본 논문은 머신러닝 기반 대출 자동화 시스템에서 알고리즘의 공정성 문제를 다룹니다. 합성 데이터를 이용한 시뮬레이션을 통해, 다양한 공정성 제약 조건(인구 통계적 동등성 또는 동등한 기회)이 수익성과 부도율에 미치는 영향을 정량적으로 분석합니다. 특히, 보호 속성 제거(무지에 의한 공정성)가 명시적인 공정성 개입보다 공정성과 수익성 측면에서 더 우수한 성능을 보임을 밝힙니다. 또한, 공정한 대출이 수익성을 창출하는 경제적 조건과 불공정성의 특징별 원인을 분석하여 윤리적 고려사항과 사업 목표 간의 균형을 맞추는 대출 알고리즘 설계에 대한 실질적인 지침을 제공합니다.
