論文の概要: Debiasing Alternative Data for Credit Underwriting Using Causal Inference

• arxiv url: http://arxiv.org/abs/2410.22382v1
• Date: Tue, 29 Oct 2024 12:54:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:23:51.157834
• Title: Debiasing Alternative Data for Credit Underwriting Using Causal Inference
• Title（参考訳）: 因果推論を用いた信用書込みのための代替データのデバイアス化
• Authors: Chris Lam,
• Abstract要約: 代替データは、借り手の信用度を評価するために、貸し手にとって貴重な洞察を提供する。 しかし、いくつかの代替データは、保護されたクラスの違法な代理として機能する可能性があるため、歴史的に信用代行から除外されてきた。 本稿では、教師付き機械学習モデルに因果推論を適用して代替データをデバイアスし、クレジットカードの引受けに使用できるようにする手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Alternative data provides valuable insights for lenders to evaluate a borrower's creditworthiness, which could help expand credit access to underserved groups and lower costs for borrowers. But some forms of alternative data have historically been excluded from credit underwriting because it could act as an illegal proxy for a protected class like race or gender, causing redlining. We propose a method for applying causal inference to a supervised machine learning model to debias alternative data so that it might be used for credit underwriting. We demonstrate how our algorithm can be used against a public credit dataset to improve model accuracy across different racial groups, while providing theoretically robust nondiscrimination guarantees.
• Abstract（参考訳）: 代替データは借り手の信用度を評価するための貴重な洞察を与え、借り手の信用度を増大させ、借り手のコストを下げることができる。 しかし、一部の代替データは、人種や性別などの保護されたクラスの違法な代理として機能し、リライニングを引き起こす可能性があるため、歴史的に信用代行から除外されてきた。 本稿では、教師付き機械学習モデルに因果推論を適用して代替データをデバイアスし、クレジットカードの引受けに使用できるようにする手法を提案する。 我々は、我々のアルゴリズムが公的な信用データセットに対してどのように使用できるかを示し、異なる人種グループ間でモデルの精度を向上させるとともに、理論的に堅牢な非差別保証を提供する。

関連論文リスト

• A Distributionally Robust Optimisation Approach to Fair Credit Scoring [2.8851756275902467]
  クレジットスコアリングは、欧州委員会と米国大統領の執行部によって、リスクの高い分類タスクとしてカタログ化されている。 この懸念に対処するため、近年の信用スコアリング研究は、公平性向上技術の範囲を検討した。
  論文  参考訳（メタデータ） (2024-02-02T11:43:59Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• The Fairness of Credit Scoring Models [0.0]
  信用市場において、スクリーニングアルゴリズムは、良いタイプの借主と悪いタイプの借主を区別することを目的としている。 これは意図せず、トレーニングデータセットから、あるいはモデル自体から生まれます。 評価モデルのアルゴリズムフェアネスの形式的検証方法と,フェアネスの欠如の原因となる変数の同定方法を示す。
  論文  参考訳（メタデータ） (2022-05-20T14:20:40Z)
• Selective Credit Assignment [57.41789233550586]
  選択的クレジット代入のための時間差アルゴリズムについて統一的な視点を述べる。 価値に基づく学習と計画アルゴリズムへの重み付けの適用に関する洞察を提供する。
  論文  参考訳（メタデータ） (2022-02-20T00:07:57Z)
• Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection [106.33204064461802]
  クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。 クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2021-11-05T19:10:35Z)
• How Costly is Noise? Data and Disparities in Consumer Credit [0.0]
  信用スコアは、歴史的に不足しているグループに対するデフォルトリスクの指標であることを示す。 信用スコアの精度を等しくすると、不利なグループの承認率と信用ミスロケーションの格差が約半減する可能性があります。
  論文  参考訳（メタデータ） (2021-05-17T00:42:26Z)
• 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)
• A Novel Classification Approach for Credit Scoring based on Gaussian Mixture Models [0.0]
  本稿では,ガウス混合モデルに基づく新たなクレジットスコアリング手法を提案する。 我々のアルゴリズムは、消費者を正または負とラベル付けされたグループに分類する。 我々は,オーストラリア,日本,ドイツの実世界のデータベースにモデルを適用した。
  論文  参考訳（メタデータ） (2020-10-26T07:34:27Z)
• PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework Based on Adversarial Learning [111.19576084222345]
  本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。 PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。 結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
  論文  参考訳（メタデータ） (2020-10-06T07:04:59Z)
• 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。