영국의 오프쇼어 부동산 소유권 추적을 위한 AI 제공

영국 두 대학의 새로운 연구는 영국, 특히 런던 고급 부동산 시장에서 부동산 기반의 돈 세탁 가능성에 대한 보다 큰 빛을 비추는 것을 목표로 한다.

프로젝트 결과에 따르면 런던에서만 ‘비정상적인’ 국내 부동산(즉, 주인이나 임대인에 의해 장기적으로 거주하지 않는 부동산)의 총 수는 약 138,000개이다.

이 수치는 영국 정부가 공급하고 정기적으로 업데이트하는 공식 통계보다 44% 더 높다.

연구자들은 영국 정부가 제공하는 공식 정보의 한계를 극복하기 위해 다양한 자연어 처리(NLP) 기술과 추가 데이터 및 보충 연구를 사용하여 영국의 오프쇼어 회사에 의해 소유된 부동산의 비율, 가치, 위치 및 유형에 대한 정보를 확장했다.

연구에 따르면 영국의 오프쇼어, 저利用, 에어비앤비 스타일(즉, ‘임시 거주’) 부동산의 총 가치는 약 144,000~164,000개의 부동산에 걸쳐 145~174억 파운드에 달한다.

또한 이러한 오프쇼어 부동산은 일반적으로 더 비싸고 영국에서 특정 지역에 집중되는 경향이 있다.

연구자들은 오프쇼어 소유의 ‘비정상적인 국내 부동산’이 국내 총 가치의 7.5%를 차지하며, 추정 가치 중 56억 파운드는 42,000개의 주택에만 한정된다고 추정한다.

연구 논문은 다음과 같이述한다:

‘개별 오프쇼어 부동산은 비록 UDP의 기준으로도 매우 비싸며, 런던 중심부에 집중되어 있다. 강한 공간적 자기 상관관계가 있다.’

‘반면에 중첩된 오프쇼어 부동산은 런던 중심부에 덜 집중되어 있지만 일반적으로 더 집중되어 있으며, 거의 공간적 상관관계가 없다.’

증강된 데이터 분석에 따르면 많은 오프쇼어 부동산이 크라운 의존성(CD)에 속한实体에 속한다. 두번째로 많은 수는 영국 해외 영토(British Overseas Territories)에 속한다(아래 차트에서 ‘PWW2’는 영국에서 독립한 국가를 나타낸다).

외국인 소유 부동산의 분포, 새로운 논문의 결과에 따르면. 출처: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf

연구 논문은 다음과 같이述한다:

‘실제로 4개 영토, 영국령 버진 아일랜드, 저지섬, 건지섬 및 맨섬은 모든 부동산의 78%와 관련이 있다.’

새로운 향상된 데이터는 기존에 알 수 없었던海外 소유 부동산 내의 하위 부동산을 결정하는 것이 가능하게 되었다.

결과는 또한 오프쇼어, 에어비앤비 및 저利用 부동산이 일반 주택보다 훨씬 더 지리적으로 집중되어 있으며, 더 높은 가치 지역에 집중되어 있음을 나타낸다.

런던의 다양한 유형의 해외 소유 부동산에 대한 시각화된 집중도 지도. 출처: https://arxiv.org/pdf/2207.10931.pdf

위 그래프에 대해 저자들은 다음과 같이述한다:

‘오프쇼어 국내 부동산은 매우 높은 집중도를 가지고 있으며, 한 개의 주택 개발이海外 회사에 의해 소유되는 경우가 있다.’

저자들은 자신의 처리 파이프라인에 대한 코드를 공개했다.

새로운 논문은 새로운 논문으로, 런던 대학교의 바틀렛 건축 환경학부와 킹스턴 대학교의 경제학부 연구자들이 작성했다.

문제 해결

저자들은 영국에서 부동산을 돈 세탁 목적으로 사용하는 것을 통제하기 위한 몇십 년의 노력에도 불구하고, 2015年に 영국의 프라이빗 아이가 유출된 오프쇼어 소유 영국 부동산 목록을 공개한 이후에야 영국 정부가 영국 대부분의 오프쇼어 소유 부동산 목록을 정기적으로 업데이트하기 시작했다고 지적한다.

