A Study on the Application of Alternative Data in Credit Assessment for the Unbanked Population
Deze studie toont aan dat het integreren van alternatieve gegevens, zoals huur- en nutsvoorzieningsbetalingsgeschiedenissen, in machine learning-modellen voor kredietbeoordeling de leninggoedkeuringspercentages voor de "kredietonzichtbare" populatie aanzienlijk verhoogt zonder het risico op wanbetaling substantieel te verhogen of de demografische rechtvaardigheid in gevaar te brengen, waardoor financiële inclusie wordt bevorderd.