AEO Service

数百年来，贷款机构和管理公平贷款的法律一直是歧视的目标。通常，某些人群没有机会从贷款中受益。其中包括有色人种、没有大学学位的人、移民以及信用记录较差或没有信用记录的年轻一代。由于这些服务不足的社区被认为风险最大，因此他们通常是最后一个获得贷款的社区。

通常，这些人被贴上“银行服务不足”的标签。这意味着他们要么没有传统的信用评分，要么他们的信用报告信息很少。这些人发现自己陷入了恶性循环，因为他们有信用评分而无法获得信用。他们的记录中没有信用记录或无法获得贷款，而有缺陷的传统评分模式阻碍了这些潜在的合格申请人获得贷款。金融科技初创公司开始利用大量可用数据来做出更准确、更明智的贷款决策，这就是人工智能（AI）和机器学习（ML）有可能彻底改变我们今天所知的公平贷款流程的地方。 。



什么是贷款？
Investopedia 将贷款定义为“给予另一方的金钱、财产或其他实物资产，以换取未来偿还贷款价值或本金，加上利息或财务费用。”贷款时需要考虑很多事情。例如，高息贷款比低息贷款每月还款额更高，或者偿还时间更长。贷款可以有抵押品担保，例如抵押贷款，也可以无担保，例如信用卡。循环贷款或额度可以支出、偿还和重复使用，而定期贷款是固定利率、固定还款的贷款。还有不同类型的贷款，例如担保或无担保贷款，以及循环或定期贷款。抵押贷款和汽车贷款是有担保贷款，而信用卡贷款通常是无担保或没有抵押品支持的。信用卡是无担 哥伦比亚电报负责人 保循环贷款，而房屋净值信贷额度 (HELOC) 是有担保循环贷款。






传统的信用评分模型
《公平住房法》 (FHA) 和《平等信用机会法》 (ECOA) 通过禁止不公平和歧视性做法来保护消费者。尽管这些法律已经实施了几十年，但众所周知，贷款人员和房东发现系统中存在歧视某些人群的漏洞。在人工智能承保之前，贷款是由负责文书工作的银行员工处理的。信贷员利用自己的判断（可能存在偏见）来评估贷款申请人按时足额偿还债务以及管理其财务的能力。认识到某些人群可能“信贷盲目”或银行服务不足，这些信贷员不愿向他们提供贷款或推荐“高风险、高价格的产品”。结果是，那些最喜欢信贷员的人获得了更多的贷款，而那些没有受到影响的人却无法真正了解每个贷方如何做出决定，因此监管机构使用信用卡统计结果来确定谁在公平地放贷。但这些统计数据往往存在偏差，并且没有考虑到“仅依靠信用评分和报告”来确定一个人是否“处于危险之中”所需的全面情况。遗漏了可以使申请人有资格获得贷款的有价值的信息，即使每个贷方都有自己的贷款审批和定价标准，因此很难预测信用不良的贷款人的年利率。如果一个人信用不良，申请人通常会收到最高利率的录取通知书，高于 36%。研究表明，某些人群更容易获得较低的信用评分和较少的信用档案，这些人在获得贷款时往往成为不公平贷款行为和歧视的目标。