신용 불이행 위험이 높은 개인은 위험이 낮은 개인과 도시 내에서 다른 장소를 방문하는가? 대규모 위치정보 데이터를 활용하여, 본 연구는 지리적 유사성 위험(geosimilarity risk)과 위치정보 네트워크 규모가 개인 신용 불이행을 예측하는 새롭고 유용한 분류 지표로 기능할 수 있음을 제안한다. 두 개인이 주어진 기간 동안 적어도 하나의 방문 장소를 공유할 경우 지리적 유사성 네트워크(GSN) 이웃으로 정의한다. 주요 핀테크 기업의 소비자 위치 추적 데이터와 대출 상환 이력을 결합하여 분석한 결과, 불이행자의 GSN 이웃은 평균 대출자보다 약 3배, 비불이행자의 GSN 이웃보다 약 4.5배 더 높은 불이행 가능성을 보이는 것으로 나타났다. 또한, 지리적 유사성 위험과 위치정보 네트워크 규모는 인구통계학적 특성, 재무 능력, 대출 특성 등 전통적 요인을 통제한 후에도 불이행 결과를 유의하게 설명하였다. 이러한 위치정보 기반 지표를 표준 신용위험 모형에 통합하면 예측 정확도가 약 9% 향상되었다. 이러한 발견은 공간 이동 데이터가 신용위험 평가를 위한 보완적 정보원으로서의 가치를 지님을 부각한다.