부동산, 머니

모기지 대출 알고리즘의 실체

모바일 App 사용자에게는 실시간 전송!



전국적으로 유색인종 모기지 대출 신청자는 백인 대출 신청자보다 거부될 가능성이 40%-80% 더 높다.


대출 기관은 부채 비율이 유색인종이 더 높아서 격차가 생긴 것이라고 해명하지만 일부 대도시 지역에서는 격차가 250% 이상이나 된다. 


모기지 업체들의 설명을 감안하더라도 유색인종은 백인보다 훨씬 더 높은 비율로 모기지를 거부하는데 그 이유는 융자인이 아닌 업체가 사용하는 프로그램에 설정한 알고리즘 때문이다.


서부의 값비싼 로스앤젤레스나 동부의 뉴욕에서 상대적으로 저렴한 남부 도시로 이사하는 붐이 일었다. 무성한 잔디를 가진 뒷마당과 방 하는 더 되는 생활 공간 그리고 비교적 한적한 도시 분위기는 번잡한 매가 도시와는 다른 매력이다.  


그런데 의외로 모기지 융자에서 뜻하지 않은 걸림돌에 걸리는 경우가 종종 발생했다. 모기지 자격을 갖추는 데 별 문제없고 간단하다고 여겼다. 계약금에 필요한 것보다 훨씬 더 많은 돈을 저축했고 신용 점수도 매우 우수한 805~725점 수준이고 수입도 약 6자리에 근접했다. 


구입할 주택은 40만 달러 수준으로 월 모기지 지불액은 로스앤젤레스에서 수년간 지불했던 임대료보다 적다. 모기지 문서에 서명을 앞두고 이사 날짜를 정하고 이사 업체를 예약했으나 모기지 융자 담당자는 모기지 대출이 결정되지 않았다고 연락한다.


융자 담당자는 세 번에 걸쳐 유자 서류를 제출했으나 번번히 거부되었다고 밝혔다. 

수수료와 보증금으로 6,000 달러를 썼으나 이 또한 환불되지 않았다. 융자 담당자 조차도 문제가 없다고 보았으나 대출이 거부된 이유는 알고리즘에 있다고 추정할 수밖에 없다. 대개 알고리즘에 의해 거부된 경우, 내부 대출 책임자는 이를 무시할 지 결정하는 권한이 있다. 이 모기지 신청인은 아시안 부부다. 


 모기지 신청인이 상근 직원이 아니라 계약직이기 때문에 자격이 없다는 말도 들린다.

비록 신청인의 상사가 대출기관에 실직할 위험이 없다고 말했음에도 불구하고 또한 다른 백인 계약직 동료들은 모기지론을 별 문제없이 얻었기에 아시안이란 이유밖에는 설명이 되지 않는다. 

신청인은 한동안 설마 인종이 문제가 되지는 않을 것이라 생각했으나 나중에 다른 집을 사고 나서 확신했다.


신용점수, DTI 그리고 LTV 보다 인종

주택 모기지 공개법 (Home Mortgage Disclosure Act)은 개인 정보 보호라는 차원에서 신용 점수를 제외하고 부채 비율과 가치 대비 대출 비율은 공개하도록 되어 있다. 일종의 공정한 대출이 이뤄진다는 것을 업계가 주장하는 대로 수용한 것이다. 신용 점수도 포함하려고 했으나 융자 은행 협회는 이를 적극 반대했다. 


이런 상황에서 주택 구매를 위한 200만 개 이상의 모기지 신청에 대한 통계 분석을 한결과 대출 기관이 백인보다 라틴계 대출 신청을 거절할 가능성이 40% 더 높고 아시아/태평양 섬 주민 신청을 거부할 가능성은 50% 더 높았다.

 

그리고 유사한 백인 지원자보다 아메리카 원주민 지원자를 거부할 가능성은 70%, 흑인 신청자를 거부할 가능성이 80% 더 높았다. 모든 경우에 유색인종 지원자는 인종을 제외하고는 서류상 백인 지원자와 거의 조건이 똑같아 보였다.


이는 주택 모기지 공개법(Home Mortgage Disclosure Act)이 별 효과를 발휘하지 않는다는 것을 역설적으로 보여주는 결과다. 


