論文の概要: Credit Scoring for Good: Enhancing Financial Inclusion with Smartphone-Based Microlending

• arxiv url: http://arxiv.org/abs/2001.10994v1
• Date: Wed, 29 Jan 2020 18:07:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 06:43:40.580165
• Title: Credit Scoring for Good: Enhancing Financial Inclusion with Smartphone-Based Microlending
• Title（参考訳）: Credit Scoring for Good: スマートフォンによるマイクロレンディングによる金融インクルージョンの強化
• Authors: Mar\'ia \'Oskarsd\'ottir, Cristi\'an Bravo, Carlos Sarraute, Bart Baesens, Jan Vanthienen
• Abstract要約: 20億人以上、最も貧しい成人の半分以上が正式な金融サービスを使っていない。 スマートフォンベースのマイクロレンディングは、財務的包摂性を高めるための潜在的なソリューションとして登場した。 本稿では,これらのアプリケーションで使用されるクレジットスコアリングモデルの予測性能を改善する手法を提案する。
• 参考スコア（独自算出の注目度）: 6.919243767837342
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Globally, two billion people and more than half of the poorest adults do not use formal financial services. Consequently, there is increased emphasis on developing financial technology that can facilitate access to financial products for the unbanked. In this regard, smartphone-based microlending has emerged as a potential solution to enhance financial inclusion. We propose a methodology to improve the predictive performance of credit scoring models used by these applications. Our approach is composed of several steps, where we mostly focus on engineering appropriate features from the user data. Thereby, we construct pseudo-social networks to identify similar people and combine complex network analysis with representation learning. Subsequently we build credit scoring models using advanced machine learning techniques with the goal of obtaining the most accurate credit scores, while also taking into consideration ethical and privacy regulations to avoid unfair discrimination. A successful deployment of our proposed methodology could improve the performance of microlending smartphone applications and help enhance financial wellbeing worldwide.
• Abstract（参考訳）: 全世界で20億人、最も貧しい成人の半分以上が正式な金融サービスを使用していない。 その結果、金融商品へのアクセスを容易にする金融技術開発に重点が置かれている。 この点に関して、スマートフォンベースのマイクロレンディングは、ファイナンシャルインクルージョンを強化する潜在的なソリューションとして浮上している。 これらのアプリケーションで使用される信用スコアリングモデルの予測性能を改善する手法を提案する。 私たちのアプローチは、ユーザデータから適切な機能を設計することに集中する、いくつかのステップで構成されています。 そこで,類似人物を識別するために疑似ソーシャルネットワークを構築し,複雑なネットワーク分析と表現学習を組み合わせた。 次に、最も正確なクレジットスコアを得るために、高度な機械学習技術を用いたクレジットスコアモデルを構築し、不公平な差別を避けるために倫理的およびプライバシー上の規制も考慮します。 提案手法の展開が成功すれば、マイクロレンディングスマートフォンアプリケーションの性能が向上し、世界中の財政の健全性を高めることができる。

関連論文リスト

• Bank Loan Prediction Using Machine Learning Techniques [0.0]
  我々は機械学習手法を用いて、148,670のインスタンスと37の属性のデータセットに取り組んできた。 最高の性能のアルゴリズムはAdaBoostingであり、99.99%の精度を達成した。
  論文  参考訳（メタデータ） (2024-10-11T15:01:47Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• Churn Prediction via Multimodal Fusion Learning:Integrating Customer Financial Literacy, Voice, and Behavioral Data [14.948017876322597]
  本稿では,金融サービスプロバイダの顧客リスクレベルを特定するためのマルチモーダル融合学習モデルを提案する。 弊社のアプローチは、顧客感情の財務リテラシー(FL)レベルと、財務行動データを統合している。 我々の新しいアプローチは、チャーン予測の顕著な改善を示し、テスト精度91.2%、平均精度66、マクロ平均F1スコア54を達成した。
  論文  参考訳（メタデータ） (2023-12-03T06:28:55Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• Inclusive FinTech Lending via Contrastive Learning and Domain Adaptation [9.75150920742607]
  フィンテックの貸与は、財政的包摂の促進に重要な役割を果たしてきた。 ローン審査中にアルゴリズムによる意思決定にバイアスがかかる可能性があるという懸念がある。 自己教師付きコントラスト学習とドメイン適応を用いたトランスフォーマーに基づくシーケンシャルローンスクリーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-10T01:11:35Z)
• A Learning and Control Perspective for Microfinance [0.19573380763700707]
  発展途上国の申請者の多くは、金融機関が貸付決定を下すために必要な十分な情報を提供できない。 我々は、マイクロファイナンスの決定を、学習と制御を含む厳密な最適化ベースのフレームワークに定式化する。
  論文  参考訳（メタデータ） (2022-07-26T03:35:18Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Federated Artificial Intelligence for Unified Credit Assessment [4.634995024383368]
  デジタルフットプリントは、デジタルトランスフォーメーションにおいて金融業界に革命をもたらすために、ユビキタスで多用途化されている。 我々は、社会的、文脈的、経済的、技術的次元からなるデジタル人間表現を概念化した。 フェデレートされた人工知能プラットフォームは、効率的かつ効果的なクレジットスコアリングのためのシステム設計の包括的セットで提案されている。
  論文  参考訳（メタデータ） (2021-05-20T03:05:42Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Families In Wild Multimedia: A Multimodal Database for Recognizing Kinship [63.27052967981546]
  マルチタスク MM キンシップデータセットを初めて公開する。 FIW MMを構築するために,データを自動収集,注釈付け,作成する機構を開発した。 結果は、改善の異なる領域で将来の研究を刺激するエッジケースを強調します。
  論文  参考訳（メタデータ） (2020-07-28T22:36:57Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。