原创力文档- 1、本文档共28页，其中可免费阅读9页，需付费260金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PAGE1
信用评分：效率与公平
摘要
本文探讨了信用评分在美国消费者信贷分配中的作用，重点分析了现有评分模型的准确性和公平性问题。研究表明，当前广泛使用的信用评分模型在预测消费者违约方面存在显著局限，尤其对低评分的借款人群体（如年轻人、低收入者和少数族裔）表现不佳。通过机器学习模型的替代评分，我们发现能够显著提升这些群体的预测准确性，从而促进更公平的信贷获取。具体而言，传统信用评分将41%的消费者错误地分类为与其实际违约概率不符的风险类别，尤其是对47%的次级借款人和70%的近优质借款人进行了误判，而我们的模型在这些群体中的表现更加优越。此外，我们的模型在低质量数据上表现更佳，更能
文档评论（0）