Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://open.mgimo.ru/handle/123456789/19599
Название: Do algorithms discriminate against African Americans in lending?
Дискриминируют ли алгоритмы афроамериканцев при кредитовании?
Авторы: Bertrand, J.
Weill, L.
Бертран, Ж.
Вейл, Л.
Ключевые слова: algorithmic lending
racial discrimination
African Americans
mortgage applications
loan approval
biased data
algorithmic fairness
алгоритмическое кредитование
расовая дискриминация
афроамериканцы
ипотечные заявки
одобрение кредитов
предвзятые данные
алгоритмическая справедливость
Дата публикации: 2021
Библиографическое описание: Bertrand J., Weill L. Do algorithms discriminate against African Americans in lending? Economic Modelling. 2021;98:105619. https://doi.org/10.1016/j.econmod.2021.105619
Бертран Ж., Вейл Л. Дискриминируют ли алгоритмы афроамериканцев при кредитовании? Economic Modelling. 2021;98:105619. https://doi.org/10.1016/j.econmod.2021.105619
Аннотация: This paper investigates whether algorithmic lending discriminates against African Americans compared to traditional lending methods. Using a large dataset of mortgage applications, we find that algorithms reduce but do not eliminate racial disparities in loan approval rates. The remaining discrimination is partly due to biased training data and algorithmic design choices.
В данной статье исследуется, дискриминируют ли алгоритмическое кредитование афроамериканцев по сравнению с традиционными методами кредитования. Используя большой набор данных о заявках на ипотеку, мы обнаруживаем, что алгоритмы сокращают, но не устраняют расовые различия в показателях одобрения кредитов. Оставшаяся дискриминация частично обусловлена предвзятыми обучающими данными и выбором алгоритмического дизайна.
URI: https://open.mgimo.ru/handle/123456789/19599
ISSN: 0264-9993
1873-6122
Располагается в коллекциях:Статьи сотрудников МГИМО во внешних журналах

Файлы этого ресурса:
Нет файлов, ассоциированных с этим ресурсом.
Источник: Economic Modelling  (2021)


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.