تقدم الذكاء الاصطناعي تحسينات في تتبع ملكية العقارات في الخارج في المملكة المتحدة

تهدف أبحاث جديدة من جامعة لندن إلى إلقاء المزيد من الضوء على حالة غسيل الأموال في المملكة المتحدة، وخاصة في سوق العقارات في لندن.

وفقًا لنتائج المشروع، يبلغ عدد العقارات المحلية “غير التقليدية” (أي العقارات التي لا تستخدم على المدى الطويل كمساكن من قبل المالكين أو المستأجرين) حوالي 138,000 في لندن فقط.

هذا الرقم أعلى بنسبة 44٪ من الأرقام الرسمية التي توفرها وتحديثها الحكومة البريطانية.

استخدم الباحثون تقنيات معالجة اللغة الطبيعية (NLP) مختلفة، إلى جانب بيانات إضافية وأبحاث توضيحية، لتوسيع المعلومات الرسمية المحدودة التي توفرها الحكومة البريطانية حول نسبة قيمة وموقع وأنواع العقارات المملوكة لشركات في الخارج في المملكة المتحدة.

وجدت الدراسة أن إجمالي قيمة العقارات في الخارج والمنخفضة الاستخدام والعقارات من نوع Airbnb يتراوح بين 145-174 مليار جنيه إسترليني عبر حوالي 144,000-164,000 عقار.

كما وجدت أن العقارات في الخارج من هذا النوع عادة ما تكون أكثر تكلفة وتمتلك أنماطًا توقيعية فيما يتعلق بمكان وجودها في المملكة المتحدة.

يقدر الباحثون أن العقارات السكنية غير التقليدية المملوكة من قبل الأجانب تمثل 7.5٪ من القيمة السكنية الإجمالية، وأن 56 مليار جنيه إسترليني من القيمة المقدرة محدودة في 42,000 مسكن فقط.

تنص الورقة على:

‘العقارات الفردية في الخارج غالية الثمن حتى بمعايير العقارات غير التقليدية، بالإضافة إلى أنها مركزية في وسط لندن مع ارتباط مكاني قوي.’

‘على العكس من ذلك، العقارات في الخارج المتداخلة أقل تركيزًا في وسط لندن ولكنها أكثر تركيزًا بشكل عام، وهناك أيضًا几乎 لا يوجد ارتباط مكاني.’

تشير تحليل البيانات المُوسعة إلى أن عددًا كبيرًا من العقارات في الخارج ي thuộc إلى كيانات في اعتمادات التاج (CD)، مع احتساب ثاني أكبر عدد من الأراضي البريطانية في الخارج (في الرسم البياني أدناه، يُشير “PWW2” إلى الدول التي حصلت على الاستقلال من بريطانيا بعد الحرب العالمية الثانية).

تشير الدراسة إلى أن:

‘في الواقع، فقط أربعة أقاليم، جزر فيرجن البريطانية وجيرسي وغيرنسي وجزيرة مان، ترتبط بـ 78٪ من جميع العقارات.’

جعلت البيانات المحسنة من الممكن تحديد العقارات الفرعية التي توجد داخل عقار مملوك من قبل أجانب معروف – وهي القدرة التي عادة ما يتم حظرها بواسطة البيانات المسطحة والمحدودة المقدمة في الأرقام الرسمية.

كما تشير النتائج إلى أن العقارات في الخارج والعقارات منخفضة الاستخدام وعقارات Airbnb مركزية جغرافيًا بشكل ملحوظ أكثر من المنازل العادية، وهي مركزية أيضًا في المناطق ذات القيمة الأعلى.

يشير المؤلفون إلى أن:

‘العقارات السكنية في الخارج تمتلك تركيزات عالية جدًا حيث يتم امتلاك整个 مشروع سكني بواسطة شركة أجنبية.’

أصدر المؤلفون كودًا لمعالجة البيانات.

الورقة الجديدة بعنوان ماذا يوجد في الغسيل؟ خريطة وتحليل العقارات السكنية المملوكة من قبل الأجانب في لندن، وهي تأتي من باحثين في كلية بارتليت للبيئة المبنية في جامعة لندن، وكلية كينغستون للعلوم الاقتصادية.

