基于机器学习算法的信贷性别歧视问题研究

作     者：李青 

作者单位：湖南大学 

学位级别：硕士

导师姓名：刘轶

授予年度：2022年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 020202[经济学-区域经济学] 0811[工学-控制科学与工程] 

主      题：机器学习 贷款审批 性别歧视 

摘      要：信贷发放中的“性别歧视问题一直被广泛地进行研究。为有效地进行信贷风险管理,贷款审批开始倾向于使用预测精度更高的机器学习算法。然而,鲜有学者对机器学习算法的应用是会加剧还是减少信贷中的“性别歧视这一问题进行研究。通过对“信贷歧视问题进行研究,本文发现无论是传统银行信贷市场,还是P2P借贷市场上都存在着对于女性借款人的“性别歧视,表现为女性借款人与更高的贷款拒绝率、贷款利率或更低的贷款规模相联系。在此基础上,本文利用了拍拍贷与捷信消费金融的信贷数据集,探讨机器学习算法是否有助于减少信贷“性别歧视问题。首先,使用Logit方法分析女性借款人与男性借款人在实际违约表现上是否存在差异。其次,本文将SVM、RF、XGBoost以及Light GBM这四种机器学习算法应用到贷款审批中进行个人信用风险预测,利用五折交叉验证方法与网格搜索方法选取超参数来训练机器学习模型,分别预测出四个模型下每个借款人的借款通过率。最后,使用OLS方法分析借款人性别对预测通过率的影响。研究发现,女性借款人拥有着更低的违约风险,机器学习算法可以准确识别出不同性别借款人的信誉差异,给予还款违约率较低的女性借款人更高的通过率,提高了女性的融资机会,同时并不会对女性的贷款利率与金额形成额外的限制。本文认为,将机器学习算法引入到信贷审批中,机器学习算法的应用有助于减少信贷中的“性别歧视问题。最后,本文从监管部门、金融部门、科技部门三个方面提出了减少信贷性别歧视的保障措施。