어피닛·노스웨스턴대 SMS 신용평가 논문, FMA 2026 발표 논문 채택

AI finance company AFINIT, together with Northwestern University economics researchers, had a paper accepted for the 2026 FMA Annual Meeting. The study found that an alternative credit scoring system combining alternative data such as SMS with machine learning improved predictive power by about 33% over traditional credit scores, but benefits were larger for groups with richer financial information. The paper is to be presented on the 17th in the machine learning session, and the company plans to apply the research to its services and Southeast Asian expansion.

AI金融企业AFINIT与美国西北大学经济学研究团队共同完成的论文,被2026 FMA年会选为发表论文。研究发现,将短信等替代数据与机器学习结合的替代信用评分系统,预测能力比传统信用评分提高约33%,但金融信息更丰富的群体获益更大。论文将于17日在机器学习专场发表,公司计划把研究成果应用于自身服务及东南亚新市场拓展。

AI金融企業AFINITが米ノースウェスタン大学の経済学研究チームと共同で行った論文が、2026 FMA年次総会の発表論文に採択された。SMSなどの代替データと機械学習を組み合わせた代替信用評価システムは、従来の信用スコアより予測力が約33%向上したが、金融情報が豊富な層ほど恩恵が大きかった。論文は17日に機械学習セッションで発表される予定で、同社は研究を自社サービスや東南アジア新市場への展開に生かす計画だ。

L'entreprise de finance IA AFINIT, avec des chercheurs en économie de l'Université Northwestern, a vu son article accepté à la réunion annuelle FMA 2026. L'étude montre qu'un système de notation de crédit alternatif combinant données alternatives comme les SMS et apprentissage automatique améliore la capacité prédictive d'environ 33 % par rapport aux scores traditionnels, mais que les bénéfices sont plus importants pour les groupes disposant de davantage d'informations financières. L'article sera présenté le 17 lors de la session d'apprentissage automatique, et l'entreprise prévoit d'appliquer ces recherches à ses services et à son expansion en Asie du Sud-Est.