Credit Scores: Performance and Equity
创建于 更新于
摘要
本报告通过比较传统信用评分与机器学习模型在消费者违约预测中的表现，发现传统信用评分存在41%的误分类，尤其对低分群体误差较大。机器学习模型在年轻、低收入和少数族裔群体中表现更优，改善了这些群体的信用排名，显示提升信用评分精度有助于促进更公平的信贷分配。该研究还揭示了信用评分因过度依赖信用历史长度和新的信用申请等因素，导致对边缘群体较高误判，并指出机器学习模型能有效降低此类偏差带来的不公平 [page::0][page::2][page::3][page::4][page::12][page::13][page::14][page::16][page::20][page::25][page::29][page::30]
