AI는 영국에서 역외 부동산 소유권에 대한 향상된 추적 기능을 제공합니다.

두 영국 대학의 새로운 연구는 영국, 특히 고가의 런던 부동산 시장에서 재산 기반 자금 세탁의 잠재적인 상태를 더 잘 밝히는 것을 목표로 합니다.

이 프로젝트의 결과에 따르면, '비전통적' 주거용 부동산(즉, 소유자나 임차인이 장기적으로 거주용으로 사용하지 않는 부동산)의 총 수는 런던에서만 약 138,000채에 이릅니다.

이 수치는 영국 정부가 제공하고 주기적으로 업데이트하는 공식 수치보다 44% 높은 수치입니다.

연구원들은 추가 데이터 및 확증 연구와 함께 다양한 자연어 처리(NLP) 기술을 사용하여 영국 역외 기업이 소유한 자산의 비율, 가치, 위치 및 유형에 대해 영국 정부가 제공하는 제한된 공식 정보를 확장했습니다. , 그 중 가장 수익성이 좋은 곳은 수도에 있습니다.

조사에 따르면 영국 내 해외, 이용 빈도가 낮은 부동산, 에어비앤비 스타일(즉, '일상 거주') 부동산의 총 가치는 약 145~174개로 총 144,000억~164,000억 파운드에 달하는 것으로 나타났습니다.

또한 이러한 유형의 해외 부동산은 일반적으로 더 비싸고 영국 내 위치와 관련하여 특징적인 패턴이 있다는 사실도 밝혀졌습니다.

연구원들은 역외 소유가 색다른 국내 재산 (UDP)는 전체 국내 가치의 7.5%를 나타내며 추정 가치 중 £56억은 42,000채의 주택으로 제한됩니다.

논문은 다음과 같이 말합니다.

'개별 근해 부동산은 UDP 기준으로도 매우 비싸고, 공간적 자동 상관성이 강한 런던 중심부에 집중되어 있습니다.

'반대로 해외 부동산은 런던 중심부에 덜 집중되어 있지만 전반적으로 더 집중되어 있으며, 공간적 상관관계도 거의 없습니다.'

증강 데이터 분석에 따르면 많은 해외 ​​부동산이 군중 종속성 (CD) 그 중 두 번째로 큰 숫자는 영국의 해외 영토입니다(아래 차트에서 'PWW2'는 제XNUMX차 세계 대전 이후 영국으로부터 독립을 얻은 국가를 의미함).

새 논문의 결과에 따른 외국인 소유 재산의 처분. 출처: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf

논문은 다음과 같이 관찰합니다.

'실제로 영국령 버진아일랜드, 저지섬, 건지섬, 맨섬의 4개 지역만이 전체 부동산의 78%와 관련이 있습니다.'

새로 향상된 데이터를 사용하면 알려진 해외 소유 부동산 내에 존재하는 하위 속성을 확인할 수 있습니다. 일반적으로 공식 수치에서 제공되는 단순하고 제한된 데이터로 인해 기능이 방해를 받습니다.

결과는 또한 근해, 에어비앤비 및 저사용 부동산이 일반 주택보다 지리적으로 훨씬 더 집중되어 있으며 추가로 고부가가치 지역에 집중되어 있음을 나타냅니다.

런던에 있는 다양한 유형의 해외 소유 부동산과 관련된 집중 지도를 시각화했습니다. 출처 : https://arxiv.org/pdf/2207.10931.pdf

위의 그래프에 대해 저자는 다음과 같이 설명합니다.

'해외 국내 부동산에는 전체 주택 개발 단지가 해외 기업이 소유하는 등 매우 집중된 경우가 많습니다.'

저자들은 릴리스된 코드 그들의 처리 파이프라인을 위해.

The 새 용지 제목이 세탁소에는 무엇이 있나요? 런던 내 해외 소유 주택의 지도 작성 및 특성 분석이 연구는 런던대학교 건축환경학부의 Bartlett 학부와 킹스턴대학교 경제학과의 연구진이 수행했습니다.

문제 해결

저자는 영국에서 돈세탁 목적으로 부동산 사용을 통제하기 위해 수십 년 동안 노력한 끝에 공개 영국 간행물에 의해 해외 소유 영국 부동산의 유출 목록 중 사립 탐정 2015년에 영국 정부가 영국 대부분의 역외 소유 부동산 목록을 정기적으로 업데이트하도록 촉구했습니다. 잉글랜드와 웨일즈에 부동산을 소유한 해외 기업 (오코드).

