Справедливость кредитного скоринга: расчет разрыва одобрений
Разрыв долей одобрения рассчитывается вычитанием: доля одобренных заявок одной группы минус доля одобренных заявок группы сравнения. Отношение долей получают делением первой доли на вторую. Эти показатели описывают различие в результатах скоринга.
Макар Литвинов·Обновлено: 10 ноября 2026 г.·8 мин

Сами по себе они не устанавливают его причину и не доказывают дискриминацию.
Метрики справедливости кредитного скоринга начинаются с корректного определения групп и границ измерения. Если в расчёт попали разные кредитные продукты, периоды или этапы принятия решения, арифметика останется верной, но результат будет плохо интерпретируемым. Сначала задают выборку и событие, которое считают одобрением. Затем сопоставляют доли и проверяют, что именно отражает разница.
Как рассчитать разрыв и отношение долей
Для каждой группы доля одобрения — это число одобренных заявок, делённое на общее число заявок этой группы. Если доля защищённой группы обозначена как p₁, а группы сравнения как p₀, то:
- разрыв долей: p₁ − p₀;
- отношение долей: p₁ / p₀.
Разрыв обычно выражают в процентных пунктах. Если доля одобрения первой группы равна 30%, а второй — 40%, разрыв составляет −10 процентных пунктов. Отношение долей в этом примере равно 0,75. Это значит, что доля одобрения первой группы составляет три четверти доли второй. Пример показывает способ вычисления, а не нормативный порог.
| Показатель | Что рассчитывается | Как читать результат |
|---|---|---|
| Доля одобрения | Одобренные заявки группы / все заявки группы | Уровень одобрения внутри выбранной группы |
| Разрыв долей | Доля защищённой группы минус доля группы сравнения | Разница в процентных пунктах; знак зависит от порядка вычитания |
| Отношение долей | Доля защищённой группы / доля группы сравнения | Относительный уровень одобрения; единица означает равные доли |
Порядок групп нужно зафиксировать до расчёта. Иначе знак разрыва можно развернуть простой перестановкой вычитаемого и уменьшаемого. Для отношения важно указать, какая группа стоит в числителе. Без этого два отчёта могут показывать разные числа при одном и том же наборе данных.
Ещё одна техническая деталь — знаменатель. Одобрение можно считать на уровне поданных заявок, допущенных до скоринга заявок или решений автоматизированной системы. Эти множества не обязаны совпадать. Если часть заявок отсеивается раньше, разрыв, рассчитанный только среди дошедших до скоринга, не описывает путь всех потенциальных заявителей.
Нужно также выбрать единицу наблюдения. Повторные заявки одного клиента, совместные заявки и пересмотренные решения могут изменить состав выборки. Если одна и та же заявка появляется в данных несколько раз, простая доля способна получить лишний вес. Правило обработки таких случаев фиксируют в спецификации анализа.
Для сравнения берут сопоставимый период и один продукт либо явно разделяют результаты по продуктам. Ипотека, кредитная карта и потребительский кредит могут иметь разные правила допуска и разные профили заявителей. Общая доля по смешанной выборке способна скрыть различия внутри отдельных сегментов.
Что измеряет показатель
Разрыв одобрений по группам заемщиков показывает, что в выбранной выборке доли решений различаются. Он не сообщает, почему это произошло. На результат могут влиять состав заявок, характеристики заявителей, кредитная политика, порог автоматизированной оценки и дальнейшая проверка заявки сотрудником.
Важно отделять выход модели от окончательного решения кредитора. Система может рассчитывать риск или присваивать заявке оценку, а затем передавать её на ручную проверку. Кредитор может учитывать дополнительные сведения или применять отдельные правила. Показатель, построенный по выходу автоматизированной системы, описывает её решения на данном этапе. Он не равен автоматически итоговой доле выданных кредитов.
В методологии Федерального агентства по жилищному финансированию США различаются разрыв долей принятия заявок и отношение таких долей. При этом опубликованные показатели характеризуют решения автоматизированной системы оценки, а не окончательное решение кредитора. Такой разбор полезен как технический ориентир: в отчёте должны быть явно названы объект измерения и этап процесса.
Разница между группами — сигнал для проверки системы. Причину этой разницы нужно устанавливать отдельно.
Даже одинаковая доля одобрения не означает, что модель одинаково работает для всех групп. Совпадение итоговых долей ничего не говорит о точности прогноза, ошибках классификации или последствиях для заявителей. И наоборот: различие долей само по себе не объясняет, связано ли оно с особенностями модели, составом данных или другими элементами процесса.
Поэтому расчёт коэффициента одобрения кредитов полезен как первичная диагностика. Его задача — показать место, где требуется более детальный анализ. Подменять им оценку качества модели или правовой вывод нельзя.
Почему статистического паритета недостаточно
Статистический паритет сравнивает частоту положительного результата между группами. В кредитном скоринге таким результатом часто считают одобрение. Метрика отвечает на ограниченный вопрос: одинаковы ли доли решений в выбранной выборке?
Один из вариантов проверки — заранее задать порог отношения долей. Другой — оценить статистическую значимость наблюдаемого различия. Эти подходы отвечают на разные части задачи. Порог задаёт правило управленческой проверки, а тест значимости помогает понять, насколько наблюдаемое различие согласуется со случайными колебаниями данных. Ни один из них автоматически не превращает результат в доказательство нарушения.
Универсального числового порога, который сам по себе устанавливал бы несправедливость или незаконную дискриминацию, в рассмотренных материалах нет. Порог зависит от контекста применения и не должен выдаваться за общий юридический стандарт. Малый набор заявок в отдельной группе также ограничивает точность сравнения: доли могут заметно меняться при добавлении или удалении небольшого числа наблюдений.