معالجة المشكلة

يشير المؤلفون إلى أن بعد عقود من الجهود لمكافحة استخدام العقارات لغرض غسيل الأموال في المملكة المتحدة، كان من الضروري إصدار قائمة مسربة للملكيات العقارية الأجنبية في المملكة المتحدة بواسطة المنشور البريطاني العين الخاصة في عام 2015 لتحفيز الحكومة البريطانية على نشر قائمة محدثة بانتظام للملكيات العقارية الأجنبية في معظم المملكة المتحدة، المعروفة باسم الشركات الأجنبية التي تمتلك عقارات في إنجلترا وويلز (OCOD).

يشير الباحثون إلى أن尽管 OCOD هو خطوة向 الأمام في البحث والتحليل للملكية الأجنبية وغسيل الأموال المحتمل في المملكة المتحدة، فإن البيانات لها عدد من القيود، بعضها حاسم:

‘يمكن أن تكون هذه العناوين غير كاملة، تحتوي على عقارات متداخلة، حيث توجد العديد من العقارات داخل صف أو عنوان واحد، كما أنها لا تحتوي على أي معلومات حول ما إذا كانت العقار سكني أو تجاري أو شيء آخر.’

‘تجعل هذه البيانات منخفضة الجودة من الصعب فهم التوزيع والخصائص العقارية المملوكة من قبل الأجانب في المملكة المتحدة.’

من الصعب بشكل خاص الحصول على بيانات حول العقارات المستأجرة بشكل غير رسمي، مثل عقارات Airbnb، لأن البيانات المتاحة للجمهور محدودة أو غير موجودة.

كما أن اسكتلندا (جزء من المملكة المتحدة) لا تنشر سجلها الخاص لبيانات مبيعات العقارات للجمهور، على عكس إنجلترا وويلز.

للمساعدة في بعض التناقضات حول تصنيف العقارات، أدخلت الحكومة البريطانية نظام رقم المرجع الفريد للعقار (UPRN)، المصمم لتمكين العلاقات الواضحة عبر مصادر بيانات العقارات المتنوعة.

然而، يشير المؤلفون إلى أن ‘استخدام UPRN إلزامي، لكن لا يتم استخدام أي قسم حكومي تقريبًا، مما يعني أن ربط البيانات يتطلب مهارات معالجة بيانات متقدمة’.

لذلك، كان الهدف من البحث الجديد هو جعل البيانات أكثر دقة وفائدة.

جمع البيانات وربطها

عادة ما تكون صيغ العناوين داخل أي دولة فردية قابلة للتنبؤ والاتساق، وهو ما ينطبق أيضًا على عناوين المملكة المتحدة.

بالنسبة إلى بيانات العناوين “المسطحة” والقائمة على النص (مثل تلك التي يتم توفيرها بواسطة OCOD)، ظهرت العديد من حلول تحليل العناوين مفتوحة المصدر للتعرف على العناوين مع مصادر بيانات أخرى.

ومع ذلك، يتم تدريب العديد من هذه الحلول باستخدام بيانات Open Street Map، والتي يمكن أن تنتج عناوين قد تستضيف عشرات أو حتى مئات من العناوين الفرعية (مثل الشقق في عنوان مبنى شقة واسع).

لذا، حتى معالج عنوان مشهور مثل libpostal واجه صعوبات عند محاولة تحليل العناوين غير كاملة.

لإنشاء المعالج لهم، استخدم باحثو الورقة الجديدة عددًا من مجموعات البيانات المتاحة للجمهور.

كان البيانات الرئيسية موفرًا بواسطة OCOD، بينما استخدمت مكون تنظيف البيانات مجموعة بيانات أسعار التسجيل (Price Paid Dataset)، إلى جانب قائمة تصنيفات VOA، وقاعدة بيانات دليل الرمز البريدي للاستاتيستيات الوطنية (ONSPD).

جاءت بيانات Airbnb من نطاق InsideAirbnb، الذي يتضمن فقط المنازل الكاملة التي يتم تأجيرها، وبالتالي يستثني الاستخدام المقترح الأصلي لAirbnb (أي تأجير جزء من المنزل الخاص بك بشكل متقطع).

تم تعزيز مجموعة بيانات العقارات منخفضة الاستخدام بمعلومات تلقوها من طلبات المعلومات الناجحة، التي تم جمعها في الغالب لمشروع سابق.

بيانات OCOD هي ملف CSV مفصول بفاصلة مع درجة جيدة من الهيكل والتنسيق المتوقع.

