論文の概要: The Causal Impact of Credit Lines on Spending Distributions

• arxiv url: http://arxiv.org/abs/2312.10388v1
• Date: Sat, 16 Dec 2023 08:54:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 16:53:50.526915
• Title: The Causal Impact of Credit Lines on Spending Distributions
• Title（参考訳）: クレジットラインの支出分配に及ぼす因果的影響
• Authors: Yijun Li, Cheuk Hang Leung, Xiangqian Sun, Chaoqun Wang, Yiyan Huang, Xing Yan, Qi Wu, Dongdong Wang, Zhixiang Huang
• Abstract要約: 本稿では,既存の実数値DR-,IPW-,DMLに基づく分布値推定をRubinの因果的フレームワーク内の分布値推定に拡張する分布値推定フレームワークを開発する。 以上の結果から,信用線は全ての量的消費に肯定的な影響を及ぼすことが明らかとなったが,信用線の増加に伴い,消費者は必要以上に豪華に配分する。
• 参考スコア（独自算出の注目度）: 24.966630154325024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Consumer credit services offered by e-commerce platforms provide customers with convenient loan access during shopping and have the potential to stimulate sales. To understand the causal impact of credit lines on spending, previous studies have employed causal estimators, based on direct regression (DR), inverse propensity weighting (IPW), and double machine learning (DML) to estimate the treatment effect. However, these estimators do not consider the notion that an individual's spending can be understood and represented as a distribution, which captures the range and pattern of amounts spent across different orders. By disregarding the outcome as a distribution, valuable insights embedded within the outcome distribution might be overlooked. This paper develops a distribution-valued estimator framework that extends existing real-valued DR-, IPW-, and DML-based estimators to distribution-valued estimators within Rubin's causal framework. We establish their consistency and apply them to a real dataset from a large e-commerce platform. Our findings reveal that credit lines positively influence spending across all quantiles; however, as credit lines increase, consumers allocate more to luxuries (higher quantiles) than necessities (lower quantiles).
• Abstract（参考訳）: eコマースプラットフォームが提供する消費者信用サービスは、買い物中に便利なローンアクセスを提供し、売上を刺激する可能性がある。 信用線が消費に与える影響を理解するため、従来の研究では、直接回帰(DR)、逆相対性重み付け(IPW)、二重機械学習(DML)に基づく因果推定器を用いて治療効果を推定している。 しかし、これらの推定者は、個人の支出が異なる順序で消費される量の範囲とパターンを捉える分布として理解され表現できるという概念を考慮していない。 成果を分布として無視することで、結果分布に埋め込まれた貴重な洞察が見過ごされる可能性がある。 本稿では,既存の実数値DR-,IPW-,DMLに基づく分布値推定をRubinの因果フレームワーク内の分布値推定に拡張する分布値推定フレームワークを開発する。 一貫性を確立し、大規模なeコマースプラットフォームから実際のデータセットに適用します。 しかし、クレジットラインが増加するにつれて、消費者は必要な量(より低い分位子)よりも、ルクス(高分位子)に割り当てる割合が高くなる。

関連論文リスト

• A Semiparametric Approach to Causal Inference [2.092897805817524]
  因果推論において、重要な問題は介入や治療の効果を定量化することである。 本稿では, 半パラメトリック密度比モデル(DRM)を用いて, 対物分布の特徴付けを行う。 我々のモデルは、対物分布に関する厳密なパラメトリック仮定を避けることで柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-11-01T18:03:38Z)
• Would I have gotten that reward? Long-term credit assignment by counterfactual contribution analysis [50.926791529605396]
  モデルベース信用代入アルゴリズムの新たなファミリーであるCOCOA(Counterfactual Contribution Analysis)を紹介する。 我々のアルゴリズムは、その後の報酬を得る際の行動の貢献度を測定することによって、正確な信用割当を実現する。
  論文  参考訳（メタデータ） (2023-06-29T09:27:27Z)
• Arbitrary Distribution Modeling with Censorship in Real-Time Bidding Advertising [2.562910030418378]
  インベントリプライシングの目的は、オンライン広告の機会に適切な価格を入札することであり、これはデマンド・サイド・プラットフォーム(DSP)がリアルタイム入札(RTB)で競売に勝つために不可欠である。 以前の作品の多くは、勝利価格の分布形式を強く仮定し、その正確さを減らし、一般化する能力を弱めた。 我々は,新たな損失関数であるNLL(Neighborhood Likelihood Loss)を提案し,検閲下での勝利価格分布を予測するためのフレームワークであるArbitrary Distribution Modeling(ADM)と協調する。
  論文  参考訳（メタデータ） (2021-10-26T11:40:00Z)
• Enhancing User' s Income Estimation with Super-App Alternative Data [59.60094442546867]
  これは、これらの代替データソースのパフォーマンスと、業界に受け入れられた局の収入推定器のパフォーマンスを比較します。 本論文は、金融機関がリスクプロファイルの構築に代替データを導入しようとする動機を示すものである。
  論文  参考訳（メタデータ） (2021-04-12T21:34:44Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
  顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
  論文  参考訳（メタデータ） (2020-12-21T01:01:56Z)
• The Causal Learning of Retail Delinquency [13.866975878174207]
  本稿では、貸主の信用決定に変化があった場合の借主の返済の期待差に焦点を当てる。 本稿では,誤差を大幅に低減できる推定器を構築するための別の手法を提案する。 因果効果が正しく説明されれば, 推定誤差の相対的低減は極めて有意であることがわかった。
  論文  参考訳（メタデータ） (2020-12-17T08:46:01Z)
• Accurate and Robust Feature Importance Estimation under Distribution Shifts [49.58991359544005]
  PRoFILEは、新しい特徴重要度推定法である。 忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-09-30T05:29:01Z)
• Intelligent Credit Limit Management in Consumer Loans Based on Causal Inference [5.292270534252169]
  信用限度は、経験豊富な専門家によって開発された限られた戦略に基づいて調整される。 本稿では,信用限度をインテリジェントに管理するためのデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-10T06:22:44Z)
• Maximizing Information Gain in Partially Observable Environments via Prediction Reward [64.24528565312463]
  本稿では,深いRLエージェントに対する信念に基づく報酬の活用という課題に取り組む。 負のエントロピーと予測される予測報酬の正確な誤差を導出する。 この洞察は、予測報酬を用いたいくつかの分野の理論的動機を与える。
  論文  参考訳（メタデータ） (2020-05-11T08:13:49Z)
• Large-scale Uncertainty Estimation and Its Application in Revenue Forecast of SMEs [10.367755705236249]
  中小企業の経済と銀行の重要性は、現代社会においてよく認識されている。 信頼できる収益予測モデルを構築することは非常に有益である。 本稿では,実装が容易で,容易に並列化可能で,解釈可能で,高品質な予測不確実性の推定値が得られるスケーラブルな自然グラディエントブースティングマシンを提案する。
  論文  参考訳（メタデータ） (2020-05-02T06:17:44Z)

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。