연구자들은 OCOD가 영국의 해외 소유권 및 잠재적 자금 세탁에 대한 연구 및 분석을 위한 한 단계 진전이지만 데이터에는 여러 가지 제한 사항이 있으며 그 중 일부는 중요합니다.

'이러한 주소는 불완전할 수 있고 중첩된 속성을 포함할 수 있으며 단일 행 또는 제목 번호 내에 여러 속성이 존재하며 속성이 국내, 비즈니스 또는 다른 것인지에 대한 정보도 포함하지 않습니다.

'이렇게 품질이 낮은 데이터로 인해 영국 내 해외 소유 부동산의 분포와 특성을 이해하는 것이 어렵습니다.'

공개적으로 사용할 수 있는 데이터가 제한적이거나 존재하지 않기 때문에 Airbnb 속성과 같은 임시 임대 속성에 대한 데이터를 얻는 것은 특히 어렵습니다. 또한 스코틀랜드(영국의 일부)는 잉글랜드 및 웨일즈와 달리 공개적으로 사용할 수 있는 자체 부동산 판매 등록부를 만들지 않습니다.

재산 분류와 관련된 일부 불일치에 대응하기 위해 영국 정부는 고유 재산 참조 번호(UPRN) 시스템은 다양한 속성 데이터 소스에서 더 명확한 관계를 가능하게 하도록 설계되었습니다. 그러나 저자는 * 'UPRN의 사용이 의무화되어 있지만 정부 부서에서는 거의 사용하지 않습니다. 즉, 데이터를 연결하려면 고급 데이터 처리 기술'.

따라서 새로운 연구는 데이터를 보다 세분화되고 통찰력 있게 만들기 시작했습니다.

데이터 수집 및 연결

모든 국가 내에서 주소 형식은 일반적으로 예측 가능하고 일관되며, 영국 주소에도 적용됩니다. 따라서 '평평한' 텍스트 기반 주소 데이터(OCOD에서 제공하는 것과 같은)에 직면하여, 주소를 다른 데이터 소스와 교차 참조하기 위한 여러 오픈 소스 주소 구문 분석 솔루션이 등장했습니다.

그러나 이들 중 다수는 다음을 사용하여 훈련됩니다. 오픈스트리트맵 이는 실제로 수십 또는 수백 개의 중첩된 하위 주소(예: 아파트 블록에 대한 광범위한 주소의 아파트)를 호스트할 수 있는 주소를 생성할 수 있습니다. 결과적으로 다음과 같은 유명한 주소 파서조차도 libpostal 이 어려움을 겪었다 불완전한 주소를 구문 분석하려고 할 때.

이 프로젝트의 파서를 만들기 위해 새로운 논문의 연구진은 공개적으로 이용 가능한 여러 데이터 세트를 사용했습니다. 핵심 데이터는 OCOD에서 제공했으며, 데이터 정제 구성 요소는 토지 등록 가격(Land Registry Price)을 사용했습니다. 데이터 세트함께있는 VOA 시청률 목록 데이터 세트 및 미국 통계청 우편 번호 디렉토리(ONSPD).

에어비앤비 데이터는 인사이드에어비앤비 이 도메인에는 임대되는 전체 주택만 포함되므로 Airbnb의 원래 제안된 사용 사례(즉, 가끔씩 자신의 집 전체 또는 일부를 임대하는 것)는 제외됩니다.

저자의 저사용 부동산 데이터 세트는 대부분 다음을 위해 수집된 성공적인 정보 공개(FOI) 요청에서 수신된 정보로 보강되었습니다. 이전 프로젝트.

OCOD의 기본 데이터는 구조가 양호하고 형식이 예측 가능한 .CSV 쉼표로 구분된 파일입니다.

파이프라인은 레이블 지정, 구문 분석, 확장, 분류 및 계약의 XNUMX단계로 구성됩니다. 정부에서 제공하는 데이터에는 명시적이지 않지만 처음에는 모든 개별 주소가 실생활에서 여러 중첩된 속성으로 해석될 수 있습니다.

연구원들은 약간의 간단한 구문 전처리를 수행한 다음 데이터를 프로그래밍 방식의, 수동 라벨링 없이 주석이 달린 NLP 데이터 세트를 생성하도록 설계된 플랫폼입니다. 여기에서 엔티티는 XNUMX가지 유형의 명명된 엔티티를 설명하기 위해 정규식(Regex)을 사용하여 레이블이 지정되었습니다(아래 이미지 참조).

