使用Robo Advice改善家庭债务管理

美国国家经济研究局工作论文系列 通过机器人建议改善家庭债务管理 Ida翟凯伦·克罗克森 弗朗切斯科·达昆托乔纳森·路透阿尔贝托·罗西乔纳森·肖 工作文件30616http://www.nber.org/papers/w30616 国家经济研究局(NATIONALBUREAUOFECONOMICRESEARCH) 麻萨诸塞州大道1050号马萨诸塞州,剑桥021382022年11月 IdaChak和KarenCroxson在英国金融行为监管局（FCA）工作。FrancescoD'Acunto和AlbertoRossi在乔治城大学。乔纳森·路透（JonathanReuter）在波士顿学院和国家经济研究局（NationalBureauofEconomicResearch）工作。JonathanShaw在FCA和财政研究所工作。我们的实验设计已在AEARCT注册处（AEARCTR-0006447）中预先注册，并由FCA实施。我们感谢FCA资助这项研究。我们感谢ChrisBurke和MauraFeddersen帮助设计和实施实验。本文中表达的观点是作者的观点，不应归因于金融管道管理局。本文表达的观点是作者的观点，不一定反映国家经济研究局的观点。 分发NBER工作文件供讨论和评论之用。它们没有经过同行评审，也没有接受NBER官方出版物随附的 NBER董事会的审查。 ©2022年由艾达·查克、凯伦·克罗克森、弗朗切斯科·达昆托、乔纳森·路透、阿尔贝托·罗西和乔纳森·肖执导。保留所有权利。未经明确许可，可以引用不超过两段的短段文字，但须注明来源，包括©通知 。 通过机器人建议改善家庭债务管理 艾达·查克、凯伦·克罗克森、弗朗切斯科·达昆托、乔纳森·路透、阿尔贝托·罗西和乔纳森 m·肖 2022年11月美国国家经济研究局工作论文30616号 冻胶。D14、D91G51G53 摘要 糟糕的债务管理技能降低了财务安全和财富积累。由于信贷偿还问题的最佳解决方案既不取决于风险偏好也不取决于信念，因此贷款偿还是机器人咨询的主要应用。然而，弱势家庭往往不信任新技术，并推翻与根深蒂固的启发式方法不一致的建议，例如匹配信用卡余额的最低还款额。这些群体较低的采用率可能会增加而不是减少财富不平等。为了评估这些权衡，我们设计并实施了一项RCT，其中向一组具有代表性的英国消费者提供借款人还款决策的机器人建议。免费机器人建议的可用性显着改善了平均贷款还款选择。当他们的支付意愿被引出时，许多受试者报告的价值大于该工具的货币收益，这可能是由于决策者在做出辅助选择时面临的认知和心理成本较低。非采用者和覆盖者在实验结束时报告对算法的信任度较低。我们没有发现从机器人建议中学习的证据，即使与明确的提示配对，机器人建议也几乎没有改善随后的无辅助选择。事实上，机器人建议的使用排挤了边做边学，对于那些在没有帮助的情况下做出所有选择的人来说，这是最高的。 Ida翟 金融行为监管局伦敦奋进广场12号E201JN 联合王国 凯伦·克罗克森 金融行为监管局伦敦奋进广场12号E201JN 英国 karen.croxson@fca.org.uk 弗朗切斯科·达昆托·麦克多诺商学院乔治城大学华盛顿特区20057 数据附录见http://www.nber.org/data-appendix/w30616 随机对照试验注册条目可在 https://www.socialscienceregistry.org/trials/6447/ 乔纳森路透社 卡罗尔波士顿大学管理学院的 224b富尔顿大厅 140联邦大道栗子山，MA 02467和NBER 阿尔贝托·g·罗西 乔治城大学麦克多诺商学院华盛顿特区20057agr60@georgetown.edu 乔纳森·m·肖 金融行为监管局伦敦奋进广场12号E201JN 联合王国 和财政研究所 日益加剧的财富不平等的起源和后果是最具争议的 Zucman 当今社会的问题（Keister（2000）;（2019））.