Asset Price Volatility, Credit Rationing and Rational Lending Discrimination
Notice bibliographique
Résumé
Observations of significant differences in access to credit, loan terms and the volume of lending between demographically distinct groups of borrowers are often interpreted as evidence of ethnic, racial or gender discrimination by lenders. The competitive structure of credit markets and the accuracy of measuring individual credit risk render extant models of lending discrimination based on assumptions of credit market inefficiencies, such as adverse selection, increasingly implausible. In stark contrast to existing models of demographic discrimination, we consider a representative credit market, described described for expositional clarity in the context of mortgage lending, in an economy having complete markets, common knowledge and arbitrage-free pricing. Market equilibria in this classical environment may exhibit discrimination even when borrowers, who are distinguished only by observable demographic traits, share an identical measure of individual credit risk. Relatively costlier loan terms, a higher frequency of loan denials, or a complete rationing of credit to a particular demographic class of borrowers may be a value-maximizing strategy when rational lenders share a common perception that one or more such traits are directly related to adverse features of the representative asset securing the loan to borrowers in this class. Omitted from standard statistical underwriting and regulatory review procedures, these features reduce the value of the collateral available to the lender in the event of future default. When loans are secured by such assets and both lenders and borrowers act strategically, discrimination on this basis will be a property of all market equilibria and can be consistent with a second-best efficient allocation of credit.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».