تألفت الأنابيب من خمس مراحل: التسمية، التحليل، التوسيع، التصنيف، والتعاقد.

أداء الباحثون بعض المعالجة النحوية الخفيفة، ثم استوردوا البيانات إلى programmatic، وهي منصة مصممة لإنشاء مجموعات بيانات NLP المُحسنة دون التسمية اليدوية.

تمت تسمية الكيانات باستخدام التعبيرات العادية (Regex) لوصف ثمانية أنواع من الكيانات المسمى (انظر الصورة أدناه):

باستخدام هذه العلامات المضافة، تم استخراج مجموعة البيانات كملف JSON، مع إزالة الت重مات بواسطة روتين قواعد بسيط.

تم استخدام إخراج programmatic لتدريب نموذج تنبؤي لـ SpaCy، مدعومًا بنموذج RoBERTa من فيسبوك.

بعد تنظيفه، أنشأ الباحثون مجموعة مقارنة حقيقية من 1000 ملاحظة تم تحديدها بشكل عشوائي.

كان من الضروري تعيين كل مساحة حرف إلى صف riêng، وكل فئة تسمية إلى عمود خاص، ثم إعادة توجيه الأعمدة لإنشاء صفوف عناوين كاملة.

بعد ذلك، كانت مرحلة تصنيف العنوان تعادل جميع الرموز البريدية الموجودة باستخدام قاعدة بيانات ONSPD.

أخيرًا، عملية تعاقد العنوان أزالت جميع العقارات غير السكنية (أي الأماكن التجارية) من المجموعات العقارية المتداخلة.

التحليل

لتحديد دقة البيانات المحسنة، أنشأ المؤلفون، كما ذكرنا سابقًا، مجموعة اختبار حقيقية تم حجزها من تشغيل التحليل العام، وتم استخدامها فقط لاختبار دقة التنبؤات والتحليلات.

تمت التحقق اليدوي لمجموعة الاختبار الحقيقية باستخدام برنامج خريطة، بالإضافة إلى تحليل الصور للعقارات الموجودة في مجموعة الاختبار المحجوزة، والبحث على الإنترنت لتقييم نوع العقار.

بعد ذلك، تم قياس أداء البيانات ضد درجات الدقة والاستدلال و F1.

تم الحصول على قيمة العقارات منخفضة الاستخدام والسكنية باستخدام نموذج رسومي أساسي، وهو نفس الأسلوب المستخدم لاستنتاج العقارات السكنية غير التقليدية.

حصلت مهمة NER، التي تم اختبارها ضد مجموعة الاختبار الحقيقية المحددة يدويًا، على درجة F1 تبلغ 0.96 (قريبة من “100٪” من حيث الدقة).

بخصوص العقارات السكنية غير التقليدية في لندن، تظهر النتائج النهائية وجود 138,000 إدخال – أي أكثر بنسبة 44٪ من 94,000 إدخال في مجموعة بيانات OCOD الأصلية (أي الأرقام الرسمية الحديثة).

تشير النتائج إلى أن إجمالي قيمة العقارات في الخارج يبلغ حوالي 56 مليار جنيه إسترليني، بينما يُقدر إجمالي قيمة العقارات منخفضة الاستخدام بحوالي 85 مليار جنيه إسترليني.

يشير المؤلفون إلى:

‘جميع العقارات السكنية غير التقليدية أكثر تكلفة من متوسط سعر العقار التقليدي البالغ 600 ألف جنيه إسترليني.’

قد تكون هذه البيانات المحسنة ضرورية لمكافحة استخدام التكهنات العقارية كنشاط غسيل أموال في المملكة المتحدة.

يشير المؤلفون إلى الجسم المتزايد من الأبحاث والأدب العام الذي يشير إلى أن البيانات المحسنة قد تساعد في مكافحة غسيل الأموال العقاري، ويخلصون إلى:

‘يمكن استخدام هذه البيانات من قبل علماء الاجتماع والاقتصاديين وواضعي السياسات لضمان أن تكون محاولات الحد من غسيل الأموال وارتفاع أسعار العقارات قائمة على بيانات مفصلة تعكس الوضع الحقيقي.’

* تحويلي لمرجع الكتابة داخل النص إلى روابط.

نُشر لأول مرة في 25 يوليو 2022.