Səbəb‑nəticə maşın öyrənməsi, itki və qazanclı çərçivələmənin təqaüd yığımlarına heterogen təsirlərini ortaya qoyur

Qəzet: Qərb ölkələri əhalinin sürətlə qocalması ilə üzləşdikcə, kifayət qədər pensiya qənaətinin olmaması fərdi maliyyə təhlükəsizliyinə və sosial rifah sistemlərinin davamlılığına təhdid edir. Zərərərlər və qazanc mesajları kimi davranış müdaxilələri tez-tez miqyaslı həll yolları kimi təklif olunur, lakin onların effektivliyi ilə bağlı sübutlar qarışıqdır, əsasən çünki nə vaxt və kimin üçün işlədikləri barədə az şey bilinir. Biz real həyatda, yüksək riskli pensiya qənaət qərarlarına zərər-qazanın təsiri heterogenliyi təhlil edirik. Avropa pensiya qənaət şirkəti ilə geniş miqyaslı təsadüfi sahə təcrübəsi (\(N = 22919\)) zamanı fərdlər iştirakın (böyük marjin) və qənaət məbləğinin (böyük marjin) artırılması üçün nəzərdə tutulmuş itkilər və ya qazanclar üçün təsadüfi olaraq təsadüfi olaraq seçilmişdir. Səbəbi maşın öyrənmədən istifadə edərək sosial-iqtisadi xüsusiyyətlər üzrə heterogen müalicə təsirlərini qiymətləndirdik və ikinci, müstəqil təcrübədə təsdiq etdik (\(N = 18288\)). Bu təsdiqləmə təcrübəsi zamanı, itkilərlə əlaqəli ən çox cavab verən 25% üçün dönüşüm qazanclı çərçivəyə nisbətən 9,4 faizlik nöqtə artması təxmin edilir, lakin qazanclı çərçivəyə ən çox cavab verən 25% üçün 8,4 faizlik azalması gözlənilir. Təsərrüfatı vəsaitləri üçün hesablamalar edirik ki, itkilərin təşkil edilməsi 64% -i üçün (məsələn 737 avro ilə) töhfələr artırır, lakin qalanları üçün (məsələn 615 avro ilə) əks təsir göstərir. Ümumiyyətlə, səbəbkar maşın öyrənməsinə əsaslanan fərdi hədəfləmə siyasətinin iştirakı 51% (4,53 faizdən 6,86 faizə) və vahid itki sisteminə nisbətən ortalama iqtisadiyyatın 18% (hər bir dönüşmüş müştəriyə 2,062 avrodan 2,442 avroya qədər) artması gözlənilir.

Paderborn Universitetinin Açıq Məşhurluq Nəşriyyatı Fondunun nəşriyyat xərclərinə dəstəyini qəbul edirik. S.F. İsveçrənin Milli Elm Fondundan (SNSF) olan vəsaitin verilməsini qəbul edir. Milli Tədqiqat Məlumat İnfrastrukturunun (NFDI) nəzdində Deutsche Forschungsgemeinschaft (DFG, Alman Tədqiqat Fondu) tərəfindən maliyyələşdirilən NFDI 27/2 - 460037581 - BERD@NFDI.

Paderborn Universiteti, Paderborn, Almaniya

München Machine Learning Mərkəzi, München, Almaniya

Müəlliflər bu araşdırmanı öz istehsal sistemində müdaxiləni tətbiq edən Avropa FinTech şirkəti ilə əməkdaşlıq edərək aparıblar. Bu əməkdaşlıq maliyyələşdirilməyib və şirkət analizin dizaynında, nəticələrin şərhində və ya nəşr edilməsi qərarı ilə bağlı heç bir rol oynamırdı. Fəntex şirkətində sahə təcrübələri aparılan dövrdə bir müəllif (K.B.) işlənib hazırlanmışdı. Müəlliflər digər rəqabətçi maraqları bəyan etmirlər.

Tədqiqat tədqiqat etikası və məlumatların qorunması ilə bağlı tətbiq olunan institut və milli qaydalara uyğun aparılıb. Tədqiqat protokolunu Köln Universitetinin İnstitutların Tədqiqat Şurası (tətbiq nömrəsi) nəzərdən keçirib və təsdiqləyib. 230070MW).