findr：通过半结构化回归实现透明公平的信用风险决策

研究提出半结构化信用风险建模框架 findr，将 logit 分解为可解释的结构化成分与正交神经残差，并用训练中的 Wasserstein 惩罚缓解群体差异。在模拟研究和 8 个公开信用数据集上，findr 在信号近似线性时表现接近逻辑回归，在存在非线性结构时能找回神经模型的大部分预测增益。配套诊断可判断基于系数的解释何时仍贴近完整拟合模型。