by
Jan 31. 2021
[기업 소개] 업스타트 홀딩스 - 인공지능 대출 플랫폼
Upstart Holdings(NASDAQ : UPST)
ㅇ 2020년 12월 나스닥 상장
ㅇ IPO 개요 : 공모주식수 1,202 만주, 공모가 21 US$, 공모 금액 2.5억 US$, 공모 당시 밸류에이션 PSR 10배 내외
ㅇ 사업모델 : 인공지능 알고리즘 기반 은행 대출 중개 플랫폼(대출신청, 심사, 승인, 대출실행의 모든 과정이 자동화)
1) 동사는 1,600개의 대출 관련한 각종 변수와 900만 건의 대출 상환 사례에서 취합된 150억 개 데이터로 대출자의 신용 등급을 분석한 알고리즘 개발
2) 개발된 알고리즘으로 실행한 62만 건의 대출 건수에서 심사역을 통한 대출 건수에 비해 부실률이 75% 감소
3) 대출 과정에서 은행 직원 개입이 없는 자동화율이 최근 70%까지 확대
4) 건당 대출 규모가 1천 $ ~ 5만 $. 상대적으로 소액 대출이어서 개별 대출자의 부실에 따른 영향이 적음
동사 플랫폼은 기존 은행이 자체적으로 수행하는 전통적 대출 모델에서 배제하는, 상대적으로 신용도 낮은 계층 중에서 실제 부실 위험이 낮은 잠재 대출 수요층을 발굴하여 잠재 대출 수요 시장을 확대할 수 있는 점이 가장 차별적인 요소
미국인의 48% 만이 은행이나 중대형 대출 기관이 취급 가능한 prime loan을 받을 수 있는 신용 등급을 부여받고 있음. 반면 미국인의 80%가량은 개인 파산 경험이 없는 우량 계층. 즉, 프라임 크레디트가 없는 32% 대출자들은 자신들의 신용 등급이 과소평가됨에 따라 과다하게 높은 대출금리를 적용받고 있음. 기술적으로 부실 가능성이 높은 계층은 소득 수준이 가장 낮은 20%가량의 소득계층이라 할 수 있음. 최하위 소득자 10%는 소득의 100%를 원리금 상환에 투입해야 하며 차하위 소득자 16%는 자기 소득의 50% ~ 100%를 원리금 상환에 쓰는 것으로 파악됨. 결국 최하위 26% 계층이 실질적으로 부실 가능성이 매우 큰 계층이고 그 이상의 소득자들은 자신의 신용 등급을 유지하기 위해 개인 부도를 내지 않으려는 성향을 띤다고 볼 수 있음.
대출 신청하는 소비자들은 1) 대출 승인율이 높아지는데에 만족 , 2) 기존 대출에 비해 낮은 이자율 적용이 가능하다는 현실적 이점, 3) 간편하고 빠른 심사로 동사 플랫폼을 활용. 은행, 대출기관들은 1) 잠재 대출 고객층을 확대할 수 있음, 2) 대출 손실률이 낮아짐, 3) 대출 심사가 자동화되어 심사 인력 절감이 가능하다는 점에서 긍정적 반응
동사 플랫폼은 전통적 대출 모델에서 승인된 차입자에 비해 승인자가 27% 늘고 이자율이 평균 16% 낮아지는 경쟁력을 보임
ㅇ 동사 영업수익(일종의 매출액)은 주로 동사의 대출 플랫폼을 사용하는 은행과 대출기관이 지불하는 수수료 수입이 대부분을 차지. 수수료는 크게 3가지로 구분, 동사 홈페이지에 신청한 대출이 승인될 경우 대출 건별 발생하는 수수료, 은행에 플랫폼을 제공하고 발생한 대출 승인 건별 수취하는 플랫폼 수수료, 대출 상환 시 지급받는 대출 상환 수수료 수입으로 나뉨