소득, 부채 비율 그리고 신용 점수가 비슷한 조건에서 누구는 대출을 받고 누구는 대출을 받지 못한다면 그 차이는 인종 밖에는 설명할 방법이 없다. 심지어 대출 기관이 소득이 연간 100,000 달러가 넘고 부채 비율이 같을 때도 백인보다 흑인에게 더 적은 대출을 제공한다. 사실, 부채가 적은 고소득 흑인 지원자가 부채가 많은 고소득 백인 지원자보다 더 자주 거부되었다.


모기지 데이터를 공개하는 연준과 소비자 금융 보호국 (CFPB)조차도 대출 격차에 대한 연구에서 기존 대출과 연방 대출 (FHA)을 분리한다. 


시중 일반 대출과 연방 모기지 정부 대출 프로그램이 달리 운영되기 때문이다. 신용 점수의 경우 CFPB가 데이터의 공개 보기에서 신용 점수 항목을 제거했기 때문에 차별 분석을 위해 사용할 수 없다. 이는 부분적으로는 차용인의 개인 정보를 인용해 신용 점수를 제거하려는 모기지 업계의 로비 때문이다.


CFPB가 신용 점수, 소득 부채 비율 (DTI), 대출 대 가치 비율 (LTV)과 같은 분석에 중요한 데이터를 포함하려고 했을 때 모기지 대출 기관과 은행 협회는 반대했다. 


이들은 정부가 데이터를 공개하는 것은 물론 수집조차 원하지 않았다. 이들은 차용인의 개인 정보가 노출될 수 있는 사이버 공격의 위험을 구실로 삼았다.


정부 규제 기관은 신용 점수에 액세스할 수 있다. CFPB는 2019년 신용 점수가 포함된 대출 신청 데이터를 분석한 결과 유색인종에 대한 대출 격차가 해소되지 않는다는 사실을 발견했다.


알고리즘의 결정 비밀

페니 매 (Fannie Mae)와 프레디 맥 (Freddie Mac) 외에는 아무도 그들의 모기지 대출 승인 소프트웨어 구성 요소가 어떻게 작동되거나 가중치가 부여되는지 정확히 알지 못한다. 공식은 철저히 비밀로 유지된다. 


연방주택금융국(FHFA)도 소프트웨어가 지원자의 점수를 어떻게 매기는지 정확히 알지 못하는 것으로 보인다. 그런데 페니매와 프레디멕의 승인 알고리즘에 인종에 따른 결정요소가 포함되어 있지 않은 것으로 볼 수 있다. 


왜냐하면 대출 기관은 모기지 승인 결정을 정부 기관에 보고해야 하는데 CFPB는 “신청자” 또는 “해롭거나 민감할 수 있는 차용인”으로만 파악이 된다. 대출 기관의 최종 모기지 결정은 공개되지만 이름과 주소는 공개 데이터에 없다. 이는 대출 기관에서 이미 필터링을 거쳐 보고된다는 것을 알 수 있다.


페니매와 프레디맥은 2014년 CFPB에 보낸 서한에서 알고리즘 공개로 인해 모기지 승인 결정 알고리즘이 역설계될 가능성이 있다고 언급했다.


 대출 담당자는 모기지 융자에서 사용하는 소프트웨어의 결정이 불가사의하다고 말한다.

자동 시스템을 통해 많은 융자 승인을 실행할 때 승인을 받지 못한 신청을 보게 되는데 오히려 승인받은 다른 사람보다 더 나은 고객이란 사실을 알게 될 때가 있다고 한다.


어떤 융자인은 프로그램이 완벽하지 못해서 기술의 투명성 부족이 우려된다고 말한다.

많은 대형 모기지 대출 기관들은 페니매와 프레디맥의 소프트웨어를 사용하지 않고 더 엄격할 수 있는 자체 대출 승인 소프트웨어를 통해 모기지 신청을 받는다. 이런 프로그램이 작동하는 방식은 훨씬 더 미스터리하고 또한 독점적이다.


2019년 대출 기관이 모기지 승인을 거부한 이유를 조사했을 때 인종과 민족을 초월한 가장 일반적인 이유는 신청자가 소득에 비해 부채가 너무 많았기 때문이다. 


