一項(xiàng)分析了354,000份房貸申請的實(shí)證研究，把"算法公平"這塊遮羞布撕了個(gè)干凈。研究者發(fā)現(xiàn)，通過法律合規(guī)檢測最嚴(yán)格的模型，對黑人申請者造成的經(jīng)濟(jì)損失，是性能最優(yōu)模型的13倍。

這個(gè)數(shù)字本身已經(jīng)足夠刺眼了。更諷刺的是，那個(gè)"最合規(guī)"的模型，恰恰是在現(xiàn)行監(jiān)管框架下被認(rèn)為"安全"的選擇。

合規(guī)模型的陷阱：通過考試，卻搞砸了人生

美國消費(fèi)金融保護(hù)局（CFPB）和《平等信貸機(jī)會法》（ECOA）給金融機(jī)構(gòu)劃了一條紅線：差異影響比率（Disparate Impact）不得低于0.80。換句話說，少數(shù)族裔的貸款批準(zhǔn)率只要達(dá)到白人的80%，就算過關(guān)。

這條線成了行業(yè)標(biāo)配。模型過了0.80，法務(wù)部門簽字，風(fēng)控部門放行，上線運(yùn)行。

但研究者提出了一個(gè)被長期忽視的問題：合規(guī)分?jǐn)?shù)告訴你"有沒有偏見"，卻不告訴你"偏見值多少錢"。

差異影響比率0.85意味著少數(shù)族裔批準(zhǔn)率是白人的85%?？伤耆换卮稹切┍痪艿暮细裆暾堈?，總共損失了多少錢？這些錢又集中在誰身上？

研究者把35.4萬份2019年HMDA（房貸披露法）真實(shí)記錄喂給六個(gè)模型，疊加五種公平性干預(yù)手段，然后做了一件事：把每個(gè)預(yù)測錯(cuò)誤都換算成美元，并按種族分組計(jì)算。

結(jié)果出來了。

「合規(guī)分?jǐn)?shù)最高的模型，造成了5,125美元的種族間經(jīng)濟(jì)損失差距。性能最優(yōu)的模型，這個(gè)數(shù)字是388美元?！?/p>

13倍的差距。前者是監(jiān)管眼中的"好學(xué)生"，后者反而沒人注意。

錯(cuò)誤定價(jià)：誰在為算法的誤判買單

研究者的框架把預(yù)測錯(cuò)誤拆成兩類，分別定價(jià)。

第一類是假陰性（False Negative）：一個(gè)信用良好的申請者被系統(tǒng)誤判為高風(fēng)險(xiǎn)，拒貸。這個(gè)人的損失，是他本該拿到的那筆貸款的凈現(xiàn)值（Net Present Value）?？赡苁歉偷睦?，可能是置換高息債務(wù)的機(jī)會，可能是買房增值的時(shí)間窗口。

第二類是假陽性（False Positive）：一個(gè)高風(fēng)險(xiǎn)申請者被誤判為優(yōu)質(zhì)客戶，獲批后違約。損失由銀行承擔(dān)，金額是違約損失率（Loss Given Default）。

關(guān)鍵洞察在于：這兩類錯(cuò)誤的成本分布極不均勻。

在房貸場景里，假陰性的成本往往由申請者本人承擔(dān)，且集中在特定人群——那些收入穩(wěn)定、信用記錄卻因歷史原因有瑕疵的少數(shù)族裔申請者。假陽性的成本由銀行承擔(dān)，但銀行可以通過提高整體利率、收緊標(biāo)準(zhǔn)來對沖。

現(xiàn)行合規(guī)指標(biāo)只關(guān)心批準(zhǔn)率的相對比例，完全不捕捉這種成本的不對稱性。一個(gè)模型可以把黑人批準(zhǔn)率壓到白人的81%（剛好過線），同時(shí)讓每筆誤判的代價(jià)翻倍——它在紙面上是"公平"的。

