p As reuniões cara a cara entre oficiais de hipotecas e compradores de casas foram rapidamente substituídas por aplicativos e algoritmos online, mas a discriminação no crédito não desapareceu. p Uma nova Universidade da Califórnia, O estudo de Berkeley descobriu que tanto os credores online quanto presenciais cobram taxas de juros mais altas de mutuários afro-americanos e latinos, ganhando 11 a 17% mais lucros com esses empréstimos. Tudo dito, esses compradores de casas pagam até meio bilhão de dólares a mais em juros todos os anos do que os tomadores de empréstimos brancos com pontuação de crédito comparável, pesquisadores encontrados.

p As descobertas levantam questões jurídicas sobre o aumento da discriminação estatística na era das fintech, e apontam para violações potencialmente generalizadas das leis de empréstimos justos dos EUA, dizem os pesquisadores. Embora a discriminação no crédito tenha sido historicamente causada por preconceito humano, as disparidades de preços são cada vez mais o resultado de algoritmos que usam o aprendizado de máquina para direcionar os candidatos que podem procurar menos por empréstimos mais caros.

p "O modo de discriminação de empréstimo mudou do viés humano para o viés algorítmico, "disse o co-autor do estudo, Adair Morse, professor de finanças na Haas School of Business da UC Berkeley. "Mesmo que as pessoas que escrevem os algoritmos pretendam criar um sistema justo, sua programação está tendo um impacto distinto sobre os tomadores de empréstimos minoritários - em outras palavras, discriminar sob a lei. "

p Primeiro conjunto de dados

p Um dos principais desafios para estudar a discriminação em empréstimos é que a única grande fonte de dados que inclui raça e etnia é a Lei de Divulgação de Hipoteca Doméstica (HDMA), que cobre 90% das hipotecas residenciais, mas carece de informações sobre a estrutura do empréstimo e o tipo de propriedade. Usando técnicas de aprendizado de máquina, pesquisadores mesclaram dados HDMA com três outros grandes conjuntos de dados - ATTOM, McDash, e Equifax - conectando, pela primeira vez, detalhes sobre as taxas de juros, termos e desempenho do empréstimo, localização da propriedade, e crédito do mutuário com raça e etnia.

p Os pesquisadores - incluindo os professores Nancy Wallace e Richard Stanton da Haas School of Business e o Prof. Robert Bartlett da Berkeley Law - se concentraram em 30 anos, taxa fixa, empréstimos residenciais unifamiliares emitidos de 2008 a 2015 e garantidos pela Fannie Mae e Freddie Mac.

p Isso garantiu que todos os empréstimos do pool fossem apoiados pelo governo dos EUA e seguissem o mesmo processo de precificação rigoroso - com base apenas em uma grade de valor de empréstimo e pontuação de crédito - implementado após a crise financeira. Como os credores privados estão protegidos da inadimplência pela garantia do governo, quaisquer variações adicionais nos preços dos empréstimos seriam devidas às decisões competitivas dos credores. Os pesquisadores puderam, assim, isolar as diferenças de preços que se correlacionam com raça e etnia além do risco de crédito.

p A análise encontrou discriminação significativa por credores presenciais e algorítmicos:

• Mutuários negros e latinos pagam juros de 5,6 a 8,6 pontos-base mais elevados sobre os empréstimos de compra do que os tomadores de etnia branca e asiática. e 3 pontos-base a mais em empréstimos de refinanciamento.
• Para os mutuários, essas disparidades custam US $ 250 milhões a US $ 500 milhões anualmente.
• Para credores, isso equivale a lucros de 11 a 17 por cento maiores na compra de empréstimos para minorias, com base no lucro médio de 50 pontos-base da indústria na emissão de empréstimos.

p "Preços estratégicos algorítmicos"

p Morse disse que os resultados são consistentes com os credores usando variáveis ​​de big data e aprendizado de máquina para inferir a extensão da competição pelos clientes e precificar os empréstimos de acordo. Esse preço pode ser baseado na geografia - como áreas de segmentação com menos serviços financeiros - ou nas características dos candidatos. Se uma IA conseguir descobrir quais candidatos podem fazer menos comparações e aceitar ofertas de preços mais altos, o credor criou o que Morse chama de "precificação estratégica algorítmica".

p "Há uma série de razões pelas quais grupos de minorias étnicas podem comprar menos - pode ser porque eles vivem em desertos financeiros com menos acesso a uma variedade de produtos e mais preços de monopólio, ou pode ser que o sistema financeiro crie uma atmosfera hostil para alguns mutuários, "Morse disse." Os credores podem não estar visando especificamente as minorias em seus esquemas de preços, mas, ao traçar o perfil dos candidatos que não fazem compras, eles acabam almejando-os. "

p Este é o tipo de discriminação de preços que as leis de empréstimos justos dos EUA foram projetadas para proibir, Notas de Bartlett. Vários tribunais dos EUA sustentaram que as diferenças de preços de empréstimos que variam por raça ou etnia só podem ser legalmente justificadas se forem baseadas na qualidade de crédito do mutuário. “A novidade de nosso desenho empírico é que podemos descartar a possibilidade de que essas diferenças de preços sejam devidas a diferenças no risco de crédito entre os tomadores, " ele disse.

p Declínio geral na discriminação de crédito

p Os dados revelaram algumas boas notícias:a discriminação de empréstimos em geral está em declínio constante, sugerindo que o surgimento de novas plataformas de fintech e processos de inscrição online mais simples para credores tradicionais aumentou a concorrência e tornou mais fácil para as pessoas comparar preços - o que é um bom presságio para compradores de casas carentes.

p Os pesquisadores também descobriram que os credores de fintech não discriminavam ao aceitar candidatos de minorias. Credores presenciais tradicionais, Contudo, ainda eram 5% mais propensos a rejeitá-los.