人工智能可以使银行贷款更加公平

摘要

本研究探讨了美国消费信贷市场中，放款人基于种族/民族的歧视行为，重点关注抵押贷款市场，并分析了金融科技（FinTech）在减少歧视方面的作用。研究发现，在2009年至2015年间，传统放款人对信用状况相同的拉丁裔和非裔美国人收取更高的利率，分别为7.9个基点和3.6个基点，每年造成7.65亿美元的损失。金融科技放款人的歧视程度较低，但并未完全消除歧视，可能是因为算法在竞争较弱的环境中获取租金，以及/或者根据借款人低消费行为进行画像。然而，算法放款人确实将利率差距缩小了三分之一以上，且在拒绝率上未显示歧视。

研究方法

本研究利用了包含贷款层面收入、种族、民族、贷款价值比和其他合同条款等信息的独特抵押贷款数据集，并利用政府住房抵押贷款企业（GSEs）定价网格的结构来识别歧视。GSEs的定价网格基于借款人的信用评分和贷款价值比，因此任何基于种族或民族的定价差异都被视为歧视。

主要发现

1. 利率歧视：传统放款人对信用状况相同的拉丁裔和非裔美国人收取更高的利率，分别为7.9个基点和3.6个基点，每年造成7.65亿美元的损失。
2. 金融科技放款人：金融科技放款人的歧视程度较低，但并未完全消除歧视。这可能是由于算法在竞争较弱的环境中获取租金，以及/或者根据借款人低消费行为进行画像。
3. 利率歧视随时间变化：2009年至2015年间，贷款定价中的歧视现象有所减少，这可能与金融科技平台发展带来的申请便利性和比较选择的可能性有关。
4. 贷款接受/拒绝决策：传统放款人在拒绝贷款申请时存在歧视，而金融科技放款人则不存在歧视。

研究结论

1. 算法放款人相对于面对面放款人可以减少歧视，但算法放款本身不足以消除贷款定价中的歧视。
2. 金融科技放款人在贷款接受/拒绝决策中发挥了积极作用，有助于减少歧视。
3. 本研究为界定算法决策时代非法歧视提供了新的见解，并为监管机构提供了评估大数据变量的方法。

研究意义

本研究结果对消费者信贷市场具有重要意义，表明尽管金融科技的发展带来了积极的变化，但仍然需要采取措施来消除歧视。同时，本研究也为监管机构提供了评估大数据变量合法性的方法，有助于保护消费者免受歧视。