論文の概要: Escaping the Subprime Trap in Algorithmic Lending

• arxiv url: http://arxiv.org/abs/2502.17816v1
• Date: Tue, 25 Feb 2025 03:43:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 18:40:37.956186
• Title: Escaping the Subprime Trap in Algorithmic Lending
• Title（参考訳）: アルゴリズムLendingにおけるサブプライムトラップの回避
• Authors: Adam Bouyamourn, Alexander Williams Tolbert,
• Abstract要約: ローン承認決定における差別の持続性において、リスク管理制約、特にバリュー・アット・リスク(VaR)制約の役割について検討する。 我々は、主流(低金利)の銀行がサブプライムバンクよりも分散リスクに敏感な形式モデルを開発する。 我々は、少数の有限の補助金が、主流銀行のマイナス面を十分にカバーすることで、少数民族の集団が罠から逃れるのに役立つことを示している。
• 参考スコア（独自算出の注目度）: 49.1574468325115
• License:
• Abstract: Disparities in lending to minority applicants persist even as algorithmic lending practices proliferate. Further, disparities in interest rates charged can remain large even when loan applicants from different groups are equally creditworthy. We study the role of risk-management constraints, specifically Value-at-Risk (VaR) constraints, in the persistence of segregation in loan approval decisions. We develop a formal model in which a mainstream (low-interest) bank is more sensitive to variance risk than a subprime (high-interest) bank. If the mainstream bank has an inflated prior belief about the variance of the minority group, it may deny that group credit indefinitely, thus never learning the true risk of lending to that group, while the subprime lender serves this population at higher rates. We formalize this as a "subprime trap" equilibrium. Finally, we show that a small, finite subsidy (or partial guarantee) can help minority groups escape the trap by covering enough of the mainstream bank's downside so that it can afford to lend and learn the minority group's true risk. Once it has sufficiently many data points, it meets its VaR requirement with no further assistance, minority groups are approved for loans by the mainstream bank, and competition drives down the interest rates of subprime lenders.
• Abstract（参考訳）: マイノリティの応募者への貸し付けの格差は、アルゴリズムによる貸し付けの慣行が増加しても継続する。 さらに、異なるグループのローン申請者が等しく信用に値する場合でも、請求される金利の格差は大きいままである。 ローン承認決定における差別の持続性において、リスク管理制約、特にバリュー・アット・リスク(VaR)制約の役割について検討する。 我々は,主流(低金利)の銀行がサブプライム(高金利)の銀行よりも分散リスクに敏感な形式モデルを開発する。 マイノリティ・グループの分散について、メインストリーム・バンクが事前の信念を膨らませている場合、グループ・クレジットは無期限に否定する可能性があるため、サブプライム・バンクは、この人口を高いレートで提供する一方で、グループへの貸付の真のリスクを決して学ばない。 我々はこれを「サブプライムトラップ」均衡として定式化する。 最後に、小規模で有限の補助金(または部分的な保証)が、マイノリティグループの真のリスクの貸付と学習の機会を確保できるように、メインストリームの銀行のマイナス面を十分にカバーすることで、マイノリティグループの罠から逃れるのに役立つことを示す。 十分な数のデータポイントが得られれば、VaRの要件を更なる支援なしに満たし、マイノリティグループはメインストリーム銀行による融資を承認され、競争はサブプライム銀行の金利を下げる。

関連論文リスト

• Boost-and-Skip: A Simple Guidance-Free Diffusion for Minority Generation [57.19995625893062]
  拡散モデルを用いて少数サンプルを生成するために,Boost-and-Skipと呼ばれる強力なガイダンスのない手法を提案する。 これらの一見自明な修正は、確固たる理論と実証的な証拠によって支えられていることを強調する。 我々の実験は、Boost-and-Skipが少数サンプルを生成する能力を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-02-10T14:37:26Z)
• Debiasing Alternative Data for Credit Underwriting Using Causal Inference [0.0]
  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。
  論文  参考訳（メタデータ） (2024-10-29T12:54:55Z)
• 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)
• Allowing Blockchain Loans with Low Collateral [8.891968048563685]
  ブロックチェーンベースのローンでは、暗号通貨が担保となる。 担保として機能する資産はロックされているため、多くの候補者が融資を受けるのを妨げている。 我々は、融資者のリスクを抑えつつ、より低い担保付きローンを提供することにより、ローンをよりアクセスしやすくすることを目指している。
  論文  参考訳（メタデータ） (2023-06-13T12:49:19Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Learning Collective Action under Risk Diversity [68.88688248278102]
  集団的リスクジレンマを演じることを学ぶエージェントのグループにおけるリスク多様性の結果について検討する。 リスクの多様性は、全体的な協力を著しく減らし、全体的な目標達成を妨げることを示す。 この結果から,エージェント間のリスク認識の整合性や新たな学習技術開発の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2022-01-30T18:21:21Z)
• Robust Allocations with Diversity Constraints [65.3799850959513]
  エージェント値の積を最大化するナッシュ福祉規則は,多様性の制約が導入されたとき,一意にロバストな位置にあることを示す。 また, ナッシュ・ウェルズによる保証は, 広く研究されているアロケーション・ルールのクラスにおいて, ほぼ最適であることを示す。
  論文  参考訳（メタデータ） (2021-09-30T11:09:31Z)
• 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)
• Mitigating Bias in Online Microfinance Platforms: A Case Study on Kiva.org [0.348097307252416]
  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。
  論文  参考訳（メタデータ） (2020-06-20T00:22:49Z)
• Predicting Bank Loan Default with Extreme Gradient Boosting [0.0]
  ローンのデフォルト予測には、XGBoostと呼ばれるExtreme Gradient Boostingアルゴリズムを使用します。 この予測は、ローン申請と申請者の人口統計の両方のデータセットを考慮に入れた、指導的銀行からのローンデータに基づいている。
  論文  参考訳（メタデータ） (2020-01-18T18:52:10Z)

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。