이러한 레이블을 추가하면 데이터 세트가 JSON 파일로 추출되고 간단한 규칙 기반 루틴으로 레이블 중복이 제거됩니다.

또한, 프로그래밍 출력은 예측 모델을 훈련하는 데 사용되었습니다. 스페이시Facebook의 지원을 받아 로베르타. 일단 노이즈가 제거되면 연구자들은 무작위로 레이블이 지정된 1000개의 관측치로 구성된 실측 비교 세트를 만들었습니다. 감독되지 않은 데이터의 정확도 점수는 결국 이 실측에 대해 평가됩니다.

주소 구문 분석에는 여러 가지 문제가 있었습니다. 작성자는 각 문자에 자체 행과 각 레이블 클래스에 자체 열을 할당한 다음 전체 주소 행을 생성하기 위해 열을 역전파했습니다.

일부 단일 주소에는 여러 개의 개별 주거지가 포함되어 있기 때문에 단일 주소를 보완 데이터베이스에 있는 하위 속성으로 세분화하여 데이터베이스를 확장해야 했습니다.

그 후 주소 분류 단계에서 ONSPD 데이터베이스를 사용하여 찾은 모든 우편번호를 상호 참조했습니다. 이것 방법 주소 데이터를 인구 조사 및 기타 인구 통계 데이터에 연결하고 이전에 OCOD 데이터의 불투명한 주소 뒤에 숨겨진 하위 속성을 개별화합니다.

마지막으로, 주소 축약 프로세스는 내포된 자산 그룹에서 모든 비국내 자산(예: 상업 시설)을 필터링했습니다.

분석

향상된 데이터의 정확성을 테스트하기 위해 작성자는 앞에서 언급한 대로 일반적인 분석 실행에서 제외되고 예측 및 분석의 정확성을 테스트하는 데만 사용되는 샘플 실측 데이터 세트를 생성했습니다.

지상 실측에 대한 수동 확인에는 지도 소프트웨어의 사용과 홀드 백 세트에 포함된 속성의 사진 분석, 속성 유형을 평가하기 위한 인터넷 검색이 포함되었습니다. 그 후 데이터의 성능을 정밀도, 재현율 및 F1 점수에 대해 측정했습니다.

저사용 및 국내 재산의 가치는 기본 그래픽 모델로 얻었으며 UDP 속성을 추론하는 데에도 동일한 방법을 사용했습니다.

많은 노력이 필요하고 수동으로 레이블을 지정한 기준 진실에 대해 테스트한 NER 작업은 1의 F0.96 점수를 얻었습니다(정확도 측면에서 '100%에 가까움).

NER 라벨링 작업에 대한 F1 점수. 강화된 데이터의 구조로 인해 국내 부동산 수는 약간 과대추정하고 전체 사업체 수는 과소추정하기 때문에 약간의 불균일함이 발견됩니다.

런던의 UDP와 관련하여 최종 결과는 총 138,000개의 항목을 보여줍니다. 이는 원래 OCOD 데이터 세트(즉, 최근 공식 수치)에 포함된 44개보다 94,000% 더 많은 것입니다.

유형 2 분류에 따른 부동산 유형의 분류.

결과에 따르면 근해 부동산의 총 가치는 약 56억 파운드인 반면 저사용 부동산의 총 가치는 85억 파운드로 추산됩니다.

저자는 다음과 같이 말합니다.

'[모든] UDP는 평균 일반 부동산 가격인 600만 파운드보다 훨씬 더 비쌉니다.'

이러한 종류의 개선된 데이터는 영국에서 돈세탁 활동으로 부동산 투기를 사용하는 것을 방지하기 위해 필요할 수 있습니다. 저자는 개선된 데이터가 AML 부동산 투기와 싸우는 데 도움이 될 수 있다고 제안하는 연구 및 일반 문헌의 증가에 주목하고 다음과 같이 결론을 내립니다.

'이 데이터는 사회학자, 경제학자, 정책 입안자들이 자금 세탁과 높은 부동산 가격을 줄이기 위한 시도가 실제 상황을 반영하는 자세한 데이터에 기반하는지 확인하는 데 사용될 수 있습니다.'

* 저자의 인라인 인용을 하이퍼링크로 변환합니다.

25년 2022월 XNUMX일에 처음 게시되었습니다.