大量文献将缺乏 低收入家庭的财富积累（Campbell，Ramadorai，andRanish（2019））由于金融文盲和昂贵的咨询获取而 造成的低储蓄率和财务回报 (卢萨尔迪和米切尔(2014), 查尔默斯和路透社 还取决于家庭积累了多少债务以及如何（在）effi地管理它, (2020))。迪↵erences在财富积累 这对脆弱家庭尤其重要，他们往往表现出低的金融知识（Lusardi，Schneider，andTufano（2011）;Drexler ，Fischer，andSchoar（2014）），并误解了年利率（APR）、最低付款和滞纳金的影响（Agarwal， 阿加瓦尔和Mazumder Chomsisengphet,刘 (（2013））.贷款偿还中的启发式和偏见 菱形花 可能导致债务螺旋式上升并进一步减少财富（Agarwaletal.（2008）; 纳道尔德和帕尔默（2020）;Gathergood等人（2019）;卢萨尔迪和图法诺（2015）;庞塞、塞拉、 ( 和员 尽管我们了解许多这些启发式和偏见（Zinman（2015）;阿格沃尔 Stango和Zinman 、张 (;(2021)),如何的问题↵两架和effi地 尽量减少它们的影响仍然开放。例如，虽然许多国家对贷款人实施了披露要求，但不清楚金融知识水平低的借款人是否能够处理披露中嵌入的技术信息（Adamsetal.（2021）; 贝特朗 和莫尔斯 ((2金融扫盲计划可以改善 人（2020 结果（Bu等 N）a）va，rro但-M扩a大rti规ne模ze的ta能l。力受到授课者和参加课程的人面临的财务和认知成本的限制。 在本文中，我们在英国实施了一项随机对照试验（RCT），以评估其接受率和↵改善家庭贷款偿还选择的替代方法的有效性：机器人建议（D'Acunto，Prabhala，andRossi（2019）; (2021b))。3原则上，贷款偿还是机器人建议的自然环境，因为与资产配置决策不同，D最'A佳c选un择to既和不罗取西决于风险偏好，也不取决于对 预期回报和相关性。此外，与人类的建议和债务咨询相反， 阿加瓦尔等。 2（2015）表明，监管可以通过限制信用卡费用来改善贷款偿还。 3该试验已在AEARCT注册处（AEARCTR-0006447）中预先注册，并由英国金融行为监管局（FCA）实施。 机器人咨询是一种易于扩展的技术，可以通过个人设备廉价交付，使其成为低收入和弱势家庭的可行资源（ D'Acunto和 罗西 （2022，2021a））。同时，算法厌恶，这尤其常见 在最不成熟的消费者中（Niszczota和Kasz'as（2020）），可能会限制受益最大的人口群体对机器人咨询工具的需求，从而可能增加而不是减少财富不平等。 在我们的RCT中，受试者在九种现实生活中的贷款偿还场景中分配资金。每种方案都包括贷款，这些贷款因利率、余额和水平而异ffi邪教。实验包括三个阶段，每个阶段由三个随机选择组成 场景。在干预前阶段，我们评估受试者在管理时所犯的错误 独立多笔贷款。这一阶段证实了早期的证据，即贷款偿还错误很常见，并对债务人的（实验）财富产生相当大的经济后果：相对于最佳选择，放弃储蓄的平均百分比为21.9%，这意味着每月29个基点的利息和费用，并复合到每年高出3.55%的付款。对于普通的美国家庭$在我们的RCT期间有6，270的信用卡债务，4这些错误会导致多付款项$每年222.42。幅度增加到每月37个基点，$249.37当我们专注于问题的硬版本时。与直觉和早期研究一致（Lusardi（2012）），更高的金融知识，计算能力和耐心可以减少错误的程度。 在干预阶段，我们引入机器人建议偿还贷款。受试者在被随机分配到五个实验组之一后，在三种新的分配场景中工作：一个对照组，其任务与干预前阶段相同;免费提供机器人建议的团体，无论是否明确提示最佳策略背后的财务原则（“机器人建议与教育”）;以及无论是否受过教育都可以付费获得的群体。