연구자들은 영국 정부가 제공하는 데이터인 OCOD는海外 소유권과 돈 세탁 가능성에 대한 연구 및 분석을 위한 중요한 단계이지만, 몇 가지 제한이 있다고 지적한다:

‘이 주소는 불완전할 수 있으며, 여러 개의 속성들이 하나의 행이나 제목 번호에 포함될 수 있다. 또한 이 데이터에는 부동산이 국내, 비즈니스 또는 기타 어떤 종류인지에 대한 정보가 포함되어 있지 않다. ‘

‘이러한 데이터의 품질은 영국의海外 소유 부동산의 분포와 특성을 이해하는 것을 어렵게 만든다.’

특히, 에어비앤비와 같은 임시 임대 부동산에 대한 데이터는 공개적으로 이용할 수 없거나 제한적이다. 또한 스코틀랜드(영국の一部)는 잉글랜드와 웨일즈와는 달리 자신의 부동산 판매 등록을 공개하지 않는다.

이러한 부동산 분류의 불일치를 일부 해결하기 위해 영국 정부는 고유한 부동산 참조 번호(UPRN) 시스템을 도입했다. 그러나 저자들은 ‘几乎 모든 정부 부처에서 UPRN을 사용하지 않는다’고 지적한다.

따라서 새로운 연구는 데이터를 더 세분화하고 통찰력을 제공하기 위해 수행되었다.

데이터 수집 및 연결

개별 국가 내에서 주소 형식은 일반적으로 예측 가능하고 일관적이다. 따라서 영국 주소도 이러한 규칙을 따른다. 이러한 ‘평면’ 텍스트 기반 주소 데이터(예: OCOD에서 제공하는 데이터)를 처리하기 위해 여러 오픈 소스 주소 파싱 솔루션이 등장했다.

그러나 이러한 솔루션 중 많은 수가 오픈 스트리트 맵 데이터를 사용하여 훈련되며, 이는 실제로 수십 또는 수백 개의 중첩된 하위 주소를 포함하는 주소를 생성할 수 있다(예: 아파트 블록의 주소). 따라서, 유명한 주소 파서인 libpostal도 불완전한 주소를 파싱할 때 어려움을 겪었다.

이 프로젝트의 연구자들은 여러 공개 데이터 세트를 사용하여 파서를 생성했다. 핵심 데이터는 OCOD에서 제공되었으며, 데이터 정제 구성 요소는 랜드 레지스트리 가격 데이터 세트와 함께 VOA 등급 목록 데이터 세트 및 오피스 오브 내셔널 스탯ISTICS 포스트 코드 디렉토리(ONSPD)를 사용했다.

에어비앤비 데이터는 InsideAirbnb 도메인에서 가져왔으며, 이는 전체 주택만을 포함하며, 원래 에어비앤비의 제안된 사용 사례(즉, 자신의 집을 임시로 임대하는 것)를 제외한다.

저자들의 저利用 부동산 데이터 세트는 이전 프로젝트를 위해 수집된 성공적인 정보 공개 요청의 정보로 보충되었다.

OCOD의 기본 데이터는 구조가良く 예측 가능한 형식의.CSV 파일이다.

파이프라인은 다섯 단계로 구성되어 있다: 레이블링, 파싱, 확장, 분류 및 계약. 처음에, 개별 주소는 실제로 여러 중첩된 속성에 해당할 수 있지만, 이는 정부 제공 데이터에 명시적으로 표시되지 않는다.

연구자들은 일부 경량 구문 전처리를 수행한 다음 데이터를 프로그램매틱으로 가져갔으며, 이는 수동 레이블링 없이 주석이 달린 NLP 데이터 세트를 생성하기 위한 플랫폼이다. 여기서 엔티티는 정규 표현식(Regex)을 사용하여 8가지 유형의 명명된 엔티티를 설명하는 레이블이 지정되었다(아래 이미지 참조).

이 레이블을 추가한 후, 데이터 세트는 JSON 파일로 추출되었으며, 단순한 규칙 기반 루틴을 사용하여 레이블 중복을 제거했다.

