Mesterséges Intelligencia
Az AI jobb nyomon követést kínál az offshore ingatlantulajdonhoz az Egyesült Királyságban
Két brit egyetem új kutatásának célja, hogy jobban megvilágítsa az ingatlanalapú pénzmosás lehetséges helyzetét az Egyesült Királyságban, és különösen a nagyra értékelt londoni ingatlanpiacon.
A projekt eredményei szerint a „nem szokványos” hazai ingatlanok (azaz a tulajdonosok vagy bérlők által hosszú távon nem használt ingatlanok) száma csak Londonban körülbelül 138,000 XNUMX.
Ez a szám 44%-kal magasabb, mint a hivatalos adatok, amelyeket az Egyesült Királyság kormánya szolgáltat és rendszeresen frissít.
A kutatók különféle természetes nyelvi feldolgozási (NLP) technikákat alkalmaztak, további adatokkal és megerősítő kutatásokkal együtt annak a korlátozott hivatalos információnak a kiterjesztésére, amelyet az Egyesült Királyság kormánya bocsát rendelkezésre az Egyesült Királyságban található offshore cégek tulajdonában lévő ingatlanok százalékos arányáról, értékéről, elhelyezkedéséről és típusairól. , amelyek közül a legjövedelmezőbbek a fővárosban vannak.
A kutatás megállapította, hogy az Egyesült Királyságban található offshore, alacsony használatú és airbnb-stílusú (azaz „alkalmi foglalkozású”) ingatlanok összértéke körülbelül 145–174 milliárd GBP, körülbelül 144,000 164,000–XNUMX XNUMX ingatlanon.
Azt is megállapította, hogy az ilyen típusú offshore ingatlanok jellemzően drágábbak, és az Egyesült Királyságban elhelyezkedő helyükre jellemző minták vannak.
A kutatók becslése szerint offshore tulajdonú Nem szokványos háztartási ingatlan (UDP) a teljes hazai érték 7.5%-át teszi ki, és a becsült érték 56 milliárd fontja mindössze 42,000 XNUMX lakásra korlátozódik.
A cikk kimondja:
„Az egyes offshore ingatlanok az UDP mércéje szerint is nagyon drágák, ráadásul London központjára koncentrálódnak, erős térbeli autokorrelációval.
"Ezzel szemben a beágyazott offshore ingatlanok valamivel kevésbé koncentrálódnak London központjában, de általában jobban koncentrálódnak, és szinte nincs is térbeli összefüggés."
A kibővített adatok elemzése azt mutatja, hogy nagyszámú offshore ingatlan tartozik az ország entitásaihoz Tömegfüggőségek (CD), a második legnagyobb számmal a brit tengerentúli területek (az alábbi diagramon a „PWW2” azokat az országokat jelöli, amelyek a második világháború után függetlenedtek Nagy-Britanniától).
A külföldi tulajdonú ingatlanok elidegenítése az új lap eredményei szerint. Forrás: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf
A lap megjegyzi:
"Valójában csak 4 terület, a Brit Virgin-szigetek, Jersey, Guernsey és a Man-sziget kapcsolódik az összes ingatlan 78%-ához."
Az új kibővített adatok lehetővé tették az ismert tengerentúli tulajdonú ingatlanon belüli részingatlanok meghatározását – ezt általában gátolja a hivatalos adatokban közölt lakás és korlátozott adat.
Az eredmények azt is jelzik, hogy az offshore, az Airbnb és az alacsony használatú ingatlanok földrajzilag sokkal koncentráltabbak, mint a normál otthonok, és emellett nagyobb értékű területekre koncentrálódnak.
Vizualizált koncentrációs térképek különféle típusú, tengerentúli tulajdonú londoni ingatlanokhoz. Forrás: https://arxiv.org/pdf/2207.10931.pdf
A fenti grafikonról a szerzők a következőket kommentálják:
"Az offshore belföldi ingatlanok koncentrációja rendkívül magas, ahol egy teljes lakásépítés egy offshore cég tulajdonában van."
A szerzőknek van megjelent kód feldolgozási csővezetékükhöz.
A új lap címet viseli Mi van a mosodában? Offshore tulajdonú hazai ingatlanok feltérképezése és jellemzése Londonban, és a londoni University College Bartlett Épített Környezettudományi Karának és a Kingston Egyetem Közgazdasági Tanszékének kutatóitól származik.