在所有四个治疗组中，受试者被告知通过使用机器人顾问可以节省的最大利息和费用。在付费机器人建议的治疗中，我们以激励兼容的方式引出受试者对机器人建议工具的支付意愿（WTP） 4资料来源：美联储消费者财务状况调查（链接） 道路5的干预后相位反映了干预前阶段，受试者在其中解决 三个贷款管理问题，无法获得机器人建议。受试者在选择后不会收到有关最佳解决方案的反馈，这些反馈用于确定他们的奖励金。 这五个实验臂使我们能够确定（以及在多大程度上）接触机器人建议是否能改善贷款偿还，以及一系列相关问题：（i）哪种形式的机器人建议需求最大;（ii）受试者愿意支付多少费用以获得机械投告书;及（iii）哪些科目会凌驾护顾问的建议。干预后阶段揭示了机器人顾问的最佳分配，无论是否受过教育，是否有助于借款人了解贷款偿还的最佳规则，或者是否需要持续提供机器人建议以改善还款决策。 我们发现，与对照组相比，暴露于免费机器人建议的受试者显着改善了他们的还款策略。由于贷款还款问题具有明确的事前解决方案，因此任何实施建议还款策略的主体都将最大限度地减少利息和滞纳金。结果 ，治疗（TOT）e↵检查 e↵对寻求它的受试者提供机器人建议的ect是很大的。干预前的平均损失 （21.9%）下降19.6个百分点。放弃的储蓄并没有完全下降到0%，因为5.7%的接受治疗的受试者尽管积极寻求机器人顾问，但仍选择覆盖机器人顾问。在横截面中，TOTe↵ECT是异质的，不成比例地受益的受试者 金融知识和算术能力低，表明机器人建议可以平衡游戏 在家庭债务管理。 接下来,我们评估意图治疗(ITT)e↵检查迪↵暴露于机器人建议的受试者的贷款偿还表现与对照组之间的差异，无论是否使用该工具。ITTe↵ECT考虑了借款人的可能性↵EredRobo-advice可能会决定不使用它，也许是因为他们不信任算法。尽管在经济和统计上仍然具有重要意义，但ITT的估计为-14.6个百分点，比TOT估计值低约25%。与此相关的是，受试者在大约25%的问题上拒绝免费机器人建议。↵赔率。 5当我们描述部分1.1.，费用是从受试者提供WTP以激励兼容的方式引发WTP后的均匀分布中随机抽取的。此方法di↵在宣布预先确定的费用后，他们不会引发对机器人咨询的需求，并暗示许多寻求机器人咨询的人没有收到 robo-advising支付治疗武器。 消费者将从付费机器人建议中受益较少，因为最好的结果是从不放弃储蓄转变为支付的正费用。因此，采用机器人建议只有在消费者支付的费用低于他们如果没有该工具时会放弃的储蓄时才在消费效用方面是有益的。有趣的是，我们发现受试者的WTP平均而言是更高的而不是他们从中获得的金钱利益，这可能反映了受试者在无人协助时对自己表现的悲观评估，或者愿意支付更多费用以避免自己做出选择的认知和心理成本 。 从政策角度来看，如果对机器人建议的需求在财务和数字技能较差的人群中最大，他们将是最佳的，他们在干预前阶段犯了代价更高的错误。事实上，对机器人咨询的需求与金融和数字素养成反比。其他条件相同，它也与对自己的信心成反比 技能，与对机器人建议的信任呈正相关。6具有金融知识的科目的WTP较低，而男性和更信任的科目愿意支付更多费用。（低）对算法的信任度 与覆盖机器人建议密切相关，这在我们的环境中从来都不是最佳的，以及与人类顾问互动的愿望。 最后，我们询问机器人建议是否有助于受试者了解最佳贷款偿还，或者相反，通过减少他们解决贷款管理问题的经验来限制边做边学。虽然我们发现所有治疗组的干预后表现更好，但最大的↵Erence是针对对照组的，他们必须在没有的情况下解决更多问题 在进入干预后阶段之前提供援助。我们既不通过模仿来检测学习 也不是来自与机器人建议捆绑在一起的教育提示。 1实验设计和程序 在本节中，我们描述了实验任务的设计和实验程序，包括受试者的招募，他们的特征以及实验中的动