또한, 프로그램매틱의 출력은 SpaCy를 위한 예측 모델을 훈련하는 데 사용되었으며, 이는 Facebook의 RoBERTa를 기반으로 한다. 노이즈를 제거한 후, 연구자들은 1000개의 무작위 레이블된 관측값으로 구성된 비교 세트를 생성했다. 비지도 데이터의 정확도 점수는 이 비교 세트에 대해 평가될 것이다.

주소 파싱은 여러 가지 도전을 제기했다. 저자들은 각 문자 범위에自己的 행을 할당하고 각 레이블 클래스에自己的 열을 할당한 다음, 완전한 주소 행을 생성하기 위해 열을 역전파했다.

일부 단일 주소에는 여러 개의 별도 거주지가 포함되어 있으므로, 데이터베이스를 확장하여 보완 데이터베이스에서 하위 속성을 분할해야 했다.

그런 다음 주소 분류 단계에서는 모든 위치한 우편 번호를 ONSPD 데이터베이스와 교차 참조했다. 이 프로세스는 주소 데이터를 인구 통계 및 기타 인구 통계 데이터와 연결하고, 이전에 불투명한 OCOD 데이터의 주소 뒤에 숨겨져 있던 하위 속성을 개별화한다.

마지막으로, 주소 계약 프로세스는 중첩된 속성 그룹에서 모든 비주거용 부동산(즉, 상업용 부동산)을 필터링했다.

분석

데이터의 정확성을 테스트하기 위해, 저자들은 이전에 언급한 대로, 일반적인 실행에서 제외된 샘플 비교 세트를 생성했으며, 이는 분석 및 예측의 정확성을 테스트하는 데만 사용되었다.

比较 세트의 수동 확인에는 지도 소프트웨어의 사용과 비교 세트에 포함된 속성의 사진 및 인터넷 검색을 통해 속성 유형을 평가하는 것이 포함되었다.

그런 다음 데이터의 성능은 정밀도, 재현율 및 F1 점수로 측정되었다.

저利用 및 주거용 부동산의 가치는 기본 그래픽 모델을 사용하여 얻어졌으며, 이는 UDP 속성을 추론하는 데에도 사용된 동일한 방법이다.

NER 작업은 높은 노력으로 수동 레이블링된 비교 세트에 대해 테스트되었으며, 0.96의 F1 점수를 얻었다(정확도 100%에 가까운 값).

NER 레이블링 작업의 F1 점수. 일부 불균일성이 발견되며, 이는 프로세스가 국내 부동산의 수를 약간 과대평가하고 사업의 총 수를 과소평가하기 때문이다.

런던의 UDP에 대해, 최종 결과는 138,000개의 항목을 보여주며, 이는 원래 OCOD 데이터 세트(즉, 최근의 공식 통계)에 포함된 94,000개보다 44% 더 많다.

2종 분류下的 부동산 유형 분해

결과는 오프쇼어 부동산의 총 가치가 약 56억 파운드이며, 저利用 부동산의 총 가치는 약 85억 파운드에 달한다는 것을 나타낸다.

저자들은 다음과 같이述한다:

‘모든 UDP는 평균적인 전형적인 부동산 가격인 60만 파운드보다 훨씬 더 비싸다.’

이러한 개선된 데이터는 영국에서 부동산 투기를 돈 세탁 활동으로 사용하는 것을 방지하는 데 필요한 데이터일 수 있다. 저자들은 돈 세탁 방지에 대한 연구와 일반 문헌이 증가하고 있으며, 이러한 데이터가 돈 세탁 방지에 도움이 될 수 있다고 지적한다. 그리고 다음과 같이 결론한다:

‘이 데이터는 사회학자, 경제학자 및 정책 입안자들이 돈 세탁과 높은 부동산 가격을 줄이는 시도가 실제 상황을 반영하는 자세한 데이터에 기반한 것인지 확인하는 데 사용될 수 있다.’

* 저자의 인라인 인용을 하이퍼링크로 변환한 내용입니다.

최초로 2022년 7월 25일에 게시되었습니다.