公平悖論：我們測量的，真的是我們關(guān)心的嗎

研究者把這個(gè)發(fā)現(xiàn)命名為"公平悖論"（Fairness Paradox）。

悖論的核心是目標(biāo)錯(cuò)位。監(jiān)管指標(biāo)設(shè)計(jì)于上世紀(jì)70年代的統(tǒng)計(jì)歧視訴訟，當(dāng)時(shí)的核心訴求是"機(jī)會平等"——?jiǎng)e讓少數(shù)族裔的批準(zhǔn)率太低。這個(gè)訴求本身沒錯(cuò)，但它假設(shè)了一個(gè)過于簡單的世界：批準(zhǔn)率相等，結(jié)果就公平。

算法信貸的復(fù)雜之處在于，"批準(zhǔn)"只是起點(diǎn)。批準(zhǔn)后的利率、額度、條款，以及被拒絕后的替代方案，共同決定了真實(shí)的經(jīng)濟(jì)后果。

一個(gè)模型可能讓黑人獲批率接近白人，但把大量邊緣合格者拒之門外，同時(shí)給獲批者匹配更差的利率。另一個(gè)模型批準(zhǔn)率略低，但誤判的代價(jià)小得多，且獲批者拿到的條件更好。

按現(xiàn)行標(biāo)準(zhǔn)，前者合規(guī)，后者可疑。按實(shí)際經(jīng)濟(jì)損失，前者是后者的13倍。

這種錯(cuò)位不是理論上的。研究用的35.4萬份記錄來自2019年HMDA數(shù)據(jù)庫，覆蓋全美真實(shí)房貸申請。六個(gè)模型包括傳統(tǒng)邏輯回歸、梯度提升樹和幾種常見的公平性約束變體。五種干預(yù)手段涵蓋了當(dāng)前主流的技術(shù)路線——重加權(quán)、對抗去偏、后處理校準(zhǔn)等。

沒有一個(gè)是野路子。全是行業(yè)正在用的。

從指標(biāo)到問責(zé)：金融業(yè)需要新的測量語言

研究者提出的替代框架并不復(fù)雜：為每個(gè)預(yù)測錯(cuò)誤貼上價(jià)格標(biāo)簽，按保護(hù)群體分組匯總。假陰性的代價(jià)是申請者的機(jī)會成本，假陽性的代價(jià)是銀行的壞賬損失。

這個(gè)框架的激進(jìn)之處不在于技術(shù)難度，而在于它把"公平"從抽象的統(tǒng)計(jì)比例，翻譯成具體的金錢數(shù)額。一旦用美元計(jì)量，公平性就從合規(guī)部門的 checkbox 變成了損益表上的數(shù)字。

這對金融機(jī)構(gòu)意味著兩件事。

第一，現(xiàn)有的合規(guī)流程可能正在制造隱性負(fù)債。一個(gè)在監(jiān)管報(bào)告中漂亮的模型，可能在集體訴訟的損害賠償計(jì)算中暴露致命缺陷。研究中的13倍差距，換算到具體案件里，就是天文數(shù)字的懲罰性賠償基數(shù)。

第二，公平性優(yōu)化和利潤優(yōu)化不一定沖突。性能最優(yōu)的模型同時(shí)實(shí)現(xiàn)了最低的經(jīng)濟(jì)傷害差距——說明"做對的事"和"做對生意"可以兼容，前提是你要測量正確的東西。

當(dāng)然，這個(gè)框架也有邊界。凈現(xiàn)值的計(jì)算依賴?yán)始僭O(shè)，違約損失率依賴歷史回收數(shù)據(jù)，兩者都可能引入新的偏差。研究者自己也強(qiáng)調(diào)，這不是終極答案，而是一個(gè)起點(diǎn)——從"有沒有偏見"走向"偏見值多少錢"的起點(diǎn)。

35.4萬份申請的數(shù)據(jù)已經(jīng)擺在這里。當(dāng)監(jiān)管還在檢查0.80的閾值時(shí)，真正的問題或許是：如果合規(guī)本身成了傷害的遮羞布，我們還需要多少份被拒絕的房貸申請，才能承認(rèn)這套游戲規(guī)則需要重寫？