A probléma kezelése
A szerzők megjegyzik, hogy az Egyesült Királyságban az ingatlanok pénzmosási célú felhasználásának ellenőrzésére irányuló több évtizedes erőfeszítés után a engedje a brit kiadvány által az offshore tulajdonú brit ingatlanokról kiszivárgott listáról Magándetektív 2015-ben, hogy arra ösztönözze az Egyesült Királyság kormányát, hogy tegye közzé az Egyesült Királyság nagy részében offshore tulajdonú ingatlanok rendszeresen frissített listáját. Tengerentúli cégek, amelyek ingatlannal rendelkeznek Angliában és Walesben (OCOD).
A kutatók megjegyzik, hogy bár az OCOD előrelépést jelent a tengerentúli tulajdonjog és a lehetséges pénzmosás kutatásában és elemzésében az Egyesült Királyságban, az adatoknak számos korlátja van, amelyek közül néhány kulcsfontosságú:
„Ezek a címek lehetnek hiányosak, beágyazott tulajdonságokat tartalmazhatnak, ahol egy sorban vagy címszámon belül több ingatlan is található, nem tartalmaz információt arról sem, hogy az ingatlan belföldi, üzleti vagy valami más.
"Az ilyen rossz minőségű adatok megnehezítik az Egyesült Királyságban található offshore tulajdonú ingatlanok eloszlásának és jellemzőinek megértését."
Különösen nehéz adatokat szerezni az alkalomra bérelt ingatlanokról, például az Airbnb-tulajdonokról, mivel a nyilvánosan elérhető adatok korlátozottak vagy egyáltalán nem léteznek. Ezenkívül Skócia (az Egyesült Királyság része) nem teszi nyilvánosan elérhetővé saját ingatlaneladási nyilvántartását, ellentétben Angliával és Walessel.
Az ingatlanok besorolásával kapcsolatos egyes következetlenségek ellensúlyozására az Egyesült Királyság kormánya bevezette az egyedi ingatlan-hivatkozási számot (UPRN) rendszer, amelynek célja, hogy világosabb kapcsolatokat tegyen lehetővé a különböző ingatlan-adatforrások között. A szerzők azonban megjegyzik* „miközben az UPRN használata kötelező, szinte egyetlen kormányzati szerv sem használja, vagyis az adatok összekapcsolása fejlett adatfeldolgozás készségek".
Így az új kutatás célja az volt, hogy az adatokat részletesebbé és áttekinthetőbbé tegye.
Az adatok gyűjtése és összekapcsolása
Bármely országon belül a címformátumok általában kiszámíthatók és következetesek, és az egyesült királyságbeli címekre is alkalmazhatók. Így a „lapos”, szövegalapú címzett adatokkal szemben (mint például az OCOD által biztosított) számos nyílt forráskódú címelemző megoldás jelent meg a címek más adatforrásokhoz való kereszthivatkozása céljából.
Azonban sok közülük kiképezték a használatát Utcatérkép megnyitása adatok, amelyek olyan címeket eredményezhetnek, amelyek ténylegesen több tíz vagy akár több száz egymásba ágyazott alcímet is tartalmazhatnak (például lakások széles körű címeken egy társasház esetében). Következésképpen még egy elismert címelemző is, mint pl libpostal több mint nehézségei voltak amikor nem teljes címeket próbál elemezni.
A projekt elemzőjének létrehozásához az új tanulmány kutatói számos nyilvánosan elérhető adatkészletet használtak fel. A kulcsadatokat az OCOD szolgáltatta, míg az adattisztító komponens a földhivatali árat használta adatbázisbaEgyütt VOA minősítések listázási adatkészlet, valamint az Országos Statisztikai Hivatal irányítószám-jegyzéke (ONSPD).
Az Airbnb-adatok a InsideAirbnb domain, amely csak a teljes bérbe adott lakásokat tartalmazza, így kizárva az Airbnb eredetileg javasolt használati esetét (azaz a saját lakás egészének vagy egy részének alkalmi bérbeadását).
A szerzők alacsony felhasználású ingatlanadatkészletét kiegészítették a sikeres információszabadság (FOI) kérésekből származó információkkal, amelyeket többnyire egy korábbi projekt.
Az OCOD alapadata egy jó szerkezetű és kiszámítható formátumú .CSV vesszővel tagolt fájl.
A csővezeték öt szakaszból állt: címkézés, elemzés, bővítés, osztályozás és szerződéskötés. Kezdetben bármely egyedi cím feloldódhatott a való életben több beágyazott tulajdonságra, bár ez nem szerepel kifejezetten a kormány által biztosított adatokban.