동사는 20 년 3 분기에 대략 26억 $의 대출 심사를 완료하여 대출이 실행된 것으로 추정. 평균 대출 규모는 15,000 $로 추산됨. 보통 동사 홈페이지를 통해 얻게 되는 발생 수수료는 건당 4~500 $, 플랫폼 수수료는 건당 2~300 $, 대출 상환 수수료는 대출 금액의 0.5~1.0%가량을 지급받음
ㅇ 현재 메이저 파트너는 Cross Bank. 동사에게 대출 플랫폼을 의뢰, 데이터를 제공한 전략적 제휴 은행. 우리로 치면 저축 은행 정도의 사이즈로서 핀테크를 활용하여 은행업에 진출한 핀테크 인터넷 뱅크로 이해할 수 있음. 아직까지 크로스 뱅크 의존도가 높음. 대출 건수의 72%, 영업 수익의 65%가 동행에서 발생 중
ㅇ 동사 사업모델의 특징 : 일반적으로 핀테크 기업들은 은행, 증권, 보험을 경쟁 상대로 설정하여 고객과 시장을 궁극적으로 이들로부터 뺏어 오는 사업 모델을 취하고 있음. 그렇지 않다면 전혀 새로운 영역에서 생태계를 만드는 방식임. 그러나 동사는 은행이 갖는 대출 경쟁력을 인정하는데서 비즈니스 아이디어를 착안. 경쟁이 아닌 은행과 협력을 하여 대출 알고리즘 개발을 통해 대출 승인, 심사의 자동화 플랫폼을 대출기관에게 제공하는 사업모델을 완성
미국의 대형 투자은행이나 상업은행은 대출 자동화 시스템 구축을 위해 매년 수천 억 원의 투자를 단행. 그러나 전국이 아닌 주에 한정하여 영업하는, 중소 규모의 지방 은행들이나 대출기관은 AI 시스템 구축을 위한 시스템 투자에 한계를 가지고 있음. 동사와 제휴를 맺을 대출 기관들이 주요 타겟층이 될 수 있음.
ㅇ 향후 성장 가능성 : 개인 비보증 시장(1,180억 $), 자동차 대출(6,250억 $), 신용카드(3,630억 $) 등으로 대출 플랫폼을 확장 기대
ㅇ 리스크 요인 : 대형 금융 기관이 동사가 타깃 하는 그레이 신용 등급에 적극 진출하거나 알고리즘 개발비용이 낮아져 중소 규모 대출 기관들이 자체 플랫폼 탑재가 가능해질 경우 동사에게는 치명적 상황이 될 수 있음. IPO 당시 Cross Bank 의존도가 높다는 점이 지적되었으나 개인적으로는 알고리즘 개발을 위한 전략적 제휴 관계였기 때문이라고 보임. 향후 1~2년 동사 영업수익 성장이나 대출 기관 증가를 확인해야 할 것으로 판단
기존 150억 개 데이터로 알고리즘을 완성했기에 현재와 다른 금융 환경이 전개되면 기존 알고리즘의 유효성에 심각한 문제가 생길 수 있음. 금융 위기시 동사 알고리즘이 지속적인 업데이트가 있어야 할 것.
20 년 3 분기 당기 순이익을 일시적으로 기록. 그러나 기업공개 전 마케팅 비용 감소, 전환 사채 주식 전환 등에 따른 비경상적 이익이 일부 발생했기 때문이며 아직까지는 손익분기점 미달
ㅇ 투자 아이디어 : 동사와 엇비슷한 영업수익을 기록하는 레모네이드(AI 보험 개발 판매 회사) 시가총액이 80억 $ 수준. 동사는 현재 45억 $ 수준. 엇비슷한 사업모델인 레모네이드 주가를 감안하면 추가 상승할 여지가 많다고 전망. IPO후 한 달동안 공모가 21 $에서 현재 62 $로 단기 급등한 상황. 단기 조정이 나올 수 있음.
현재 증시 상승이 유지될 경우 1~2년 내 이익실현이 현실적 대안. 그 이상 투자를 한다면 경기 하락 과정에서 동사 성장성과 알고리즘 유효성에 대한 검증이 필요. 여전히 경쟁력 있는 알고리즘이라면 M&A 대상으로도 유망할 것으로 예상
10월 13일 업데이트한 글 참고하세요.
