AI trong bài kiểm tra bảo lãnh tín dụng

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Mô hình bảo lãnh tín dụng AI chủ yếu cố gắng dự đoán điều gì?
   • Xác suất người đi vay sẽ vỡ nợ
   • Ngân hàng yêu thích của người đi vay
   • Định hướng thị trường chứng khoán
   • Tuổi của người vay chính xác
2. 'Phân biệt đối xử ủy quyền' trong mô hình tín dụng là gì?
   • Sử dụng máy chủ dự phòng
   • Một tính năng đại diện cho thuộc tính được bảo vệ như chủng tộc
   • Thuê người đại diện để đăng ký vay vốn
   • Mã hóa dữ liệu khách hàng
3. What does an adverse-action notice communicate to a credit applicant?
   • A guarantee of future loan approval
   • A credit score that proves discrimination
   • That the creditor took an adverse action on the credit application
   • A list of every variable in every model
4. Ai có khả năng bảo lãnh phát hành bằng AI mà các thẻ điểm truyền thống thường từ chối?
   • Chỉ những người đi vay giàu có nhất
   • Bản thân các ngân hàng
   • Cơ quan quản lý của chính phủ
   • Những người nộp đơn 'hồ sơ mỏng' có ít lịch sử tín dụng truyền thống
5. Tại sao các công cụ như SHAP được sử dụng trong bảo lãnh tín dụng?
   • Để gán một quyết định cho các tính năng cụ thể để giải thích
   • Để tăng tốc độ internet
   • Để thiết lập lãi suất cơ bản
   • Để phát hiện virus máy tính
6. Căng thẳng chính trong việc sử dụng nhiều dữ liệu hơn cho hoạt động bảo lãnh phát hành là gì?
   • Nhiều dữ liệu hơn luôn làm giảm độ chính xác
   • Nhiều dữ liệu hơn có thể cải thiện độ chính xác nhưng có thể che giấu sự phân biệt đối xử
   • Dữ liệu được sử dụng bất hợp pháp
   • Dữ liệu làm cho các khoản vay miễn phí
7. When a creditor supplies a statement of reasons under Regulation B, what must those reasons describe?
   • A generic statement that an algorithm denied credit
   • A complete source-code listing
   • Specific principal reasons that accurately describe factors actually used in the decision
   • A promise that the applicant will later be approved
8. Why can an alternative-data source raise fairness questions in underwriting?
   • It is always illegal to use any nontraditional data
   • It guarantees a higher credit score
   • It eliminates the need for validation
   • It may act as a proxy for protected characteristics or reflect uneven coverage