Есть и содержательное ограничение. Группы могут различаться по фактическим исходам погашения. Если механически добиваться равных долей одобрения, система может одобрить часть заявителей, которые не погасят кредит, и отказать части тех, кто погасил бы его. Поэтому равенство долей не исчерпывает оценку справедливости и не заменяет анализ последствий.
Для проверки применяют несколько метрик, каждая фиксирует свой аспект:
- Demographic parity сопоставляет доли положительных решений между группами.
- Equal opportunity сравнивает частоту положительного решения для заявителей, которые относятся к целевому классу по принятому критерию.
- Equalized odds рассматривает ошибки классификации для разных групп, включая ложноположительные и ложноотрицательные решения.
- Проверка калибровки сопоставляет предсказанный риск с фактической частотой дефолта.
Эти показатели не взаимозаменяемы. Выбор зависит от задачи модели и цены разных типов ошибки. В кредитном решении ложноположительный результат может означать одобрение заявителя с высоким риском дефолта. Ложноотрицательный — отказ заявителю, который погасил бы кредит. У банков эти исходы имеют разные последствия, поэтому общая доля одобрения не показывает, как распределяются ошибки.
Калибровка риска и качество решений
Кредитный скоринг часто оценивает риск, а не только выдаёт бинарное решение. В таком случае полезно проверять калибровку: для заявителей с одинаковым предсказанным риском сравнивают фактическую частоту дефолта по группам. Если модель присваивает сопоставимый риск, а фактические исходы систематически расходятся, прогноз требует дополнительной проверки.
Калибровка не заменяет показатели равенства возможностей и статистического паритета. Она отвечает на другой вопрос: насколько предсказанная вероятность соответствует наблюдаемым исходам в группе. Модель может быть откалибрована по риску и при этом давать разные доли одобрения. Или демонстрировать близкие доли одобрения, но ошибаться в прогнозе риска для отдельных групп.
При интерпретации калибровки важны данные об исходах. Погашение известно для выданных кредитов, тогда как по отклонённым заявкам сопоставимого результата нет. Это ограничивает прямое сравнение качества прогноза: модель наблюдает фактическое поведение только у части заявителей. Без учёта такого ограничения нельзя считать доступные исходы полным отражением риска всех подавших заявку.
На уровне анализа нужно разделять три слоя:
1. Скоринговый прогноз. Какой риск или балл присвоила система заявке.
2. Решение по правилам. Как порог, продуктовые ограничения и дополнительные проверки преобразовали оценку в рекомендацию.
3. Итог кредитора. Был ли кредит в результате одобрен, отклонён или направлен на ручную проверку.
Смешение слоёв затрудняет диагностику. Если различие появляется между оценкой и решением, искать его только в модели недостаточно. Если расходятся фактические решения кредитора и автоматическая рекомендация, в анализ включают правила ручной обработки. Для аудита сохраняют отдельные поля и версии логики, а не только финальный статус заявки.
Как интерпретировать различия в данных
Проверка начинается с описания выборки. В отчёте фиксируют продукт, период, этап процесса, определение групп и критерий одобрения. Затем сравнивают базовые доли и оценивают, насколько состав групп различается по доступным характеристикам. Это не устраняет все ограничения, но показывает, какие факторы могут влиять на результат.
Следующий уровень — разрезы внутри групп и пересекающиеся группы. Например, разница может выглядеть небольшой для каждой крупной категории, но проявляться в сочетании нескольких признаков. Анализ только широких групп способен скрыть такие участки. Одновременно более мелкое разбиение уменьшает объём наблюдений в ячейках, поэтому выводы становятся менее устойчивыми.
При проверке данных и признаков отдельно рассматривают:
- репрезентативность выборки относительно заявителей, к которым применяется модель;
- пропуски, дубли и способы обработки нестандартных заявок;
- различия в частотах ложноположительных и ложноотрицательных решений;
- признаки, способные выступать прокси защищённых характеристик, включая почтовый индекс;
- стабильность результата при разделении по продукту, периоду и этапу принятия решения.
Само наличие признака, коррелирующего с защищённой характеристикой, ещё не описывает его роль в модели. Но такой признак требует анализа: нужно понять, какие сигналы он передаёт и как меняется результат при его использовании. Для этого недостаточно одной сводной таблицы с долями.
Приемлемый уровень различий определяют с учётом контекста модели, управленческих требований и применимых правовых рамок. Метрики справедливости кредитных моделей служат частью контроля, а не универсальным автоматическим вердиктом. Отчёт должен показывать как минимум исходные доли, выбранный показатель, размер групп и ограничения данных. Если применялась статистическая корректировка, в нём также описывают использованные характеристики и метод.
Отдельная часть контроля связана с объяснимостью решения. По требованиям ECOA и Regulation B в США кредитор должен сообщать заявителю конкретные причины неблагоприятного решения независимо от используемой технологии. Сложность алгоритма не снимает этого требования. Для банковской архитектуры это означает, что причины отказа должны быть связаны с факторами решения и сохраняться в форме, пригодной для последующего объяснения. Отчёт модели без трассировки от входных данных к решению этой задачи не решает.
Практический вывод состоит в разделении диагностики и заключения. Разрыв долей или отношение долей указывают, где сравнить процессы и качество модели. Статистический паритет, equal opportunity, equalized odds и калибровка дополняют картину, но каждый показатель имеет собственную область применимости. Финальная оценка требует данных о выборке, ошибках, фактических исходах и правилах кредитора. Число без этой спецификации фиксирует различие, но не объясняет его.