 손실을 볼 것으로 우려되자 금감원 등이 조사에 나섰습니다.
현재 논란이 되는 파생결합상품은 미국, 영국, 독일 등 주요 선진국의 금리를 기초자산으로 삼고 있는데요. 미중 무역분쟁의 지속으로 세계 경기가 둔화되고 미국 금리가 인하되면서 유럽 시중금리까지 급락하며 문제가 발생했습니다. 투자한 국채 금리가 일정 수준(-0.25%) 으로만 유지되면 수익이 나고, 떨어지면 큰 손실이 나게 설계 되어 있는데 최대 -0.7%까지 떨어지는 곳이 생기면서 피해가 커졌습니다. 금감원에 따르면 해외금리 연계 파생결합상품에 투자한 총 8,224억 원 중 88%인 7,239억 원이 손실 구간에 진입했다고 합니다. 가장 문제가 된 독일국채 10년물 금리 연계 상품은 95%의 손실률을 보이고 있습니다.
파생결합상품이란 이자율, 통화(환율), 실물자산(금, 원유 등), 신용위험(기업 신용등급의 변동, 파산 등) 등의 변동과 연계하여 이익이 결정되는 상품을 말합니다. DLS는 증권, DLF는 펀드입니다. 이 파생결합상품은 주가지수 또는 개별지수 가격변동과 연계되어 투자손익이 결정되는 주가연계상품(ELS, ELD, ELF)과 달리 주가 외의 기초자산 가격에 투자하기 때문에 표면적으로는 손실이 적고 원금보장이 가능하다고 하지만, 변동성에 따라 소비자가 막대한 손해를 볼 수 있는 만큼 주의가 필요합니다.
이러한 사실을 고객에게 제대로 고지하지 않았다는 ‘불완전판매’가 쟁점이 되면서 금융감독원에는 이미 58건이 넘는 분쟁 조정 신청이 접수된 상태인데요. 해외금리 연계 DLF 개인투자가가 3654명, 법인이 188개사인만큼 분쟁 조정 신청은 계속 증가할 것으로 예상됩니다.
고객과 금융기관 모두에게 독이 되는 ‘불완전판매’
한국금융투자자보호재단은 다음과 같은 주요 판매 규제사항에 어긋나게 상품을 판매하는 것을 ‘불완전판매’라 정의하고 있습니다.
금융기관 등에서도 불완전판매임이 드러나는 경우 손해배상의 의무를 질 수 있기 때문에 이를 방지하기 위해 ‘체크리스트’, ‘해피콜’ 등 완전판매모니터링 시스템을 운영해 불완전판매를 최소화하는데 집중하고 있는데요. 한편으로는 이러한 모니터링 시스템이 판매기관 입장에서 직원들이 상품을 올바르고 완전하게 판매했는지 확인하는 모니터링 수단보다 문제가 되는 상황이 발생했을 때 상황파악을 위한 기초자료 및 면책의 근거로만 활용되고 있다는 점이 문제점으로 지적되고 있습니다.
불완전판매 등 금융투자상품의 규제 준수 모니터링을 위한 AI 기술, ‘레그테크’와 ‘섭테크’
국내에서는 지난 6월 금감원에서 인공지능과 빅데이터를 활용한 레크테크 및 섭테크를 업무에 대거 투입한다는 계획을 밝히며 더욱 주목을 받고 있습니다. 최근에는 금융 분야 뿐 아니라 다양한 산업에서 레그테크와 섭테크를 접목해 인공지능 등의 IT 기술로 규제에 대한 표준화된 대응방안을 모색하면서 시장이 점차 확산되고 있습니다.
‘불완전 판매’ 등 규정 위반 감지를 위한 프론테오의 Knowledge Probe
프론테오는 규제가 엄격한 금융 기관, 제약 회사 등의 산업에서 인공지능을 활용해 규정 위반을 감지하는 데이터 분석 지원 시스템 ‘Kibit Knowledge Probe’를 보유하고 있습니다. 해당 솔루션은 현재 논란의 중심인 불완전판매를 탐지하는데도 활용되고 있습니다.
일본의 한 금융사는 고객상담 과정에서의 클레임 및 아웃바운드 영업 시 불완전판매 등 컴플라이언스 위반 사례를 줄이기 위해 레그테크 솔루션을 도입했지만, 데이터 처리에 어려움을 겪었습니다. 상담 데이터를 텍스트화 해서 분석하는 과정에서 1) 컴플라이언스 위반 사례를 탐지하기 위한 방대한 키워드 등록이 필요했고 2) 키워드로 등록되어 있지 않은 미묘한 표현 등이나 문맥은 검출할 수 없었으며 3) 키워드의 출현 빈도 및 일부 문장의 부정적인 표현만으로 사건 전체를 파악하거나 클레임의 중요도를 구분할 수 없다는 점 등이 문제로 지적되었습니다.
이를 극복하기 위해 프론테오의 ‘Knowledge Probe’를 도입해 활용하고 있는데 이전보다 컴플라이언스 위반 사례 및 클레임 방지에 있어 뛰어난 성과를 보이고 있습니다.
총 300건의 컴플라이언스 위반 관련데이터를 분석하는 과정에서, 전체의 10%인 30건만 담당자가 리뷰하고 해당 판단 기준을 인공지능 솔루션이 학습해 전체 데이터를 분석한 결과 실제 위반 사례의 80% 이상을 검출해냈습니다. (총 300건 프로세싱 진행 / 30건 리뷰 후 인공지능이 컴플라이언스 위반 60건 감지) 고객 클레임 감지 분야에서는 30건의 리뷰를 학습한 인공지능이 7,000건이 넘는 데이터를 분석해 195건의 클레임을 감지하는 성과를 거뒀습니다. 이는 실제 사람이 분석해 보고한 34건 보다 161건 많은 숫자로 과탐지된 부분이 아니라 실제 담당자가 간과한 데이터를 도출해냈다는 점에서 의미가 있었습니다.
Kibit Knowledge Probe는 트레이닝을 실시한 담당자의 판단 기준 및 각 문서 및 문맥과의 관계 등을 인공지능이 분석해 결과를 도출하기 때문에 별도의 키워드 등록 등의 작업 과정 없이도 소량의 트레이닝 데이터를 바탕으로 방대한 양의 데이터 분석이 가능하며, SI 개발로 인한 시간이 소요되지 않아 보다 신속한 시스템 적용이 가능합니다. 이를 통해 빠른 검증과 피드백이 가능해 도입 및 운영에 따른 효율성을 높일 수 있습니다.
같은 카테고리 글
인기 글