噪声的代价有多大？消费者信贷中的数据与差异

我们表明，放贷机构在评估美国信贷市场中历史上服务不足群体的违约风险时面临更大的不确定性，且这种信息差异是导致低效且不平等的信贷市场结果的定量重要驱动因素。我们首先证实，广泛使用的信用评分对历史上服务不足群体而言是统计上更嘈杂的违约风险指标。该噪声主要源于底层信用报告数据（如薄信用档案）的解释力，而非模型拟合问题（如无法将受保护类别纳入评分模型）。通过估计一个具有信息异质性的借贷结构模型，我们量化了消除这些 information 差异对美国抵押贷款市场的收益。我们发现，使信用评分的精度均等可使弱势群体在审批率与信贷错配方面的差异减少约一半。