本研究探讨了替代数据在信贷核保中的偏见问题，特别是对受保护群体的影响。通过结合因果推断与机器学习，提出新方法以消除偏见，提高不同种族群体的模型准确性，并确保无歧视。

研究表明，基于应用程序的替代数据在信用评分模型中优于传统数据，尤其适合低财富和年轻借款人。这些数据能有效预测借款行为，但需验证以应对法规挑战。