대출 기관이 거부 사유로 신용 기록을 언급했으나 당시 백인보다 흑인 지원자가 부채비율은 백인의 33%보다 낮은 21% 수준이었다. 개별 대출 기관의 결정 결과를 조사했을 때 많은 사람들이 백인 지원자보다 유색인을 더 많이 거부했다. 


추가 통계 분석에 따르면 몇몇 사람들은 비슷한 백인 차용인보다 유색인종을 거부할 가능성이 최소 100% 더 높았고 그 중에는 미국 3대 주택 건설업체가 소유한 모기지 회사가 포함되었다.


알고리즘 강화 테스트 법안

 대출 승인 알고리즘에 문제가 있다는 우려가 나타나자 의회는 알고리즘을 테스트하고 수정을 권고하는 법안을 내놓았다.


그러나 의원들은 알고리즘에 대해 생소하고 돌아가는 원리에 익숙하지 않아 진정한 알고리즘 변혁에는 이르지 못할 것으로 보인다. 단지 이 법안은 기업이 편견과 차별에 사용하는 알고리즘을 테스트하도록 요구한다. 자동화된 의사 결정 시스템에 대한 감독을 강화하기 위해 상원과 하원에서 발의된 법안은 모기지 거부의 인종적 격차에 대한 시정을 위해 추진되었다.


자동화된 대출 승인 시스템은 미국인의 건강, 재정, 주택, 교육 기회 등에 대해 점점 더 중요한 결정을 내리고 있다. 


이는 잠재적으로 대중을 결함이 있거나 편향된 알고리즘으로 인한 새로운 위험에 노출시킬 가능성이 있다. 이전에 승인된 신청자에 대한 대출을 설명할 수 없을 정도로 거부하는 잘못 설계된 모기지 승인 알고리즘도 대출 기관에서 사용하고 있다. 


기업이 이런 중요한 결정에 자동화를 적용할 때 미치는 영향을 적절하게 평가했다면 이런 피해를 줄일 수 있었을 것이다. 모기지 승인 프로세스를 안내하고 다른 그룹에 다르게 영향을 미치는 데이터를 사용하는 불투명한 알고리즘 때문에 대출 승인의 인종 격차를 만들고 있다.


예를 들어, Fannie Mae와 Freddie Mac에서 요구하는 모기지 신용 점수의 표준 방법은 유색인종에게 불리할 수 있는 구식 공식을 사용한다. 자동 승인 소프트웨어의 계산은 인종을 감안하지 않은 재정적 요인에도 의존한다. 


소비자 금융 보호국, 법무부, 통화 감사국이 차별적인 모기지 대출 관행에 맞서기 위한 새로운 계획을 발표함에 따라 알고리즘이 차별하는 대출 기관이 법 위반으로 조사를 받을 가능성도 더러 나타날 것으로 보인다. 


새 법안은 기업이 사용하는 알고리즘과 이를 교육하는 데 사용되는 데이터를 평가하도록 요구하고 있다. 정확성, 공정성, 편견, 차별, 개인 정보 보호와 보안에 미치는 영향을 확인한 다음 발견할 수 있는 문제를 수정하도록 권고한다. 


교육, 고용, 가족 계획, 건강 관리, 법률 서비스, 주택 그리고 금융 서비스를 포함해 사람들의 삶에 "중요한 결정"을 내리는 데 사용되는 모든 알고리즘에 적용된다. 이는 연방거래위원회에 프로세스를 감독할 수 있는 더 많은 권한과 재원을 제공할 예정이다.


 지방 수준에서 정부의 알고리즘 사용을 규제하려는 노력이 여전히 수용되지 못하고 있다. 법안에 반대하는 정부 기관과 계약자는 독점 소프트웨어의 세부 사항을 비공개로 유지하기 위해 압력을 행사하고 어떤 소프트웨어가 사용 중인지 파악하려는 규제 기관의 시도를 거부하고 있다. 알고리즘에 대한 보다 효율적이고 근본적인 개선 법안이 아쉬운 이유다.




List
Today 0 / All 341


워싱턴 미주경제 - 4115 Annandale Rd. suite 207 Annandale, VA 22003 703)865-4901

뉴욕 미주경제 - 600 E Palisade Ave. suite 3 Englewood Cliffs, NJ 07632 201)568-1939