論文の概要: Mitigating Bias in Online Microfinance Platforms: A Case Study on Kiva.org

• arxiv url: http://arxiv.org/abs/2006.12995v1
• Date: Sat, 20 Jun 2020 00:22:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 22:38:12.415446
• Title: Mitigating Bias in Online Microfinance Platforms: A Case Study on Kiva.org
• Title（参考訳）: オンラインマイクロファイナンスプラットフォームにおけるバイアスの緩和: Kiva.org を事例として
• Authors: Soumajyoti Sarkar, Hamidreza Alvari
• Abstract要約: 我々は,借主国の経済的要因に対する貸主の認識を,異なるセクターに関連付けられたローンに対する嗜好と関連づけて検討する。 経済要因や融資属性の影響は、資金提供の迅速化において、異なる分野において、大きく異なる役割を担っていることが判明した。
• 参考スコア（独自算出の注目度）: 0.348097307252416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the last couple of decades in the lending industry, financial disintermediation has occurred on a global scale. Traditionally, even for small supply of funds, banks would act as the conduit between the funds and the borrowers. It has now been possible to overcome some of the obstacles associated with such supply of funds with the advent of online platforms like Kiva, Prosper, LendingClub. Kiva for example, works with Micro Finance Institutions (MFIs) in developing countries to build Internet profiles of borrowers with a brief biography, loan requested, loan term, and purpose. Kiva, in particular, allows lenders to fund projects in different sectors through group or individual funding. Traditional research studies have investigated various factors behind lender preferences purely from the perspective of loan attributes and only until recently have some cross-country cultural preferences been investigated. In this paper, we investigate lender perceptions of economic factors of the borrower countries in relation to their preferences towards loans associated with different sectors. We find that the influence from economic factors and loan attributes can have substantially different roles to play for different sectors in achieving faster funding. We formally investigate and quantify the hidden biases prevalent in different loan sectors using recent tools from causal inference and regression models that rely on Bayesian variable selection methods. We then extend these models to incorporate fairness constraints based on our empirical analysis and find that such models can still achieve near comparable results with respect to baseline regression models.
• Abstract（参考訳）: 過去数十年間、融資業界では、金融の切り離しが世界的な規模で起きている。 伝統的に、少額の資金供給であっても、銀行は資金と借主の間の導管として機能する。 Kiva、Prosper、LendingClubなどのオンラインプラットフォームが登場したことで、こうした資金供給に伴う障害を克服することが可能になった。 例えば、Kivaは開発途上国のマイクロファイナンス研究所(MFI)と協力して、簡単な伝記、ローン要求、ローン期間、目的のインターネットプロファイルを構築している。 特にKivaは、グループや個人ファンドを通じて、さまざまなセクターのプロジェクトに資金を提供する。 伝統的な研究は、単にローン属性の観点から、貸付人の嗜好の背景にある様々な要因を調査しており、最近まで、いくつかのクロスカントリー文化嗜好が研究されてきた。 本稿では,借主国の経済的要因に対する貸主の認識と,異なる分野の融資に対する嗜好との関連について検討する。 経済要因や融資属性の影響は、資金提供の迅速化において、異なる分野において、大きく異なる役割を担っていることが判明した。 我々は,ベイズ変数選択法に依存する因果推論や回帰モデルに基づく最近の手法を用いて,異なる融資セクターで普及している隠れバイアスを公式に調査し,定量化する。 これらのモデルを拡張して、経験的分析に基づく公平さの制約を取り入れた上で、ベースライン回帰モデルに関してほぼ同等の結果が得られることを見出します。

関連論文リスト

• STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
  金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。 双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。 ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
  論文  参考訳（メタデータ） (2024-12-12T17:15:49Z)
• On the Societal Impact of Open Foundation Models [93.67389739906561]
  ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。 オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
  論文  参考訳（メタデータ） (2024-02-27T16:49:53Z)
• Empowering Many, Biasing a Few: Generalist Credit Scoring through Large Language Models [53.620827459684094]
  大規模言語モデル(LLM)は、複数のタスクにまたがる強力な一般化能力を持つ信用スコアリングタスクにおいて大きな可能性を秘めている。 クレジットスコアリングのための LLM を探索する,初のオープンソース包括的フレームワークを提案する。 そこで我々は,各種金融リスク評価タスクの煩雑な要求に合わせて,指導チューニングによる最初の信用・リスク評価大言語モデル(CALM)を提案する。
  論文  参考訳（メタデータ） (2023-10-01T03:50:34Z)
• Multi-Target Multiplicity: Flexibility and Fairness in Target Specification under Resource Constraints [76.84999501420938]
  対象の選択が個人の結果にどのように影響するかを評価するための概念的および計算的枠組みを導入する。 目的変数選択から生じる多重度は, 1つのターゲットのほぼ最適モデルから生じるものよりも大きいことが示される。
  論文  参考訳（メタデータ） (2023-06-23T18:57:14Z)
• 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)
• Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
  我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。 実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
  論文  参考訳（メタデータ） (2022-10-22T14:47:11Z)
• Machine Learning Models Evaluation and Feature Importance Analysis on NPL Dataset [0.0]
  エチオピアのプライベートバンクが提供するデータセット上で、異なる機械学習モデルがどのように機能するかを評価する。 XGBoostは、KMeans SMOTEオーバーサンプリングデータ上で最高F1スコアを達成する。
  論文  参考訳（メタデータ） (2022-08-28T17:09:44Z)
• Should Bank Stress Tests Be Fair? [1.370633147306388]
  銀行間でデータをプールすることは銀行を平等に扱うが、2つの欠陥があると主張する。 我々は、銀行間の差異を単に無視するよりも、中心的な銀行固定効果を推定し、破棄することを好んで論じる。
  論文  参考訳（メタデータ） (2022-07-27T06:46:51Z)
• Payday loans -- blessing or growth suppressor? Machine Learning Analysis [0.0]
  本研究は、不動産市場におけるペイデーローンの影響について論じる。 本研究は、オンタリオ州トロントのペイデーローンにより、参照領域における不動産の集中度指数を得るという、初歩的な経験を描いている。
  論文  参考訳（メタデータ） (2022-05-30T14:04:58Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。