A kutatók enyhe szintaktikai előfeldolgozást hajtottak végre, majd importálták az adatokat programadó, egy olyan platform, amely megjegyzésekkel ellátott NLP-adatkészletek létrehozására szolgál kézi címkézés nélkül. Itt az entitásokat reguláris kifejezésekkel (Regex) címkézték fel nyolc típusú elnevezett entitás leírására (lásd az alábbi képet):
A címkék hozzáadásával az adatkészletet JSON-fájlként bontották ki, és a címkeátfedéseket egyszerű szabályokon alapuló rutinok távolították el.
Ezenkívül a programozási kimenetet használták a prediktív modell betanításához Borsos, amelyet a Facebook támogatja RoBERTa. Miután elpusztították, a kutatók létrehoztak egy alapigazság-összehasonlító készletet, amely 1000 véletlenszerűen megjelölt megfigyelésből állt. A nem felügyelt adatok pontossági pontszámát végül ehhez az alapigazsághoz viszonyítanák.
A címelemzés számos kihívást jelentett. A szerzők minden karakterhez hozzárendelték a saját sorát és minden címkeosztályhoz saját oszlopot, majd visszaszaporították az oszlopokat, hogy teljes címsorokat hozzanak létre.
Mivel egyes címeken több különálló lakás is szerepelt, szükség volt az adatbázis bővítésére, az egyedüli címek résztulajdonokra bontásával, amelyek a kiegészítő adatbázisokban jelen vannak.
Ezt követően a címbesorolási szakasz az ONSPD adatbázis segítségével kereszthivatkozást végzett az összes megtalált irányítószámra. Ez folyamat Összeköti a címadatokat a népszámlálási és egyéb demográfiai adatokkal, valamint egyedivé teszi azokat a résztulajdonokat, amelyek korábban az OCOD adatok átláthatatlan címei mögé rejtőztek.
Végül a címszűkítési folyamat minden nem háztartási ingatlant (azaz üzlethelyiséget) kiszűrt a beágyazott ingatlancsoportokból.
Elemzés
A kibővített adatok pontosságának tesztelésére a szerzők – mint korábban említettük – egy alapigazság-mintát hoztak létre, amely visszatartott az általános elemzési menettől, és csak az előrejelzések és elemzések pontosságának tesztelésére szolgál.
Az alapigazság kézi ellenőrzése magában foglalta a térképszoftver használatát, valamint a visszatartott halmazban szereplő ingatlanokról készült képek elemzését, valamint az ingatlan típusának értékelését szolgáló internetes kereséseket. Ezt követően az adatok teljesítményét a pontosság, a felidézés és az F1 pontszámok alapján mértük.
A kis igénybevételű és a háztartási ingatlanok értékét alapvető grafikus modellel kaptuk meg, ugyanazt a módszert alkalmaztuk az UDP tulajdonságok megállapítására is.
A nagy erőfeszítést igénylő, manuálisan megjelölt alapigazsághoz képest tesztelt NER-feladat 1-os F0.96-es pontszámot ért el (a pontosság szempontjából közel „100%-hoz”).
F1 pontszámok a NER címkézési feladathoz. Némi egyenetlenség tapasztalható, mivel a folyamat a bővített adatok szerkezete miatt kissé túlbecsüli a hazai ingatlanok számát és alulbecsüli az összes vállalkozás számát.
Ami a londoni UDP-ket illeti, a végeredmények összesen 138,000 44 bejegyzést mutatnak – ez 94,000%-kal több, mint az eredeti OCOD adatkészletben szereplő XNUMX XNUMX (azaz a legutóbbi hivatalos adatok).
A 2. típusú besorolás szerinti ingatlantípusok bontása.
Az eredmények azt mutatják, hogy az offshore ingatlanok összértéke körülbelül 56 milliárd GBP, míg a kis igénybevételű ingatlanok összértéke 85 milliárd fontra becsülhető.
A szerzők megjegyzik:
„[Az összes] UDP sokkal drágább, mint az átlagos, 600 ezer GBP-os hagyományos ingatlanár.
Ilyen javított adatokra lehet szükség az ingatlanspekuláció pénzmosási tevékenységként való felhasználása elleni küzdelemhez az Egyesült Királyságban. A szerzők felhívják a figyelmet a növekvő számú kutatásra és általános irodalomra, amelyek azt sugallják, hogy a jobb adatok segíthetnek az AML-tulajdonnal kapcsolatos spekuláció elleni küzdelemben, és arra a következtetésre jutnak:
"Ezeket az adatokat szociológusok, közgazdászok és politikai döntéshozók felhasználhatják annak biztosítására, hogy a pénzmosás és a magas ingatlanárak visszaszorítására tett kísérletek a valós helyzetet tükröző, részletes adatokon alapuljanak."
* A szerzők soron belüli hivatkozásának átalakítása hiperhivatkozásokká.
Első megjelenés: 25. július 2022.
