تتزايد الحاجة إلى نماذج مخاطر الائتمان التي تجمع بين دقة التنبؤ والشفافية في التفسير، بالإضافة إلى تلبية معايير العدالة القابلة للتدقيق. ومن بين هذه النماذج، يبقى نموذج الانحدار اللوجستي جذاباً بفضل سهولة تفسير معاملاتاته. ومع ذلك، يمكن أن يغفل هذا النموذج الهياكل غير الخطية، مما قد يؤدي إلى نقص في دقة التنبؤ.

وللتغلب على هذه التحديات، تم تطوير Findr، أي الانحدار العميق المرن القابل للتفسير. يعد Findr إطارًا نصف هيكلي لنمذجة مخاطر الائتمان الثنائية، حيث يقوم بتفكيك اللوغاريتم إلى مكون هيكلي قابل للتفسير وذيل عصبي عمودي. تعمل عملية فصل التوقعات على التمييز بين تأثيرات المعاملات المستندة إلى النظام والتغيرات غير الخطية المتبقية.

يحتوي النموذج أيضًا على عقوبات وزارية لمعالجة الفروقات بين المجموعات خلال التدريب، مما يسهم في تحقيق العدالة في التوقعات. بالإضافة إلى ذلك، يتضمن Findr أدوات تشخيصية تقيس مدى مساهمة المكون الهيكلي في تغير اللوغاريتم، وتوافق القرار، والاتساق المحلي في الاتجاهات.

في دراسة محاكاة وسلسلة من تجارب على ثمانية مجموعات بيانات عامة، أظهر Findr أداءً قريبًا من نموذج الانحدار اللوجستي عندما يكون الإشارة تقريباً خطية، لكنه استعاد الكثير من مكاسب التنبؤ التي يوفرها النموذج العصبي عندما تكون الهياكل غير الخطية ذات صلة.

تؤكد هذه النتائج على أن نمذجة Findr توفر وسيلة عملية لإظهار التوازن بين الأداء والعدالة والقدرة على التفسير في قرارات مخاطر الائتمان. المستقبل يبدو مشرقًا مع Findr في عالم المال!